Learning Decentralized Multi-Biped Control for Payload Transport
Created by
Haebom
저자
Bikram Pandit, Ashutosh Gupta, Mohitvishnu S. Gadde, Addison Johnson, Aayam Kumar Shrestha, Helei Duan, Jeremy Dao, Alan Fern
개요
본 논문은 바퀴 대신 다수의 이족보행 로봇을 운반체에 부착하여 험지에서의 짐 운반 효율성과 구성의 유연성을 높이는 것을 목표로 한다. 중앙 집중식이 아닌 분산 제어 방식을 강화 학습을 통해 설계하여, 로봇의 수와 배치에 상관없이 재학습 없이 적용 가능하도록 하였다. 시뮬레이션과 실제 환경(Cassie 로봇 2대 및 3대)에서의 실험을 통해 다양한 시나리오에서의 효과를 정량적으로 평가하고, 확장 가능한 다중 이족보행 짐 운반 시스템을 최초로 제시한다.
시사점, 한계점
•
시사점:
◦
험지에서의 효율적인 짐 운반을 위한 새로운 접근 방식 제시
◦
로봇 수와 배치에 상관없이 적용 가능한 확장 가능한 시스템 구현
◦
강화 학습 기반 분산 제어 시스템의 실제 세계 적용 가능성 검증
◦
다양한 시뮬레이션 시나리오를 통한 정량적 성능 평가
•
한계점:
◦
현재는 Cassie 로봇을 사용한 실험으로 제한됨. 다른 로봇으로의 일반화 가능성 추가 연구 필요
