Génération de locomotion bipède multimodale avec dynamiques passives via l'apprentissage par renforcement profond

La génération de locomotion multimodale dans des robots bipèdes sous-actionnés nécessite des solutions de contrôle capables de faciliter des motifs de mouvement pour des modes dynamiques radicalement différents, ce qui est un problème extrêmement difficile dans les tâches d'apprentissage de locomotion. De plus, dans une telle locomotion multimodale, l'utilisation de la morphologie corporelle est importante car elle conduit à une locomotion économe en énergie. Cette étude fournit un cadre qui reproduit la locomotion bipède multimodale en utilisant des dynamiques passives à travers l'apprentissage par renforcement profond (DRL). Un modèle bipède sous-actionné a été développé basé sur un marcheur passif, et un contrôleur a été conçu en utilisant le DRL. En planifiant soigneusement les réglages des paramètres de poids de la fonction de récompense DRL pendant le processus d'apprentissage basé sur une méthode d'apprentissage par curriculum, le modèle bipède a réussi à apprendre à marcher, courir et effectuer des transitions de démarche en ajustant uniquement une entrée de commande. Ces résultats indiquent que le DRL peut être appliqué pour générer diverses démarches avec l'utilisation efficace des dynamiques passives.