不連続な地形でのアジャイルな連続ジャンプ

Agile Continuous Jumping in Discontinuous Terrains

September 17, 2024

著者: Yuxiang Yang, Guanya Shi, Changyi Lin, Xiangyun Meng, Rosario Scalise, Mateo Guaman Castro, Wenhao Yu, Tingnan Zhang, Ding Zhao, Jie Tan, Byron Boots

cs.AI

要旨

我々は、階段や飛び石などの不連続な地形における四足ロボットのアジャイルで連続的かつ地形適応型のジャンプに焦点を当てています。単一段階のジャンプとは異なり、連続的なジャンプは長期的に高度な動作を正確に実行することを必要とし、既存の手法にとっては挑戦が大きいです。このタスクを達成するために、頑健な地形認識のための学習済みの高さマップ予測器、多目的かつ地形適応型の計画のための強化学習ベースのセントロイドレベルのモーションポリシー、そして正確なモーショントラッキングのための低レベルのモデルベースの脚コントローラからなる階層型の学習と制御フレームワークを設計しています。さらに、ハードウェア特性を正確にモデリングすることで、シミュレーションと実機のギャップを最小限に抑えています。当社のフレームワークにより、Unitree Go1 ロボットが、人間サイズの階段や疎な飛び石でアジャイルで連続的なジャンプを行うことが、私たちの知る限りでは初めて可能となりました。特に、このロボットは各ジャンプで2つの階段段差を越え、4.5秒で長さ3.5m、高さ2.8m、14段の階段を完了します。さらに、同じポリシーは、水平または垂直の不連続性を持つ単一のパルクールタスクなど、さまざまな他のタスクでもベースラインを上回っています。実験動画は https://yxyang.github.io/jumping\_cod/ でご覧いただけます。

English

We focus on agile, continuous, and terrain-adaptive jumping of quadrupedal robots in discontinuous terrains such as stairs and stepping stones. Unlike single-step jumping, continuous jumping requires accurately executing highly dynamic motions over long horizons, which is challenging for existing approaches. To accomplish this task, we design a hierarchical learning and control framework, which consists of a learned heightmap predictor for robust terrain perception, a reinforcement-learning-based centroidal-level motion policy for versatile and terrain-adaptive planning, and a low-level model-based leg controller for accurate motion tracking. In addition, we minimize the sim-to-real gap by accurately modeling the hardware characteristics. Our framework enables a Unitree Go1 robot to perform agile and continuous jumps on human-sized stairs and sparse stepping stones, for the first time to the best of our knowledge. In particular, the robot can cross two stair steps in each jump and completes a 3.5m long, 2.8m high, 14-step staircase in 4.5 seconds. Moreover, the same policy outperforms baselines in various other parkour tasks, such as jumping over single horizontal or vertical discontinuities. Experiment videos can be found at https://yxyang.github.io/jumping\_cod/.