Abs

Agile But Safe: Learning Collision-Free High-Speed Legged Locomotion

motivation: 既保障安全，也能达到敏捷的运动；

task：高速运动中的避障；

method：策略鲁棒性 safe RL

端到端

• 敏捷策略：感知型避障策略
• 安全策略：恢复策略
• 由一个基于控制理论的 Reach-Avoid (RA) 值网络驱动：决定采用哪个策略，基于学习(RL)的、以策略为条件的 RA 值网络量化敏捷策略的风险等级，平滑的切换两个策略
• 一个外部感知表示网络：从深度信息中预测得到低维的机器人到障碍物的射线距离，作为敏捷策略和RA网络的输入

类似与分层安全 RL 方法，训练一个 safe critics ; 专注于 估计敏捷策略的 ra 值，然后闭环的指导恢复策略 达到动态和适应性的恢复过程

在 ra 值求解：学习策略相关的 RA 值网络，利用收缩性质推导出的时间折扣的 reach-avoid bellamn 方程

experiment：

• isaac gym 仿真：
• 真实机器人实验：在室内外环境中验证了 ABS 的安全性和敏捷性