Bilevel Learning for Dual-Quadruped Collaborative Transportation under Kinematic and Anisotropic Velocity Constraints

要約

マルチロボットの協調輸送は、近年大きな注目を集めている重要な機能です。
運動学的に制約されたペイロードを確実に輸送するには、ロボットのチームが緊密に連携し、個々の速度を調整して、目的のペイロードの動きを達成する必要があります。
四足ロボットの場合、異方性の速度制限によって主な課題が引き起こされます。この場合、前後の動きは横方向の動きよりも速く、より安定します。
デュアル四脚協調輸送を可能にし、上記の課題に対処するために、我々は、協調輸送のための新しいバイレベル学習 (BLCT) アプローチを提案します。
上位レベルでは、BLCT は、ペイロードへの接続によって課せられる運動学的制約を考慮しながら、2 台の四足ロボットがペイロードをゴール位置まで移動するためのチーム コラボレーション ポリシーを学習します。
下位レベルでは、BLCT は、異方性速度制約を満たし、障害物を回避しながら、コラボレーション ポリシーに厳密に従うように、個々のロボットの速度制御を最適化します。
実験では、当社の BLCT アプローチが困難なシナリオでも共同輸送を可能にし、ベースライン アプローチを上回るパフォーマンスを発揮することを示しています。

要約(オリジナル)

Multi-robot collaborative transportation is a critical capability that has attracted significant attention over recent years. To reliably transport a kinematically constrained payload, a team of robots must closely collaborate and coordinate their individual velocities to achieve the desired payload motion. For quadruped robots, a key challenge is caused by their anisotropic velocity limits, where forward and backward movement is faster and more stable than lateral motion. In order to enable dual-quadruped collaborative transportation and address the above challenges, we propose a novel Bilevel Learning for Collaborative Transportation (BLCT) approach. In the upper-level, BLCT learns a team collaboration policy for the two quadruped robots to move the payload to the goal position, while accounting for the kinematic constraints imposed by their connection to the payload. In the lower-level, BLCT optimizes velocity controls of each individual robot to closely follow the collaboration policy while satisfying the anisotropic velocity constraints and avoiding obstacles. Experiments demonstrate that our BLCT approach well enables collaborative transportation in challenging scenarios and outperforms baseline approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google