Cycloidal Quasi-Direct Drive Actuator Designs with Learning-based Torque Estimation for Legged Robotics

要約

この論文では、脚式ロボット用のサイクロイド擬似直接駆動アクチュエータの設計と実装を通じた新しいアプローチを紹介します。
サイクロイド歯車機構は、その固有の高いトルク密度と機械的堅牢性を備えており、従来の設計に比べて大きな利点をもたらします。
サイクロイドギアを疑似ダイレクトドライブフレームワークに統合することで、特に高トルクと動的負荷が要求される作業において、脚式ロボットの性能を向上させながら、軽量性を維持することを目指しています。
さらに、アクチュエーター ネットワークを使用してアクチュエーターのトルク推定フレームワークを開発します。これにより、サイクロイド ドライブの複雑なダイナミクスによって生じるシミュレーションと実際のギャップが効果的に削減されます。
この統合は、サイクロイド駆動の複雑なダイナミクスを捉えるために重要であり、学習効率、俊敏性、強化学習の適応性の向上に貢献します。

要約(オリジナル)

This paper presents a novel approach through the design and implementation of Cycloidal Quasi-Direct Drive actuators for legged robotics. The cycloidal gear mechanism, with its inherent high torque density and mechanical robustness, offers significant advantages over conventional designs. By integrating cycloidal gears into the Quasi-Direct Drive framework, we aim to enhance the performance of legged robots, particularly in tasks demanding high torque and dynamic loads, while still keeping them lightweight. Additionally, we develop a torque estimation framework for the actuator using an Actuator Network, which effectively reduces the sim-to-real gap introduced by the cycloidal drive’s complex dynamics. This integration is crucial for capturing the complex dynamics of a cycloidal drive, which contributes to improved learning efficiency, agility, and adaptability for reinforcement learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google