Beyond Inverted Pendulums: Task-optimal Simple Models of Legged Locomotion

要約

低次モデル(ROM)は、その単純性からオンライン運動計画でよく使われる。制御のための優れたROMは、低次元でありながら、完全なダイナミクスのタスクに関連する重要な側面を捉えます。しかし、低次空間内でのプランニングは、必然的に完全なモデルを制約することになり、ロボットの潜在能力を犠牲にすることになります。脚式ロコモーションのコミュニティでは、このことがより良いモデル拡張の探索につながっているが、これらの拡張の多くは人間の直感を必要とし、モデルの性能を評価し、新しいモデルを発見する原理的な方法は存在しなかった。本研究では、ユーザが指定したタスク分布と対応するコスト関数に関して最適な、低次モデルを自動的に合成するモデル最適化アルゴリズムを提案する。我々の研究を実証するために、二足歩行ロボットCassieのモデルを最適化した。最適化されたROMは、Cassieの関節トルクのコストを最大23%削減し、歩行速度を最大54%向上させることをシミュレーションで示す。また、実際のロボットが平坦な地面を10%低いトルクコストで歩行するハードウェア結果も示します。すべてのビデオとコードはhttps://sites.google.com/view/ymchen/research/optimal-rom。

要約(オリジナル)

Reduced-order models (ROM) are popular in online motion planning due to their simplicity. A good ROM for control captures critical task-relevant aspects of the full dynamics while remaining low dimensional. However, planning within the reduced-order space unavoidably constrains the full model, and hence we sacrifice the full potential of the robot. In the community of legged locomotion, this has lead to a search for better model extensions, but many of these extensions require human intuition, and there has not existed a principled way of evaluating the model performance and discovering new models. In this work, we propose a model optimization algorithm that automatically synthesizes reduced-order models, optimal with respect to a user-specified distribution of tasks and corresponding cost functions. To demonstrate our work, we optimized models for a bipedal robot Cassie. We show in simulation that the optimal ROM reduces the cost of Cassie’s joint torques by up to 23% and increases its walking speed by up to 54%. We also show hardware result that the real robot walks on flat ground with 10% lower torque cost. All videos and code can be found at https://sites.google.com/view/ymchen/research/optimal-rom.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL