Convergent iLQR for Safe Trajectory Planning and Control of Legged Robots

要約

非常にダイナミックで機敏な操作を実行するために、脚式ロボットは通常、システムが加速の制御を制限し、新しい領域 (例: 足) に移行するまでの時間が制限されている、作動が不十分な領域 (例: 足が地面から離れている状態) で時間を過ごします。
タッチダウン）。
一方、これらの遷移によりシステムの状態が瞬時に変化する可能性があり、ターゲット軌道から任意に遠く離れた位置に摂動がマッピングされる可能性があります。
これらの特性により、システムが過小作動領域やハイブリッド衝撃イベントを通じて進化するにつれて、ローカル フィードバック コントローラーが外乱から効果的に回復することが困難になります。
これに対処するために、ハイブリッド軌道による摂動の発展を特徴付ける基本解行列と、摂動の最悪の成長を表す 2 ノルムを利用します。
この論文では、最悪の場合の摂動解析を使用して、ハイブリッド軌道の追跡パフォーマンスについて明示的に推論し、LQR 追跡下での軌道の閉ループ収束を考慮しながら軌道を最適化するために iLQR フレームワークに組み込んでいます。
コントローラ。
生成された収束軌道は、摂動からより効果的に回復し、大きな外乱に対してより堅牢で、従来の方法で生成された軌道よりもフィードバック制御の労力が少なくて済みます。

要約(オリジナル)

In order to perform highly dynamic and agile maneuvers, legged robots typically spend time in underactuated domains (e.g. with feet off the ground) where the system has limited command of its acceleration and a constrained amount of time before transitioning to a new domain (e.g. foot touchdown). Meanwhile, these transitions can instantaneously change the system’s state, possibly causing perturbations to be mapped arbitrarily far away from the target trajectory. These properties make it difficult for local feedback controllers to effectively recover from disturbances as the system evolves through underactuated domains and hybrid impact events. To address this, we utilize the fundamental solution matrix that characterizes the evolution of perturbations through a hybrid trajectory and its 2-norm, which represents the worst-case growth of perturbations. In this paper, the worst-case perturbation analysis is used to explicitly reason about the tracking performance of a hybrid trajectory and is incorporated in an iLQR framework to optimize a trajectory while taking into account the closed-loop convergence of the trajectory under an LQR tracking controller. The generated convergent trajectories recover more effectively from perturbations, are more robust to large disturbances, and use less feedback control effort than trajectories generated with traditional methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google