This thesis presents a way to solve the issue of a jump with a run-up over an obstacle using a quadruped robot. To be applicable in reality, the ability to run on flat terrain should not be degraded. For this purpose, a hierarchical framework with two neural networks is used in this work. Both networks are trained using reinforcement learning. The switch between the two networks is done based on the distance between the robot and the hurdle. Simulations show a high success rate for the developed policy. The possibility to transfer this approach to reality is proven by an experiment on a real robot.
본 논문에선 사족보행 로봇을 이용해 장애물을 뛰어넘는 문제에 대한 해결법을 제시한다. 실제에서 적용가능하기 위해선, 로봇이 평지에서도 달릴 수 있는 능력이 필요하다. 그렇기 때문에 두 개의 신경망을 가진 계층적인 프레임워크를 사용한다. 두 신경망 모두 강화학 습을 통해 학습된다. 두 신경망 사이 전환은 로봇과 허들 사이 거리에 따라 이루어진다. 학습된 정책은 시뮬레이션 상에서 높은 성공률을 보여줬다. 또한 실험을 통해, 본 접근법이 실제 로봇에서도 적용 가능함을 검증했다.
