要約
脚式ログモーションにおいて、オンライン軌道最適化技術は、一般に、低い計算時間と高い再計画頻度を実現するために、ヒューリスティックベースの接触プランナに依存している。本研究では、多出力回帰ニューラルネットワークに基づく高速非周期的接触プランナーであるContactNetを提案する。ContactNetは離散化されたステップ領域をランク付けし、複雑な環境下でも最適な実現可能解を迅速に選択することを可能にする。計算時間が1msと短いため、モデル予測制御（MPC）方式で軌道最適化装置と同時に接触プランナーを実行することが可能である。我々は、四足歩行ロボットSolo12を用いて、様々な複雑なシナリオにおけるシミュレーションで、このアプローチの有効性を実証する。
要約(オリジナル)
In legged logomotion, online trajectory optimization techniques generally depend on heuristic-based contact planners in order to have low computation times and achieve high replanning frequencies. In this work, we propose ContactNet, a fast acyclic contact planner based on a multi-output regression neural network. ContactNet ranks discretized stepping regions, allowing to quickly choose the best feasible solution, even in complex environments. The low computation time, in the order of 1 ms, makes possible the execution of the contact planner concurrently with a trajectory optimizer in a Model Predictive Control (MPC) fashion. We demonstrate the effectiveness of the approach in simulation in different complex scenarios with the quadruped robot Solo12.
arxiv情報
| 著者 | Angelo Bratta,Avadesh Meduri,Michele Focchi,Ludovic Righetti,Claudio Semini |
| 発行日 | 2023-03-06 14:04:55+00:00 |
| arxivサイト | arxiv_id(pdf) |