计算机科学>机器人
标题: AdaptiveON:用于稳定可靠动作的自适应室外局部导航方法
摘要: 我们提出了一种新的户外导航算法,以生成稳定高效的动作,引导机器人达到目标。 我们使用了一个多阶段的训练管道,并表明我们的方法产生的策略能够在复杂地形上实现稳定可靠的机器人导航。 基于近距离策略优化(PPO)算法,我们开发了一种新的方法来实现户外导航任务的多种功能,即减轻机器人的漂移,使机器人在崎岖地形上保持稳定,避免在海拔变化较大的山坡上攀爬,以及避免碰撞。 我们的训练过程通过引入通用的环境和机器人参数以及在高保真Unity模拟器中进行具有丰富激光雷达感知功能的训练来缓解现实(模拟现实)差距。 我们使用Clearpath Husky和Jackal机器人在仿真和现实环境中评估我们的方法。 此外,我们将我们的方法与最先进的方法进行了比较,并观察到,在现实世界中,它在不均匀地形上的稳定性提高了至少30.7%,漂移减少了8.08%,高程变化减少了14.75%。