계단형 지형에서 하이브리드 로봇을 위한 에너지 효율적 공중-지상 구동 학습
Learning Energy-Efficient Air--Ground Actuation for Hybrid Robots on Stair-Like Terrain
하이브리드 공중-지상 로봇은 바퀴 구동 이동을 방해하는 장애물을 넘기 위해 추력을 사용할 수 있지만, 접촉 중에 얼마나 추력을 가할지 결정하는 것은 여전히 어렵다. 우리는 이동 모드를 미리 정하지 않고, 단일 연속 정책으로 바퀴, 틸트 서보, 프로펠러를 함께 지휘하는 에너지 인식 강화학습 프레임워크를 제안한다. 하드웨어 보정 전력 모델은 추정 전기 에너지에 페널티를 부과하고, 지형 커리큘럼과 올바른 자세로 안정적으로 도착하는 것에 대한 종단 보상이 추력 보조 등반 학습을 지원한다. 시뮬레이션에서 연속 추력 할당은 계단이 높아질수록 고정 추력 및 모드 전환 베이스라인보다 단일 계단 통과 높이를 개선한다. 바퀴 반경 높이의 계단에서는 최적 고정 할당보다 평균 전력을 약 27% 적게 소모한다. 에너지 가중치 ablation은 효율성과 신뢰성 사이의 동반되는 절충을 보여준다. 물리적 DoubleBee 프로토타입에서, 배포 인터페이스를 갖춘 변경 없는 네트워크는 10회 시도 중 8회 두 개의 6cm 계단을 통과한다. 추가 하드웨어 테스트는 서로 다른 지형 기하로의 전이 가능성과 방향 제어, 접촉 강건성 및 복구에 남아 있는 한계를 모두 보여준다.