Proprioceptive External Torque Learning for Floating Base Robot and its Applications to Humanoid Locomotion

要約

ヒューマノイドや安全重視型ロボットの安定した移動を実現するためには、外部関節トルクやコンタクトレンチの推定が不可欠です。
ヒューマノイドの足にあるコンタクト レンチは力トルク センサー (FTS) を使用して測定できますが、FTS はコスト、慣性、複雑さ、およびシステムの故障の可能性を増大させます。
本稿では、浮遊ベースロボットの固有受容センサ（エンコーダとIMU）のみを用いて外部関節トルクを学習する手法を紹介する。
学習にはGRUネットワークを利用し、ランダムウォーキングデータを収集します。
実際のロボット実験では、ネットワークが摩擦モデリングを使用したモデルベースの方法である運動量オブザーバー (MOB) と比較して、大幅に小さい誤差で外部トルクとコンタクト レンチを推定できることが実証されています。
この研究では、推定されたコンタクトレンチがゼロモーメントポイント (ZMP) フィードバック制御に利用でき、安定した歩行が可能になることも検証されています。
さらに、ロボットの足や上半身の慣性が変化した場合でも、モデルベースのキャリブレーションにより、学習済みネットワークは一貫したパフォーマンスを示します。
この結果は、ロボット上の FTS を削除することでハードウェア センサーの欠点を軽減できる可能性を示しています。
概要ビデオは https://youtu.be/gT1D4tOiKpo でご覧いただけます。

要約(オリジナル)

The estimation of external joint torque and contact wrench is essential for achieving stable locomotion of humanoids and safety-oriented robots. Although the contact wrench on the foot of humanoids can be measured using a force-torque sensor (FTS), FTS increases the cost, inertia, complexity, and failure possibility of the system. This paper introduces a method for learning external joint torque solely using proprioceptive sensors (encoders and IMUs) for a floating base robot. For learning, the GRU network is used and random walking data is collected. Real robot experiments demonstrate that the network can estimate the external torque and contact wrench with significantly smaller errors compared to the model-based method, momentum observer (MOB) with friction modeling. The study also validates that the estimated contact wrench can be utilized for zero moment point (ZMP) feedback control, enabling stable walking. Moreover, even when the robot’s feet and the inertia of the upper body are changed, the trained network shows consistent performance with a model-based calibration. This result demonstrates the possibility of removing FTS on the robot, which reduces the disadvantages of hardware sensors. The summary video is available at https://youtu.be/gT1D4tOiKpo.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google