Evolutionary-Based Online Motion Planning Framework for Quadruped Robot Jumping

要約

オフラインの進化ベースの方法論は、四足ジャンプの動作計画フレームワークを提供して成功しました。
しかし、オフラインの進化ベースのジャンプ フレームワークでは大規模な集団進化によって計算に時間がかかるため、四足歩行分野での人気は大幅に制限されています。
この論文では、メタヒューリスティック差分進化 (DE)、ラテン ハイパーキューブ サンプリング、および構成空間 (DLC) に基づいた、時間に優しいオンライン動作計画フレームワークを紹介します。
DLC フレームワークは、重心力学を活用して多次元の最適化問題を確立し、質量中心 (CoM) と地面反力 (GRF) の理想的な軌道を決定します。
探索領域を凝縮するために進化的最適化に配置空間を導入する。
ラテン超立方体サンプリングは、限られたサンプリング ポイントの下で、より均一な DE の初期母集団を提供し、極小値から加速して遠ざけます。
この研究では、目的の状態が運動前状態の近傍にある場合のウォーム スタートとして運動前軌道のコレクションを構築し、解決時間を大幅に短縮します。
提案された方法論は、さまざまなジャンプ動作 (通常のジャンプ、反転、回転など) でのオンラインジャンプ軌道の最適化について、実際のロボット実験によって正常に検証されました。

要約(オリジナル)

Offline evolutionary-based methodologies have supplied a successful motion planning framework for the quadrupedal jump. However, the time-consuming computation caused by massive population evolution in offline evolutionary-based jumping framework significantly limits the popularity in the quadrupedal field. This paper presents a time-friendly online motion planning framework based on meta-heuristic Differential evolution (DE), Latin hypercube sampling, and Configuration space (DLC). The DLC framework establishes a multidimensional optimization problem leveraging centroidal dynamics to determine the ideal trajectory of the center of mass (CoM) and ground reaction forces (GRFs). The configuration space is introduced to the evolutionary optimization in order to condense the searching region. Latin hypercube sampling offers more uniform initial populations of DE under limited sampling points, accelerating away from a local minimum. This research also constructs a collection of pre-motion trajectories as a warm start when the objective state is in the neighborhood of the pre-motion state to drastically reduce the solving time. The proposed methodology is successfully validated via real robot experiments for online jumping trajectory optimization with different jumping motions (e.g., ordinary jumping, flipping, and spinning).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google