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

要約

四葉型ロボットは機動性に優れており、俊敏性のある複雑な地形をナビゲートします。
ただし、それらの複雑な制御システムは、完全に対処されることからはほど遠い課題を提示しています。
このホワイトペーパーでは、従来の最適制御法の代替として、四角質ロボットのサンプルベースの確率制御戦略の使用を紹介します。
GPU加速度によってサポートされているサンプルベースの確率的方法は、実際の四足動物に効果的に適用できることを示しています。
特に、この作業では、歩行頻度の適応の達成に焦点を当てています。これは、グラデーションベースの方法の四骨移動における顕著な課題です。
サンプルベースの確率コントローラーの有効性を検証するために、四角形ロボットの2つの異なるアプローチをテストし、従来のグラデーション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のアリエンゴの両方で検証された私たちの調査結果は、ロボットがゼロまたは中程度の妨害の影響を受けるときに、我々の方法が従来のモデル予測制御戦略と同等であることを示していますが、継続的な勾配ベースの方法を上回ります。
外乱は、定式化の中で達成できる率直な歩行適応戦略のおかげで。

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