Versatile Multi-Contact Planning and Control for Legged Loco-Manipulation

要約

日常環境におけるロボットの有用性を拡大するには、移動操作計画のスキルが極めて重要です。
これらのスキルは、さまざまなタスクを解決する際の複雑な全体的な動きと複数の接触相互作用を調整するシステムの能力に基づいて評価できます。
しかし、既存のアプローチでは、手作りのステートマシン、緻密に設計された報酬、または事前に記録された専門家のデモンストレーションを使用して、そのような行動を形作ることができるだけでした。
ここでは、事前にモデル化された環境で一般的な運動操作タスクを解決するために、接触スケジュールと組み合わせて全身の軌道を自動的に発見する最小限のガイド付きフレームワークを提案します。
重要な洞察は、この種のマルチモーダルな問題は、統合されたタスクおよびモーション プランニング (TAMP) のコンテキスト内で定式化および処理できるということです。
効果的なバイレベル検索戦略は、ドメイン固有のルールを組み込み、さまざまな計画手法の長所を適切に組み合わせることで実現されます。つまり、軌道最適化と情報に基づいたグラフ検索とサンプリングベースの計画を組み合わせたものです。
重い食器洗い機の開閉やバネ仕掛けのドアの移動など、現実世界のタスクを実行するために、つかみやすい相互作用とつかみにくい相互作用の両方を利用する四足歩行モバイル マニピュレーターの創発的な動作を紹介します。
これらの動作は、2 層の全身追跡コントローラーを使用して実際のシステムにも展開されます。

要約(オリジナル)

Loco-manipulation planning skills are pivotal for expanding the utility of robots in everyday environments. These skills can be assessed based on a system’s ability to coordinate complex holistic movements and multiple contact interactions when solving different tasks. However, existing approaches have been merely able to shape such behaviors with hand-crafted state machines, densely engineered rewards, or pre-recorded expert demonstrations. Here, we propose a minimally-guided framework that automatically discovers whole-body trajectories jointly with contact schedules for solving general loco-manipulation tasks in pre-modeled environments. The key insight is that multi-modal problems of this nature can be formulated and treated within the context of integrated Task and Motion Planning (TAMP). An effective bilevel search strategy is achieved by incorporating domain-specific rules and adequately combining the strengths of different planning techniques: trajectory optimization and informed graph search coupled with sampling-based planning. We showcase emergent behaviors for a quadrupedal mobile manipulator exploiting both prehensile and non-prehensile interactions to perform real-world tasks such as opening/closing heavy dishwashers and traversing spring-loaded doors. These behaviors are also deployed on the real system using a two-layer whole-body tracking controller.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google