ARMP: Autoregressive Motion Planning for Quadruped Locomotion and Navigation in Complex Indoor Environments

要約

脚付きロボットの自然で物理的に実行可能なモーションを生成することは、その複雑なダイナミクスのために困難な問題でした。
この作業では、四足歩行とナビゲーションのための自己回帰モーション プランナー (ARMP) の新しい学習ベースのフレームワークを紹介します。
私たちの方法は、固定軌道長のほとんどのオフライン軌道最適化アルゴリズムとは異なり、自己回帰方式で任意の長さのモーションプランを生成できます。
この目的のために、最初に、さまざまなシナリオとパラメーター設定に対して一連の密集した軌道最適化問題を解決することにより、モーション ライブラリを構築します。
次に、教師あり学習方式でデータセットから運動多様体を学習します。
提案された ARMP が、さまざまなタスクや状況に対して物理的にもっともらしい動きを生成できることを示します。
また、私たちの方法が最近のロボット ナビゲーション フレームワークと低レベル コントローラーとして正常に統合され、複雑な屋内ナビゲーションのための脚付きロボットの全機能を発揮できることも示します。

要約(オリジナル)

Generating natural and physically feasible motions for legged robots has been a challenging problem due to its complex dynamics. In this work, we introduce a novel learning-based framework of autoregressive motion planner (ARMP) for quadruped locomotion and navigation. Our method can generate motion plans with an arbitrary length in an autoregressive fashion, unlike most offline trajectory optimization algorithms for a fixed trajectory length. To this end, we first construct the motion library by solving a dense set of trajectory optimization problems for diverse scenarios and parameter settings. Then we learn the motion manifold from the dataset in a supervised learning fashion. We show that the proposed ARMP can generate physically plausible motions for various tasks and situations. We also showcase that our method can be successfully integrated with the recent robot navigation frameworks as a low-level controller and unleash the full capability of legged robots for complex indoor navigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google