Extended Hybrid Zero Dynamics for Bipedal Walking of the Knee-less Robot SLIDER

要約

スライダーのような膝のない二足歩行ロボットには、従来のヒューマノイドロボットと比較して、超軽量脚と歩行エネルギー効率の向上の利点があります。
この論文では、まず、新しいラインフィートとより最適化された質量分布を備えたスライダーバイペダルロボットの改善されたハードウェア設計を導入し、より高い移動速度を可能にします。
第二に、スライダーなどのプリズムジョイントロボットに適用できる拡張ハイブリッドゼロダイナミクス（EHZD）メソッドを提案します。
次に、EHZDメソッドを使用して、オフラインでの参照速度が異なる歩行ライブラリを生成します。
第三に、ガイド付きディープ補強学習（DRL）アルゴリズムが提案されており、事前に生成されたライブラリを使用してウォーキングコントロールポリシーをリアルタイムで作成します。
このアプローチにより、HZD（フルダナミクスモデルを使用して安定した歩行を生成するため）とDRL（リアルタイム適応歩行生成用）の両方の利点を組み合わせることができます。
実験結果は、このアプローチが以前のMPCベースのアプローチよりも150％高い歩行速度を達成することを示しています。

要約(オリジナル)

Knee-less bipedal robots like SLIDER have the advantage of ultra-lightweight legs and improved walking energy efficiency compared to traditional humanoid robots. In this paper, we firstly introduce an improved hardware design of the SLIDER bipedal robot with new line-feet and more optimized mass distribution that enables higher locomotion speeds. Secondly, we propose an extended Hybrid Zero Dynamics (eHZD) method, which can be applied to prismatic joint robots like SLIDER. The eHZD method is then used to generate a library of gaits with varying reference velocities in an offline way. Thirdly, a Guided Deep Reinforcement Learning (DRL) algorithm is proposed to use the pre-generated library to create walking control policies in real-time. This approach allows us to combine the advantages of both HZD (for generating stable gaits with a full-dynamics model) and DRL (for real-time adaptive gait generation). The experimental results show that this approach achieves 150% higher walking velocity than the previous MPC-based approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google