Quadruped-Frog: Rapid Online Optimization of Continuous Quadruped Jumping

要約

脚式ロボットは、走ったりジャンプしたりするなどの動的な動作を示す機敏性がますます高まっています。
通常、そのような動作は、モデルベースの軌道最適化、または数百万のタイムステップのシミュレーションインタラクションを含む深層学習ベースの手法を通じて、オフラインで最適化および設計されます (つまり、動作は必要になる前に設計されます)。
特に、このようなオフライン設計の移動コントローラーは、モーターのダイナミクスなど、システムの真のダイナミクスを完全にモデル化することはできません。
対照的に、この論文では、オンラインで迅速に最適化する四足歩行タスクを検討します。
ベイジアン最適化を使用してハードウェア上で直接最適化する、わずか数個のパラメータによってパラメータ化された足の力のプロファイルを設計します。
力のプロファイルは関節レベルで追跡され、ジャンプ動作を安定させるためにデカルト PD インピーダンス制御と仮想モデル制御に追加されます。
ほんの数回のジャンプしか必要としない最適化の後、この制御アーキテクチャは、平坦でない地形でも、前方ジャンプ、横ジャンプ、ツイスト (回転) ジャンプなど、多様で全方向のジャンプが可能であることを示し、四足歩行の Unitree Go1 が 0.5 m ジャンプできることを示しました。
高く、0.5 m 前方に移動し、2 rad を超えるジャンプターンを行います。
ビデオ結果は https://youtu.be/SvfVNQ90k_w でご覧いただけます。

要約(オリジナル)

Legged robots are becoming increasingly agile in exhibiting dynamic behaviors such as running and jumping. Usually, such behaviors are either optimized and engineered offline (i.e. the behavior is designed for before it is needed), either through model-based trajectory optimization, or through deep learning-based methods involving millions of timesteps of simulation interactions. Notably, such offline-designed locomotion controllers cannot perfectly model the true dynamics of the system, such as the motor dynamics. In contrast, in this paper, we consider a quadruped jumping task that we rapidly optimize online. We design foot force profiles parameterized by only a few parameters which we optimize for directly on hardware with Bayesian Optimization. The force profiles are tracked at the joint level, and added to Cartesian PD impedance control and Virtual Model Control to stabilize the jumping motions. After optimization, which takes only a handful of jumps, we show that this control architecture is capable of diverse and omnidirectional jumps including forward, lateral, and twist (turning) jumps, even on uneven terrain, enabling the Unitree Go1 quadruped to jump 0.5 m high, 0.5 m forward, and jump-turn over 2 rad. Video results can be found at https://youtu.be/SvfVNQ90k_w.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google