Fall Prediction for Bipedal Robots: The Standing Phase

要約

この論文では、二足歩行ロボットの転倒予測への新しいアプローチを提示し、特に突然の断層、および断続的な断層によって引き起こされた潜在的な転倒の検出をターゲットにしています。
1D畳み込みニューラルネットワーク（CNN）を活用して、私たちの方法は、誤った陽性率を最小化しながら、転倒予測のリードタイムを最大化することを目的としています。
提案されたアルゴリズムは、さまざまな断層タイプの検出を一意に統合し、潜在的な転倒のリードタイムを推定します。
私たちの貢献には、フルサイズのロボットの突然、初期、および断続的な障害を検出できるアルゴリズムの開発、ヒューマノイドロボットのシミュレーションとハードウェアデータの両方を使用した実装、およびリードタイムを推定する方法が含まれます。
偽陽性率、リードタイム、応答時間を含む評価指標は、アプローチの有効性を示しています。
特に、私たちのモデルは、0の偽陽性率で、さまざまな障害シナリオにわたって印象的なリードタイムと応答時間を達成します。この研究の結果は、二足歩行ロボットシステムの安全性と信頼性を高めるために大きな意味を持ちます。

要約(オリジナル)

This paper presents a novel approach to fall prediction for bipedal robots, specifically targeting the detection of potential falls while standing caused by abrupt, incipient, and intermittent faults. Leveraging a 1D convolutional neural network (CNN), our method aims to maximize lead time for fall prediction while minimizing false positive rates. The proposed algorithm uniquely integrates the detection of various fault types and estimates the lead time for potential falls. Our contributions include the development of an algorithm capable of detecting abrupt, incipient, and intermittent faults in full-sized robots, its implementation using both simulation and hardware data for a humanoid robot, and a method for estimating lead time. Evaluation metrics, including false positive rate, lead time, and response time, demonstrate the efficacy of our approach. Particularly, our model achieves impressive lead times and response times across different fault scenarios with a false positive rate of 0. The findings of this study hold significant implications for enhancing the safety and reliability of bipedal robotic systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google