Optimal Gait Design for a Soft Quadruped Robot via Multi-fidelity Bayesian Optimization

要約

この研究は、オンライン適応学習アプローチによる腱駆動の軟質四足ロボットの移動能力の向上に焦点を当てています。
柔らかい四足ロボットの逆運動学モデルを活用して、中央パターン ジェネレーターを使用してパラメトリック歩行パターンを設計し、ベイジアン最適化 (BO) を使用して最適なパラメーターを見つけます。
さらに、モデリングの不一致という課題に対処するために、トレーニングと最適化を通じてシミュレーションと物理実験の両方からのデータを結合する、マルチフィデリティ BO アプローチを実装します。
この戦略により、歩行パターンの適応的な改良が可能になり、コントローラーのシミュレーションから現実世界の展開へのスムーズな移行が保証されます。
さらに、エッジコンピューティングによる計算タスクのオフロードアーキテクチャを統合し、オンボードの計算とメモリのオーバーヘッドを削減して、リアルタイム制御のパフォーマンスを向上させ、効果的なオンライン学習プロセスを促進します。
提案されたアプローチは、物理的展開のための最適な歩行歩行設計を高効率で達成することに成功し、ソフトロボティクスにおける現実のギャップに関連する課題に効果的に対処します。

要約(オリジナル)

This study focuses on the locomotion capability improvement in a tendon-driven soft quadruped robot through an online adaptive learning approach. Leveraging the inverse kinematics model of the soft quadruped robot, we employ a central pattern generator to design a parametric gait pattern, and use Bayesian optimization (BO) to find the optimal parameters. Further, to address the challenges of modeling discrepancies, we implement a multi-fidelity BO approach, combining data from both simulation and physical experiments throughout training and optimization. This strategy enables the adaptive refinement of the gait pattern and ensures a smooth transition from simulation to real-world deployment for the controller. Moreover, we integrate a computational task off-loading architecture by edge computing, which reduces the onboard computational and memory overhead, to improve real-time control performance and facilitate an effective online learning process. The proposed approach successfully achieves optimal walking gait design for physical deployment with high efficiency, effectively addressing challenges related to the reality gap in soft robotics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google