基于分层Option的仿人机器人相似性关键姿势转换

摘要

针对运动捕获系统获取的人体运动轨迹固定、难以实现仿人机器人关键姿势转换问题,提出了一种基于分层Option学习的仿人机器人关键姿势相似性转换方法。构建多级关键姿势树状结构,从关节相似差异、时刻整体相似差异、周期整体相似差异等角度描述了关键姿势差异,引入分层强化Option学习方法,建立关键姿势与Option行为集,由关键姿势差异的累计奖励将SMDP-Q方法逼近最优Option值函数,实现了关键姿势的转换。实验验证了方法的有效性。

关键词