Cycloidal Quasi-Direct Drive Actuator Designs with Learning-based Torque Estimation for Legged Robotics

要約

このペーパーでは、脚のロボット工学用のシクロイド準ダイレクトドライブアクチュエーターの設計と実装を通じて、新しいアプローチを紹介します。
固有の高いトルク密度と機械的堅牢性を備えたサイクロイドギアメカニズムは、従来の設計よりも大きな利点を提供します。
サイクロイドギアを準ダイレクトドライブフレームワークに統合することにより、特に高トルクとダイナミック負荷を必要とするタスクで、脚のロボットのパフォーマンスを強化することを目指しています。
さらに、アクチュエータネットワークを使用してアクチュエーターのトルク推定フレームワークを開発し、Cycloidal Driveの複雑なダイナミクスによって導入されたSIMからリアルのギャップを効果的に削減します。
この統合は、サイクロイド駆動の複雑なダイナミクスをキャプチャするために重要です。これは、学習効率、俊敏性、および補強学習の適応性の向上に貢献します。

要約(オリジナル)

This paper presents a novel approach through the design and implementation of Cycloidal Quasi-Direct Drive actuators for legged robotics. The cycloidal gear mechanism, with its inherent high torque density and mechanical robustness, offers significant advantages over conventional designs. By integrating cycloidal gears into the Quasi-Direct Drive framework, we aim to enhance the performance of legged robots, particularly in tasks demanding high torque and dynamic loads, while still keeping them lightweight. Additionally, we develop a torque estimation framework for the actuator using an Actuator Network, which effectively reduces the sim-to-real gap introduced by the cycloidal drive’s complex dynamics. This integration is crucial for capturing the complex dynamics of a cycloidal drive, which contributes to improved learning efficiency, agility, and adaptability for reinforcement learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google