Automatic Gain Tuning for Humanoid Robots Walking Architectures Using Gradient-Free Optimization Techniques

要約

高度な制御アーキテクチャの開発により、ロボット、特に人型ロボットに数多くの機能が与えられました。
ただし、これらのアーキテクチャの調整は依然として困難で時間のかかる作業であり、専門家の介入が必要です。
この研究では、歩行ヒューマノイドの階層制御アーキテクチャのすべての層のゲインを自動的に調整する方法論を提案します。
私たちは、遺伝的アルゴリズム (GA)、共分散行列適応進化戦略 (CMA-ES)、進化戦略 (ES)、および差分進化 (DE) といったさまざまな無勾配最適化手法を使用して方法論をテストしました。
私たちは、シミュレーションと実際の ergoCub ヒューマノイド ロボットの両方で見つかったパラメーターを検証しました。
私たちの結果は、GA が最速の収束 (他のアルゴリズムで必要な 25 x 10^3 の関数評価に対して 10 x 10^3 の関数評価) と、シミュレーションと実際のロボット プラットフォームへの転送の両方でタスクを完了する成功率 100% を達成することを示しています。
これらの発見は、調整プロセスを自動化し、手動介入の必要性を減らす、私たちが提案する方法の可能性を強調しています。

要約(オリジナル)

Developing sophisticated control architectures has endowed robots, particularly humanoid robots, with numerous capabilities. However, tuning these architectures remains a challenging and time-consuming task that requires expert intervention. In this work, we propose a methodology to automatically tune the gains of all layers of a hierarchical control architecture for walking humanoids. We tested our methodology by employing different gradient-free optimization methods: Genetic Algorithm (GA), Covariance Matrix Adaptation Evolution Strategy (CMA-ES), Evolution Strategy (ES), and Differential Evolution (DE). We validated the parameter found both in simulation and on the real ergoCub humanoid robot. Our results show that GA achieves the fastest convergence (10 x 10^3 function evaluations vs 25 x 10^3 needed by the other algorithms) and 100% success rate in completing the task both in simulation and when transferred on the real robotic platform. These findings highlight the potential of our proposed method to automate the tuning process, reducing the need for manual intervention.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google