Model Predictive Control with Visibility Graphs for Humanoid Path Planning and Tracking Against Adversarial Opponents

要約

この論文では、ロボカップ2024の大人サイズの自律型ヒューマノイドサッカーリーグで優勝するのに役立った、障害物回避、経路計画、軌道追跡の方法について詳しく述べる。私たちのチームは全座席マッチで無敗、6試合で45ゴールを挙げ、優勝決定戦では6対1で勝利しました。競技中、衝突回避のための大きな課題は、二足歩行と限られた視野（FOV）から生じる計測ノイズでした。さらに、障害物が計画した軌道から散発的に飛び込んできたり、外れたりした。時には、我々の推定器がロボットをハードな制約の中に置くこともありました。このコンペティションに参加するプランナーは、リアルタイムで再計画し、反応するのに十分な計算効率も必要です。これが軌道生成と追跡に対する我々のアプローチの動機となった。多くのシナリオでは、長期的かつ短期的なプランニングが必要である。すべての障害物を回避する長期的な一般経路を効率的に見つけるために、我々はDAVG（Dynamic Augmented Visibility Graphs）を開発した。DAVGは、障害物や所望のゴールポーズに基づいて特定の領域をアクティブに設定することで、本質的な経路計画に焦点を当てる。グラフの状態を拡張することにより、旋回角度が考慮される。これは、旋回にコストがかかる可能性があるため、大型のサッカー競技用ロボットにとって極めて重要である。軌道はDAVGによって生成された離散点間を線形補間することによって形成される。この軌道を追跡するために、cf-MPC（Collision-Free MPC）と呼ばれるモデル予測制御（MPC）の改良版が用いられる。これは短期的な計画を保証する。cf-MPCは定式化を切り替えることなく、ロボットのダイナミクスと無衝突制約を考慮します。ハードスイッチなしで、制御入力は、ノイズがロボットを制約境界の内側に置く場合、スムーズに移行することができます。非線形定式化は約120Hzで実行され、2次式バージョンは約400Hzを達成します。

要約(オリジナル)

In this paper we detail the methods used for obstacle avoidance, path planning, and trajectory tracking that helped us win the adult-sized, autonomous humanoid soccer league in RoboCup 2024. Our team was undefeated for all seated matches and scored 45 goals over 6 games, winning the championship game 6 to 1. During the competition, a major challenge for collision avoidance was the measurement noise coming from bipedal locomotion and a limited field of view (FOV). Furthermore, obstacles would sporadically jump in and out of our planned trajectory. At times our estimator would place our robot inside a hard constraint. Any planner in this competition must also be be computationally efficient enough to re-plan and react in real time. This motivated our approach to trajectory generation and tracking. In many scenarios long-term and short-term planning is needed. To efficiently find a long-term general path that avoids all obstacles we developed DAVG (Dynamic Augmented Visibility Graphs). DAVG focuses on essential path planning by setting certain regions to be active based on obstacles and the desired goal pose. By augmenting the states in the graph, turning angles are considered, which is crucial for a large soccer playing robot as turning may be more costly. A trajectory is formed by linearly interpolating between discrete points generated by DAVG. A modified version of model predictive control (MPC) is used to then track this trajectory called cf-MPC (Collision-Free MPC). This ensures short-term planning. Without having to switch formulations cf-MPC takes into account the robot dynamics and collision free constraints. Without a hard switch the control input can smoothly transition in cases where the noise places our robot inside a constraint boundary. The nonlinear formulation runs at approximately 120 Hz, while the quadratic version achieves around 400 Hz.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL