This thesis presents a method to obtain a gait planning that is suitable for quadruped robots and executable in real-time. The proposed idea is to use a neural network to obtain the gait sequence. The neural network is trained through Imitation Learning to learn the optimal contact sequence by Monte Carlo Tree Search (MCTS) algorithm. Specifically, the Supervised Learning approach is adopted in the initial stage, and subsequently, the results are improved by implementing DAGGer algorithm. The replacement of the MCTS algorithm with a neural network causes a big gain in terms of computational time. With this reduced calculation time, the gait sequence can be calculated in real-time.
이 논문은 네발 로봇에 적합하고 실시간으로 실행 가능한 보행 계획을 얻는 방법을 제시한다. 제안된 아이디어는 신경망을 사용하여 보행 시퀀스를 얻는 것이다. 신경망은 MCTS(Monte Carlo Tree Search) 알고리듬에 의해 최적의 접촉 시퀀스를 학습하기 위해 모방 학습을 통해 훈련된다. 구체적으로 초기 단계에서 지도 학습 접근법을 채택하고, 이후 DAGGer 알고리듬을 구현하여 결과를 개선한다. MCTS 알고리즘을 신경망으로 대체하면 계산 시간 측면에서 큰 이득을 얻는다. 이렇게 줄어든 계산 시간으로 보행 순서를 실시간으로 계산할 수 있다.
