सीढ़ी के पत्थरों पर चुस्त चलने के लिए कुशल खोज और शिक्षण

पाँव वाले रोबोट पिछले कुछ वर्षों में अत्यंत गतिशील चालें करने में सक्षम हो गए हैं। हालांकि, स्टीपिंग स्टोन्स जैसे अत्यंत सीमित वातावरण में चुस्त गतिशीलता अभी भी एक चुनौती है। इस पेपर में, हम चुस्त चलने के लिए कुशल नियंत्रण नीतियों को डिजाइन करने हेतु मॉडल-बेस्ड नियंत्रण, खोज और शिक्षण का संयोजन प्रस्तावित करते हैं। हमारे फ्रेमवर्क में, हम nonlinear model predictive control (NMPC) का उपयोग एक दिए गए संपर्क योजना के लिए पूर्ण शरीर गतियों के सृजन के लिए करते हैं। एक आदर्श संपर्क योजना खोजने के लिए, हम Monte Carlo tree search (MCTS) का उपयोग करने का प्रस्ताव देते हैं। जहां MCTS और NMPC का संयोजन जल्दी से किसी दिए गए वातावरण (कुछ सेकंडों में) के लिए एक व्यवहार्य योजना खोज सकता है, यह अभी भी प्रतिक्रियाशील नीति के रूप में उपयुक्त नहीं है। अतः, हम एक विशेष दृश्य के लिए आदर्श लक्ष्य-सम्बद्ध नीति का डेटासेट तैयार करते हैं और इसे supervised learning के माध्यम से सीखते हैं। विशेष रूप से, हम डेटासेट में मल्टी-मोडैलिटी संभालने में diffusion models की शक्ति का उपयोग करते हैं। हम अपने प्रस्तावित फ्रेमवर्क का परीक्षण एक परिदृश्य में करते हैं जहां हमारा चौपाई रोबोट Solo12 सफलतापूर्वक अत्यंत सीमित वातावरण में विभिन्न लक्ष्यों पर कूदता है।