論文の概要: Autonomous Navigation for Quadrupedal Robots with Optimized Jumping
through Constrained Obstacles
- arxiv url: http://arxiv.org/abs/2107.00773v1
- Date: Thu, 1 Jul 2021 23:40:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-05 12:44:12.759740
- Title: Autonomous Navigation for Quadrupedal Robots with Optimized Jumping
through Constrained Obstacles
- Title（参考訳）: 制約障害物を乗り越えた四足歩行ロボットの自律走行
- Authors: Scott Gilroy, Derek Lau, Lizhi Yang, Ed Izaguirre, Kristen Biermayer,
Anxing Xiao, Mengti Sun, Ayush Agrawal, Jun Zeng, Zhongyu Li, Koushil
Sreenath
- Abstract要約: 本稿では,四足歩行ロボットのためのエンドツーエンドナビゲーションフレームワークを提案する。
障害物を回避しつつ動的跳躍操作を可能とし、動的に実現可能な軌道をオフラインに最適化する。
このフレームワークは、四足歩行ロボットMini Cheetahに実験的にデプロイされ、検証されている。
- 参考スコア（独自算出の注目度）: 3.8651239621657654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quadrupeds are strong candidates for navigating challenging environments
because of their agile and dynamic designs. This paper presents a methodology
that extends the range of exploration for quadrupedal robots by creating an
end-to-end navigation framework that exploits walking and jumping modes. To
obtain a dynamic jumping maneuver while avoiding obstacles,
dynamically-feasible trajectories are optimized offline through
collocation-based optimization where safety constraints are imposed. Such
optimization schematic allows the robot to jump through window-shaped obstacles
by considering both obstacles in the air and on the ground. The resulted
jumping mode is utilized in an autonomous navigation pipeline that leverages a
search-based global planner and a local planner to enable the robot to reach
the goal location by walking. A state machine together with a decision making
strategy allows the system to switch behaviors between walking around obstacles
or jumping through them. The proposed framework is experimentally deployed and
validated on a quadrupedal robot, a Mini Cheetah, to enable the robot to
autonomously navigate through an environment while avoiding obstacles and
jumping over a maximum height of 13 cm to pass through a window-shaped opening
in order to reach its goal.
- Abstract（参考訳）: 四足歩行は、アジャイルおよび動的設計のため、挑戦的な環境をナビゲートする強力な候補である。
本稿では,歩行モードとジャンプモードを利用するエンドツーエンドナビゲーションフレームワークを構築することにより,四足歩行ロボットの探索範囲を広げる手法を提案する。
安全制約が課されるコロケーションベースの最適化により、動的に実現可能な軌道をオフラインに最適化する。
このような最適化設計により、ロボットは空中と地上の両方の障害物を考慮し、窓型の障害物を飛び抜けることができる。
結果のジャンプモードは、検索ベースのグローバルプランナーとローカルプランナーを活用する自律ナビゲーションパイプラインで利用され、歩行することでロボットが目標地点に到達することができる。
状態マシンと意思決定戦略は、システムが障害物を歩き回ったり、飛び越えたりする動作を切り替えることを可能にする。
提案フレームワークは,4足歩行ロボットであるmini cheetahに実験的に展開,検証され,障害物を避けながら自律的に環境を走行し,最大高さ13cmを乗り越えて窓状の開口部を通過して目標を達成する。
関連論文リスト
- Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning [0.0]
本稿では,ロボットのさまざまなエージェントや障害物との相互作用を高める新しい手法を提案する。
このアプローチでは、エンティティタイプに関する情報を使用し、衝突回避を改善し、より安全なナビゲーションを保証する。
本研究では,大人,自転車乗り,子供,静的障害物など,さまざまな物体との衝突に対してロボットをペナルティ化する新たな報酬関数を提案する。
論文 参考訳（メタデータ） (2024-08-26T11:16:03Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Dexterous Legged Locomotion in Confined 3D Spaces with Reinforcement
Learning [37.95557495560936]
低レベルな動作コマンドを生成することで,これらの経路を追従するように訓練されたRLベースのポリシーと,従来の計画的計画立案を組み合わさった階層型移動制御器を導入する。
シミュレーションでは、我々の階層的アプローチは制限された3D環境をナビゲートすることに成功し、純粋なエンドツーエンド学習アプローチとパラメータ化された運動スキルの両方を上回ります。
論文 参考訳（メタデータ） (2024-03-06T16:49:08Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。
犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。
ベンチマークに対処する2つの方法を提案する。
論文 参考訳（メタデータ） (2023-05-24T02:49:43Z) - Robust and Versatile Bipedal Jumping Control through Reinforcement
Learning [141.56016556936865]
この研究は、トルク制御された二足歩行ロボットが実世界で頑丈で多目的なダイナミックジャンプを行えるようにすることで、二足歩行ロボットの機敏さの限界を推し進めることを目的としている。
本稿では,ロボットが様々な場所や方向へジャンプするなど,さまざまなジャンプタスクを達成するための強化学習フレームワークを提案する。
我々は,ロボットの長期入出力(I/O)履歴を符号化し,短期I/O履歴への直接アクセスを可能にする新しいポリシー構造を開発する。
論文 参考訳（メタデータ） (2023-02-19T01:06:09Z) - VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait
Representation [78.92147339883137]
本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。
本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。
生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
論文 参考訳（メタデータ） (2022-05-02T19:49:53Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - Autonomous Navigation of Underactuated Bipedal Robots in
Height-Constrained Environments [20.246040671823554]
本稿では,二足歩行ロボットのためのエンドツーエンドの自律ナビゲーションフレームワークを提案する。
平面歩行と垂直歩行高さの結合力学を捉えるために,垂直移動式Spring-Loaded Inverted Pendulum (vSLIP)モデルを導入した。
可変歩行高さ制御装置を利用して、二足歩行ロボットは、計画された軌跡に従いながら、安定した周期歩行歩行を維持できる。
論文 参考訳（メタデータ） (2021-09-13T05:36:14Z) - Robust Quadruped Jumping via Deep Reinforcement Learning [10.095966161524043]
本稿では,騒音環境下での四足歩行ロボットのジャンプ距離と高さについて考察する。
本研究では,4重跳躍のための非線形軌道最適化の複雑な解を活用・拡張するディープ強化学習を用いたフレームワークを提案する。
体長2倍の体長をジャンプしながら、高さ最大6cmの足の障害の頑丈さ、あるいはロボットの名目立位の高さの33%を実証した。
論文 参考訳（メタデータ） (2020-11-13T19:04:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。