Bipedal Safe Navigation over Uncertain Rough Terrain: Unifying Terrain Mapping and Locomotion Stability

要約

私たちは、不確実で起伏の多い複雑な環境における二足歩行ロボットのナビゲーションの問題を研究します。
特に、ロボットが地形の標高が不確実な環境を横断することによって、目的の目標位置に到達すると予想されるシナリオを検討します。
このような地形の不確実性は、通過不可能な領域だけでなく、ロボットの動作の乱れも引き起こします。
このように、地形マッピングと移動の安定性の問題は絡み合っています。
地形の標高を学習するために、ガウス過程 (GP) 回帰の 3 つの異なるカーネルを評価します。
また、地形の両方に起因する運動の偏差や、計画に使用された低次数の角柱倒立振子モデルと全次の運動ダイナミクス間の不一致も学習します。
我々は、階層的な移動力学を意識したサンプリングベースのナビゲーション プランナーを提案します。
グローバル ナビゲーション プランナーは、移動の安定性の制約を考慮しながら、目的の目標位置に到達するための一連のローカル ウェイポイントを計画します。
次に、ローカル ナビゲーション プランナーを使用して、ローカルのウェイポイントに到達するための動的に実行可能な一連の足跡を生成します。
私たちは、動きの偏差を最小限に抑え、地形標高マップの情報獲得を最大化するための新しい軌道評価指標を開発します。
MuJoCo での Digit 二足歩行ロボット シミュレーションに関する計画フレームワークの有効性を評価します。

要約(オリジナル)

We study the problem of bipedal robot navigation in complex environments with uncertain and rough terrain. In particular, we consider a scenario in which the robot is expected to reach a desired goal location by traversing an environment with uncertain terrain elevation. Such terrain uncertainties induce not only untraversable regions but also robot motion perturbations. Thus, the problems of terrain mapping and locomotion stability are intertwined. We evaluate three different kernels for Gaussian process (GP) regression to learn the terrain elevation. We also learn the motion deviation resulting from both the terrain as well as the discrepancy between the reduced-order Prismatic Inverted Pendulum Model used for planning and the full-order locomotion dynamics. We propose a hierarchical locomotion-dynamics-aware sampling-based navigation planner. The global navigation planner plans a series of local waypoints to reach the desired goal locations while respecting locomotion stability constraints. Then, a local navigation planner is used to generate a sequence of dynamically feasible footsteps to reach local waypoints. We develop a novel trajectory evaluation metric to minimize motion deviation and maximize information gain of the terrain elevation map. We evaluate the efficacy of our planning framework on Digit bipedal robot simulation in MuJoCo.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google