버클리 휴머노이드: 학습 기반 제어를 위한 연구 플랫폼

Berkeley Humanoid: A Research Platform for Learning-based Control

July 31, 2024

저자: Qiayuan Liao, Bike Zhang, Xuanyu Huang, Xiaoyu Huang, Zhongyu Li, Koushil Sreenath

cs.AI

초록

우리는 학습 기반 제어를 위한 신뢰할 수 있고 저비용의 중간 규모 휴머노이드 연구 플랫폼인 Berkeley Humanoid를 소개합니다. 이 경량화된 자체 제작 로봇은 낮은 시뮬레이션 복잡도, 인간형 동작, 그리고 낙상에 대한 높은 신뢰성을 갖춘 학습 알고리즘을 위해 특별히 설계되었습니다. 이 로봇의 좁은 시뮬레이션-현실 간극은 가벼운 도메인 랜덤화를 사용한 간단한 강화 학습 컨트롤러를 통해 야외 환경의 다양한 지형에서 민첩하고 견고한 이동을 가능하게 합니다. 또한, 우리는 로봇이 수백 미터를 주행하고, 가파른 비포장 길을 걷고, 단일 및 이중 다리로 점프하는 것을 시연하여 동적 보행에서의 높은 성능을 입증합니다. 전방위 이동이 가능하고 컴팩트한 설정으로 큰 외란을 견딜 수 있는 이 시스템은 학습 기반 휴머노이드 시스템의 확장 가능한 시뮬레이션-현실 배포를 목표로 합니다. 자세한 내용은 http://berkeley-humanoid.com을 참조하십시오.

English

We introduce Berkeley Humanoid, a reliable and low-cost mid-scale humanoid research platform for learning-based control. Our lightweight, in-house-built robot is designed specifically for learning algorithms with low simulation complexity, anthropomorphic motion, and high reliability against falls. The robot's narrow sim-to-real gap enables agile and robust locomotion across various terrains in outdoor environments, achieved with a simple reinforcement learning controller using light domain randomization. Furthermore, we demonstrate the robot traversing for hundreds of meters, walking on a steep unpaved trail, and hopping with single and double legs as a testimony to its high performance in dynamical walking. Capable of omnidirectional locomotion and withstanding large perturbations with a compact setup, our system aims for scalable, sim-to-real deployment of learning-based humanoid systems. Please check http://berkeley-humanoid.com for more details.