Beyond Inverted Pendulums: Task-optimal Simple Models of Legged Locomotion

要約

縮小次数モデル (ROM) は、そのシンプルさからオンライン モーション プランニングで人気があります。
制御用の優れた ROM は、低次元のままで完全なダイナミクスの重要なタスク関連の側面をキャプチャします。
ただし、低次数空間内で計画を立てると完全なモデルが制約されることは避けられないため、ロボットの潜在能力を最大限に犠牲にすることになります。
脚による移動のコミュニティでは、このことがより良いモデル拡張の探索につながりましたが、これらの拡張の多くは人間の直観を必要とし、モデルのパフォーマンスを評価して新しいモデルを発見する原則的な方法は存在していませんでした。
この研究では、ユーザーが指定したタスクの分布と対応するコスト関数に関して最適な、低次数モデルを自動的に合成するモデル最適化アルゴリズムを提案します。
私たちの仕事を実証するために、二足歩行ロボット Cassie のモデルを最適化しました。
私たちはシミュレーションで、最適な ROM によって Cassie の関節トルクのコストが最大 23% 削減され、歩行速度が最大 54% 増加することを示しました。
また、実際のロボットが 10% 低いトルクコストで平地を歩行するハードウェア結果も示します。
すべてのビデオとコードは、https://sites.google.com/view/ymchen/research/optimal-rom でご覧いただけます。

要約(オリジナル)

Reduced-order models (ROM) are popular in online motion planning due to their simplicity. A good ROM for control captures critical task-relevant aspects of the full dynamics while remaining low dimensional. However, planning within the reduced-order space unavoidably constrains the full model, and hence we sacrifice the full potential of the robot. In the community of legged locomotion, this has lead to a search for better model extensions, but many of these extensions require human intuition, and there has not existed a principled way of evaluating the model performance and discovering new models. In this work, we propose a model optimization algorithm that automatically synthesizes reduced-order models, optimal with respect to a user-specified distribution of tasks and corresponding cost functions. To demonstrate our work, we optimized models for a bipedal robot Cassie. We show in simulation that the optimal ROM reduces the cost of Cassie’s joint torques by up to 23% and increases its walking speed by up to 54%. We also show hardware result that the real robot walks on flat ground with 10% lower torque cost. All videos and code can be found at https://sites.google.com/view/ymchen/research/optimal-rom.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google