암시적 지형 정보 추론을 통한 심층 강화 학습 기반 보행로봇 보행 제어 기술이 개시된다. 보행 로봇 제어 방법은, 심층 강화 학습(deep reinforcement learning) 기반의 로봇 보행 모델을 통해 고유 감각(proprioception)으로 4족 보행 로봇의 행동(action)을 추론하는 단계를 포함할 수 있고, 이때 상기 로봇 보행 모델은 상기 4족 보행 로봇이 이동하는 지형 특성을 암시적으로 추론하는 이동 정책(locomotion policy)이 학습될 수 있다.
Disclosed is technology for controlling deep reinforcement learning-based legged robot locomotion by inferring implicit terrain information. A legged robot control method may include inferring an action of a quadrupedal robot from proprioception through a deep reinforcement learning-legged robot model, and a locomotion policy that implicitly infers properties of terrains through which the quadrupedal robot moves may be learned in the legged robot model.
LEARNING ROBUST LEGGED ROBOT LOCOMOTION WITH IMPLICIT TERRAIN IMAGINATION VIA DEEP REINFORCEMENT LEARNING
암시적 지형 정보 추론을 통한 심층 강화 학습 기반 보행로봇 보행 제어
2025-01-17
Patent
Electronic Resource
Korean
European Patent Office | 2025
|RLOC: terrain-aware legged locomotion using reinforcement learning and optimal control
BASE | 2022
|A Bayesian regression approach to terrain mapping and an application to legged robot locomotion
British Library Online Contents | 2009
|