VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation

要約

四足歩行は、ロボットが非常にダイナミックな操作を実現できる程度まで急速に成熟しつつあります。
しかし、現在のプランナーは、空中でスイング中の足の主要な歩行パラメータを変更することができません。
この研究では、この制限に対処し、特定の歩行を構成する主要な立脚フェーズを捕捉する潜在空間を学習することによって、コントローラーの堅牢性を向上させる上でこの制限が極めて重要であることを示します。
これは、単一のトロット スタイルでトレーニングされた生成モデルによって実現されます。これにより、潜在状態の単一次元に駆動信号を適用すると、連続的なさまざまなトロット スタイルを合成する全体的な計画が誘導されるように、もつれの解消が促進されます。
駆動信号の特定の特性が、歩調、足音の高さ、全立脚継続時間などの歩行パラメータに直接マッピングされることを実証します。
私たちのアプローチの性質により、これらの合成された歩行はロボットの動作中にオンラインで継続的に変化します。
生成モデルを使用すると、障害の検出と軽減が容易になり、多用途で堅牢な計画フレームワークが提供されます。
実際の ANYmal 四足ロボットの 2 つのバージョンでアプローチを評価し、私たちの方法が外部摂動に対して堅牢で反応性がありながら、動的な速歩スタイルの継続的なブレンドを達成することを実証します。

要約(オリジナル)

Quadruped locomotion is rapidly maturing to a degree where robots are able to realise highly dynamic manoeuvres. However, current planners are unable to vary key gait parameters of the in-swing feet midair. In this work we address this limitation and show that it is pivotal in increasing controller robustness by learning a latent space capturing the key stance phases constituting a particular gait. This is achieved via a generative model trained on a single trot style, which encourages disentanglement such that application of a drive signal to a single dimension of the latent state induces holistic plans synthesising a continuous variety of trot styles. We demonstrate that specific properties of the drive signal map directly to gait parameters such as cadence, footstep height and full stance duration. Due to the nature of our approach these synthesised gaits are continuously variable online during robot operation. The use of a generative model facilitates the detection and mitigation of disturbances to provide a versatile and robust planning framework. We evaluate our approach on two versions of the real ANYmal quadruped robots and demonstrate that our method achieves a continuous blend of dynamic trot styles whilst being robust and reactive to external perturbations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google