Online Omnidirectional Jumping Trajectory Planning for Quadrupedal Robots on Uneven Terrains

要約

自然の地形は複雑なので、移動効率を高めるために動物に飛び乗るなどの機敏な動きが必要になることがよくあります。
四足ロボットでも同様の機能を実現するには、複雑なリアルタイムのジャンプ操作が必要です。
現在の研究は、オンライン全方向ジャンプの問題に適切に対処しておらず、軌道生成中のロボットの運動力学的制約を無視しています。
この論文では、四足ロボットの全方向ジャンプのための一般的かつ完全なカスケード オンライン最適化フレームワークを提案します。
当社のソリューションには、ジャンプ軌道の生成、軌道追跡コントローラー、着地コントローラーが体系的に含まれています。
また、高いプラットフォームから飛び降りるなど、標準的な移動では回避できない障害物を回避するための環境認識も組み込まれています。
全方向ジャンプ運動をパラメータ化する新しいジャンプ平面を導入し、運動力学的制約を考慮した密結合最適化問題を定式化し、同時に CoM 軌道、地面反力 (GRF)、関節状態を最適化します。
オンライン要件を満たすために、運動力学的制約の複雑さに対処する軌道オプティマイザーとして加速進化アルゴリズムを提案します。
着陸後の環境認識の安定性と精度を確保するために、グローバルな分枝境界 (BnB) 検索と、ナビゲーションおよびジャンプ中の正確な位置決めのための最大事後推定 (MAP) 推定を組み合わせた、粗い再局在化手法を導入します。
提案されたフレームワークは、ウォーム スタートで約 0.1 秒でジャンプ軌道の生成を実現し、平坦でない地形で 2 台の四足歩行ロボットでの検証に成功しました。
さらに、フレームワークの多用途性を人型ロボットにも拡張します。

要約(オリジナル)

Natural terrain complexity often necessitates agile movements like jumping in animals to improve traversal efficiency. To enable similar capabilities in quadruped robots, complex real-time jumping maneuvers are required. Current research does not adequately address the problem of online omnidirectional jumping and neglects the robot’s kinodynamic constraints during trajectory generation. This paper proposes a general and complete cascade online optimization framework for omnidirectional jumping for quadruped robots. Our solution systematically encompasses jumping trajectory generation, a trajectory tracking controller, and a landing controller. It also incorporates environmental perception to navigate obstacles that standard locomotion cannot bypass, such as jumping from high platforms. We introduce a novel jumping plane to parameterize omnidirectional jumping motion and formulate a tightly coupled optimization problem accounting for the kinodynamic constraints, simultaneously optimizing CoM trajectory, Ground Reaction Forces (GRFs), and joint states. To meet the online requirements, we propose an accelerated evolutionary algorithm as the trajectory optimizer to address the complexity of kinodynamic constraints. To ensure stability and accuracy in environmental perception post-landing, we introduce a coarse-to-fine relocalization method that combines global Branch and Bound (BnB) search with Maximum a Posteriori (MAP) estimation for precise positioning during navigation and jumping. The proposed framework achieves jump trajectory generation in approximately 0.1 seconds with a warm start and has been successfully validated on two quadruped robots on uneven terrains. Additionally, we extend the framework’s versatility to humanoid robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google