人形机器人学习行走

论文代码：

人形机器人在规划脚步上学习双足行走 (Humanoids2022)
Rohan P. Singh, Mehdi Benallegue, Mitsuharu Morisawa, Rafael Cisneros, Fumio Kanehiro
使用电流反馈为人形机器人学习双足行走 (arxiv)
Rohan P. Singh, Zhaoming Xie, Pierre Gergondet, Fumio Kanehiro
(正在 topic/omnidirectional-walk 分支上进行)

代码结构：

对于添加您自己的机器人可能有用的存储库大致结构：

LearningHumanoidWalking/
├── envs/                <-- 动作和观察空间、PD 增益、模拟步骤、控制抽取、初始化等
├── tasks/               <-- 奖励函数、终止条件等
├── rl/                  <-- PPO 代码、演员/评论家网络、观察标准化过程等
├── models/              <-- MuJoCo 模型文件：XML/网格/纹理
├── trained/             <-- 包含 JVRC 的预训练模型
└── scripts/             <-- 实用脚本等

要求：

Python 版本：3.7.11
Pytorch
pip 安装：
- mujoco==2.2.0
- mujoco-python-viewer
- ray==1.9.2
- transforms3d
- matplotlib
- scipy

使用方法：

支持的环境名称：

任务描述	环境名称
基本行走任务	'jvrc_walk'
踏步任务（使用脚步）	'jvrc_step'

训练：

$ python run_experiment.py train --logdir <实验目录路径> --num_procs <CPU进程数> --env <环境名称>

运行：

我们需要为每个环境编写特定的脚本。
例如，debug_stepper.py 可以与 jvrc_step 环境一起使用。

$ PYTHONPATH=.:$PYTHONPATH python scripts/debug_stepper.py --path <实验目录路径>

您应该看到的效果：

爬楼梯：

下楼梯：

曲线行走：

引用

如果您在自己的研究中发现这项工作有用：

@inproceedings{singh2022learning,
  title={Learning Bipedal Walking On Planned Footsteps For Humanoid Robots},
  author={Singh, Rohan P and Benallegue, Mehdi and Morisawa, Mitsuharu and Cisneros, Rafael and Kanehiro, Fumio},
  booktitle={2022 IEEE-RAS 21st International Conference on Humanoid Robots (Humanoids)},
  pages={686--693},
  year={2022},
  organization={IEEE}
}