Overconstrained Locomotion

要約

この論文では、動作生成にベネットリンケージを採用することで過剰拘束された移動運動を生成する新しいロボット四肢の設計、制御、学習について研究します。これは、単一の四足動物内で爬虫類と哺乳類にインスピレーションを得た形態間のパラメトリック再構成が可能です。
平面的なリンケージに重点が置かれているのとは対照的に、この研究では、四肢の機構として過剰に拘束されたリンケージを採用することを掘り下げています。
過剰拘束されたリンケージには、高度な運動学において強固な理論的基盤がありますが、ロボット応用では十分に研究されていません。
この研究は、平面または球形の四肢に変形できる過拘束ロボット四肢 (ORL) の形態学的優位性を示しており、ORL としてベネット結合の最も単純なケースを使用して例示されています。
モデル予測制御 (MPC) を適用して、さまざまな過度に拘束された移動タスクをシミュレートし、足場の距離と速度を考慮した場合、平面的な四肢に対するエネルギー効率の優位性を明らかにしました。
結果は、強化学習 (RL) から最適化された過剰制約された移動ポリシーでさらに検証されます。
進化生物学の観点から、これらの発見は、爬虫類と哺乳類の四肢設計におけるメカニズムの違いを強調し、動的移動において平面的な四肢設計を上回るORLの最初の文書化された例を表している。
今後の研究は、モデルベースおよび学習ベースの過拘束移動スキルをロボットハードウェアに展開して、進化にインスピレーションを得たエネルギー効率の高い新しいロボット四肢の制御を開発するためのSim2Realのギャップを埋めることに焦点を当てる予定です。

要約(オリジナル)

This paper studies the design, control, and learning of a novel robotic limb that produces overconstrained locomotion by employing the Bennett linkage for motion generation, capable of parametric reconfiguration between a reptile- and mammal-inspired morphology within a single quadruped. In contrast to the prevailing focus on planar linkages, this research delves into adopting overconstrained linkages as the limb mechanism. The overconstrained linkages have solid theoretical foundations in advanced kinematics but are under-explored in robotic applications. This study showcases the morphological superiority of Overconstrained Robotic Limbs (ORLs) that can transform into planar or spherical limbs, exemplified using the simplest case of a Bennett linkage as an ORL. We apply Model Predictive Control (MPC) to simulate a range of overconstrained locomotion tasks, revealing its superiority in energy efficiency against planar limbs when considering foothold distances and speeds. The results are further verified in overconstrained locomotion policies optimized from Reinforcement Learning (RL). From an evolutionary biology perspective, these findings highlight the mechanism distinctions in limb design between reptiles and mammals and represent the first documented instance of ORLs outperforming planar limb designs in dynamic locomotion. Future studies will focus on deploying the model-based and learning-based overconstrained locomotion skills in the robotic hardware to close the Sim2Real gap for developing evolutionary-inspired, energy-efficient control of novel robotic limbs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google