Quadrupedal Footstep Planning using Learned Motion Models of a Black-Box Controller

要約

脚式ロボットは、捜索救助、検査、物流などの新しい領域や用途にますます参入しています。
ただし、このようなシステムが現実のシナリオで価値があるためには、不規則な地形を自律的かつ堅牢に移動できなければなりません。
多くの場合、市場で販売されているロボットにはそのような機能はなく、盲目的な移動のみが可能です。
さらに、エンドユーザーはコントローラーを簡単に変更できないため、新たに時間のかかる制御合成が必要になります。
この研究では、高レベルの基準速度のみを追跡できるブラックボックス歩行コントローラーの機能を拡張する高速ローカル動作計画パイプラインを紹介します。
より正確には、高レベルの速度コマンドを質量中心 (CoM) と足音の動きにマッピングするコントローラーの一連の動きモデルを学習します。
次に、これらのモデルを A スター アルゴリズムのバリアントと統合して、視覚情報に基づいて CoM 軌道、足跡シーケンス、および対応する高レベルの速度コマンドを計画し、四足動物が要求に応じて不規則な地形を安全に横断できるようにします。

要約(オリジナル)

Legged robots are increasingly entering new domains and applications, including search and rescue, inspection, and logistics. However, for such systems to be valuable in real-world scenarios, they must be able to autonomously and robustly navigate irregular terrains. In many cases, robots that are sold on the market do not provide such abilities, being able to perform only blind locomotion. Furthermore, their controller cannot be easily modified by the end-user, requiring a new and time-consuming control synthesis. In this work, we present a fast local motion planning pipeline that extends the capabilities of a black-box walking controller that is only able to track high-level reference velocities. More precisely, we learn a set of motion models for such a controller that maps high-level velocity commands to Center of Mass (CoM) and footstep motions. We then integrate these models with a variant of the A star algorithm to plan the CoM trajectory, footstep sequences, and corresponding high-level velocity commands based on visual information, allowing the quadruped to safely traverse irregular terrains at demand.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google