Gait-Net-augmented Implicit Kino-dynamic MPC for Dynamic Variable-frequency Humanoid Locomotion over Discrete Terrains

要約

ヒューマノイド運動のための現在の最適化ベースの制御手法は、固定時間の離散化に依存しているため、動的な歩行歩行に段階的な期間と配置を同時に適応させるのに苦労します。
この作業では、自然な可変周波数運動のためのステップの位置、ステップ持続時間、および接触力を同時に最適化するために、歩行ネットの暗黙のキノダイナミックモデル予測制御（MPC）を提案します。
提案された方法には、反復的な二次プログラムによって多次制に制約された変数を解決するために、歩行ネット維持連続凸MPCアルゴリズムが組み込まれています。
そのコアでは、軽量の歩行周波数ネットワーク（GAIT-NET）が、可変MPCサンプリング時間の観点から優先ステップ持続時間を決定し、ステップ持続時間の最適化をパラメーターレベルに簡素化します。
さらに、ローカルソリューションを組み込むことにより、各シーケンシャルイテレーション内の空間参照軌道を強化および更新し、参照軌跡の設計に運動学的制約の投影を可能にします。
提案されたアルゴリズムを高忠実度シミュレーションと小型のヒューマノイドハードウェアで検証し、地形データの1段階のプレビューのみで、可変頻度と3-Dの離散地形の移動の能力を実証します。

要約(オリジナル)

Current optimization-based control techniques for humanoid locomotion struggle to adapt step duration and placement simultaneously in dynamic walking gaits due to their reliance on fixed-time discretization, which limits responsiveness to terrain conditions and results in suboptimal performance in challenging environments. In this work, we propose a Gait-Net-augmented implicit kino-dynamic model-predictive control (MPC) to simultaneously optimize step location, step duration, and contact forces for natural variable-frequency locomotion. The proposed method incorporates a Gait-Net-augmented Sequential Convex MPC algorithm to solve multi-linearly constrained variables by iterative quadratic programs. At its core, a lightweight Gait-frequency Network (Gait-Net) determines the preferred step duration in terms of variable MPC sampling times, simplifying step duration optimization to the parameter level. Additionally, it enhances and updates the spatial reference trajectory within each sequential iteration by incorporating local solutions, allowing the projection of kinematic constraints to the design of reference trajectories. We validate the proposed algorithm in high-fidelity simulations and on small-size humanoid hardware, demonstrating its capability for variable-frequency and 3-D discrete terrain locomotion with only a one-step preview of terrain data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google