On the Benefits of GPU Sample-Based Stochastic Predictive Controllers for Legged Locomotion

要約

四足ロボットは機動性に優れ、複雑な地形を機敏に移動します。
しかし、その複雑な制御システムには、まだ完全には解決されていない課題があります。
この論文では、従来の最適制御法則の代替として、四足歩行ロボットに対するサンプルベースの確率的制御戦略の使用を紹介します。
GPU アクセラレーションによってサポートされるサンプルベースの確率的手法が実際の四足ロボットに効果的に適用できることを示します。
特に、この研究では、勾配ベースの方法の四足歩行における注目すべき課題である歩行周波数の適応の達成に焦点を当てています。
サンプルベースの確率的コントローラーの有効性を検証するために、四足歩行ロボットに対する 2 つの異なるアプローチをテストし、従来の勾配ベースのモデル予測制御システムと比較します。
シミュレーションと実際の 21kg の四足歩行エイリアンゴの両方で検証された私たちの発見は、ロボットがゼロまたは中程度の外乱を受ける場合には、私たちの方法が従来のモデル予測制御戦略と同等であり、持続的な処理においては勾配ベースの方法を上回ることを示しています。
処方内で達成可能な単純な歩行適応戦略のおかげで、外乱を軽減します。

要約(オリジナル)

Quadrupedal robots excel in mobility, navigating complex terrains with agility. However, their complex control systems present challenges that are still far from being fully addressed. In this paper, we introduce the use of Sample-Based Stochastic control strategies for quadrupedal robots, as an alternative to traditional optimal control laws. We show that Sample-Based Stochastic methods, supported by GPU acceleration, can be effectively applied to real quadruped robots. In particular, in this work, we focus on achieving gait frequency adaptation, a notable challenge in quadrupedal locomotion for gradient-based methods. To validate the effectiveness of Sample-Based Stochastic controllers we test two distinct approaches for quadrupedal robots and compare them against a conventional gradient-based Model Predictive Control system. Our findings, validated both in simulation and on a real 21Kg Aliengo quadruped, demonstrate that our method is on par with a traditional Model Predictive Control strategy when the robot is subject to zero or moderate disturbance, while it surpasses gradient-based methods in handling sustained external disturbances, thanks to the straightforward gait adaptation strategy that is possible to achieve within their formulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google