Sensing environmental interaction physics to traverse cluttered obstacles

要約

瓦礫の中の捜索救助やマーティンの岩石を横切る惑星探査などの用途で、脚式ロボットが障害物と物理的に相互作用する場合、最も先進的なロボットであっても、障害物回避のための人工ポテンシャルフィールドと並行してロボットと障害物の物理的相互作用をモデル化するための基本的なフレームワークが不足しているため、困難を伴います。
。
これを改善するために、最近の研究では、ロボットと障害物の間の物理的相互作用から移動モード間の不安定な移行を説明および予測し、広範囲の複雑な移動を制御する新しいフレームワークであるポテンシャルエネルギーランドスケープモデリングを確立しました。
しかし、未知の環境における位置エネルギーランドスケープを取得する方法が不足しているため、この枠組みは実験室に限定されていました。
ここでは、このような環境にこのフレームワークを導入する可能性を検討します。
私たちは、ロボットが障害物の接触力とその結果として生じるトルクを測定することによって、未知の障害物の位置エネルギーの状況を再構築できることを示しました。
さらに詳しく説明すると、私たちは、一対の草のような障害物に対して推進されるときに、接触力とトルクを感知できる最小限のロボットを開発しました。
力とトルクは完全に保守的ではありませんでしたが、位置エネルギーのランドスケープの勾配とよく一致し、再構成されたランドスケープは地上の真実とよく一致しました。
さらに、ゴキブリの観察からヒントを得た法線力とトルク、および頭部振動を使用すると、保守的な推定値がさらに改善されることがわかりました。
私たちの研究は最終的に、接触力とトルクをサンプリングし、隣接する状態の周囲のランドスケープをリアルタイムで再構築することにより、実世界のアプリケーションで密集した大きな障害物を低労力で「ゼロショット」で横断するフリーランロボットを実現することになります。

要約(オリジナル)

When legged robots physically interact with obstacles in applications such as search and rescue through rubble and planetary exploration across Martain rocks, even the most advanced ones struggle because they lack a fundamental framework to model the robot-obstacle physical interaction paralleling artificial potential fields for obstacle avoidance. To remedy this, recent studies established a novel framework – potential energy landscape modeling – that explains and predicts the destabilizing transitions across locomotor modes from the physical interaction between robots and obstacles, and governs a wide range of complex locomotion. However, this framework was confined to the laboratory because we lack methods to obtain the potential energy landscape in unknown environments. Here, we explore the feasibility of introducing this framework to such environments. We showed that a robot can reconstruct the potential energy landscape for unknown obstacles by measuring the obstacle contact forces and resulting torques. To elaborate, we developed a minimalistic robot capable of sensing contact forces and torques when propelled against a pair of grass-like obstacles. Despite the forces and torques not being fully conservative, they well-matched the potential energy landscape gradients, and the reconstructed landscape well-matched ground truth. In addition, we found that using normal forces and torques and head oscillation inspired by cockroach observations further improved the estimation of conservative ones. Our study will finally inspire free-running robots to achieve low-effort, ‘zero-shot’ traversing clustered, large obstacles in real-world applications by sampling contact forces and torques and reconstructing the landscape around its neighboring states in real time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google