RoLoMa: Robust Loco-Manipulation for Quadruped Robots with Arms

要約

実世界でのロボットシステムの展開には、ダイナミクスモデルのミスマッチ、センサーの読み取り値のノイズ、通信遅延などの不確定要素に対処するため、一定レベルのロバスト性が要求される。いくつかのアプローチでは、制御の段階でこれらの問題に反応的に取り組みます。しかし、コントローラに関係なく、オンラインモーション実行は、任意の状態においてシステムの能力が許す限りロバストであることしかできません。このため、ロバスト性をプロアクティブに考慮した、最初に優れたモーションプランを持つことが重要である。このため、外乱に対するロバスト性を表す指標（第一原理から導かれる）を提案する。そして、複雑なロコマニピュレーション課題を解くための軌道最適化フレームワークの中で、このメトリックを使用する。実験を通して、我々の方法を用いて生成された軌道は、あらゆる方向から発生する力に対して、より大きな範囲で抵抗できることを示す。本手法を用いることで、従来と同様にタスクを効果的に解決する軌道を計算することができ、さらに、最悪のシナリオにおいてより強い外乱に対抗できるという利点もある。

要約(オリジナル)

Deployment of robotic systems in the real world requires a certain level of robustness in order to deal with uncertainty factors, such as mismatches in the dynamics model, noise in sensor readings, and communication delays. Some approaches tackle these issues reactively at the control stage. However, regardless of the controller, online motion execution can only be as robust as the system capabilities allow at any given state. This is why it is important to have good motion plans to begin with, where robustness is considered proactively. To this end, we propose a metric (derived from first principles) for representing robustness against external disturbances. We then use this metric within our trajectory optimization framework for solving complex loco-manipulation tasks. Through our experiments, we show that trajectories generated using our approach can resist a greater range of forces originating from any possible direction. By using our method, we can compute trajectories that solve tasks as effectively as before, with the added benefit of being able to counteract stronger disturbances in worst-case scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL