【标题】DeepWalk: Omnidirectional Bipedal Gait by Deep Reinforcement Learning

【作者】Diego Rodriguez, Sven Behnke

【发表时间】2021.6.1

【论文链接】https://arxiv.org/pdf/2106.00534.pdf

【推荐理由】双足行走是机器人领域中最困难但最令人兴奋的挑战之一。其困难源于高维动力学、传感和驱动限制以及实时和计算约束的复杂性。深度强化学习 (DRL) 有望通过以极简的技艺充分利用机器人动力学来解决上述问题。基于此，本文提出了一种基于真实机器人模型的仿人机器人全方位行走控制策略的新颖的 DRL 方法，使代理能够学习仿人（双足）机器人的全方位运动。值得注意的是，运动行为是由单个控制策略（单个神经网络）完成的。为此，本文通过引入一种新的课程学习方法来实现这一目标，该方法通过设定目标速度以逐渐增加任务难度。此外，该方法不需要参考运动，有助于将其应用于具有不同运动学的机器人，并降低了整体复杂度。最后，本文提出了模拟到真实迁移的不同策略，以将学习到的策略迁移到真实的仿人机器人上。

内容中包含的图片若涉及版权问题，请及时与我们联系删除