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

要約

この論文では、障害物の回避、経路計画、軌跡追跡に使用される方法について詳しく説明します。これは、ロボカップ2024で大人のサイズの自律型ヒューマノイドサッカーリーグに勝つのに役立ちました。
（FOV）。
さらに、障害物は、計画された軌跡に散発的に飛び出します。
時には、私たちの推定器は、ロボットをハード制約の中に入れます。
また、この競争のプランナーは、リアルタイムで再計画して反応するのに十分な計算上効率でなければなりません。
これにより、軌道の生成と追跡に対するアプローチが動機付けられました。
多くのシナリオでは、長期的および短期的な計画が必要です。
すべての障害を回避する長期的な一般的なパスを効率的に見つけるために、DAVG（動的拡張視認性グラフ）を開発しました。
DAVGは、障害と目的の目標ポーズに基づいて、特定の領域をアクティブにすることにより、重要なパス計画に焦点を当てています。
グラフ内の状態を拡張することにより、回転角度を考慮します。これは、ターニングがよりコストがかかるため、ロボットを演奏する大規模なサッカーにとって重要です。
軌道は、DAVGによって生成された離散点を直線的に補間することによって形成されます。
モデル予測制御（MPC）の修正バージョンを使用して、CF-MPC（衝突なしMPC）と呼ばれるこの軌跡を追跡します。
これにより、短期計画が保証されます。
定式化を切り替えることなく、CF-MPCはロボットのダイナミクスと衝突のない制約を考慮します。
ハードスイッチがなければ、ノイズがロボットを制約境界内に配置する場合、制御入力はスムーズに遷移できます。
非線形定式化は約120 Hzで動作しますが、二次バージョンは約400 Hz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, Google