論文の概要: Autonomous Navigation of Underactuated Bipedal Robots in
Height-Constrained Environments
- arxiv url: http://arxiv.org/abs/2109.05714v4
- Date: Thu, 13 Jul 2023 16:59:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-14 20:06:26.319875
- Title: Autonomous Navigation of Underactuated Bipedal Robots in
Height-Constrained Environments
- Title（参考訳）: 高度制約環境下での不動二足歩行ロボットの自律走行
- Authors: Zhongyu Li, Jun Zeng, Shuxiao Chen, Koushil Sreenath
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 20.246040671823554
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Navigating a large-scaled robot in unknown and cluttered height-constrained
environments is challenging. Not only is a fast and reliable planning algorithm
required to go around obstacles, the robot should also be able to change its
intrinsic dimension by crouching in order to travel underneath
height-constrained regions. There are few mobile robots that are capable of
handling such a challenge, and bipedal robots provide a solution. However, as
bipedal robots have nonlinear and hybrid dynamics, trajectory planning while
ensuring dynamic feasibility and safety on these robots is challenging. This
paper presents an end-to-end autonomous navigation framework which leverages
three layers of planners and a variable walking height controller to enable
bipedal robots to safely explore height-constrained environments. A
vertically-actuated Spring-Loaded Inverted Pendulum (vSLIP) model is introduced
to capture the robot's coupled dynamics of planar walking and vertical walking
height. This reduced-order model is utilized to optimize for long-term and
short-term safe trajectory plans. A variable walking height controller is
leveraged to enable the bipedal robot to maintain stable periodic walking gaits
while following the planned trajectory. The entire framework is tested and
experimentally validated using a bipedal robot Cassie. This demonstrates
reliable autonomy to drive the robot to safely avoid obstacles while walking to
the goal location in various kinds of height-constrained cluttered
environments.
- Abstract（参考訳）: 大型ロボットを未知の高さ制限された環境で移動させることは困難である。
障害物を回避するための高速で信頼性の高い計画アルゴリズムであるだけでなく、ロボットは高度制約のある地域を移動するためにしゃがみ込んで本質的な寸法を変えることもできる。
このような課題を処理できる移動ロボットはごくわずかであり、二足歩行ロボットは解決策を提供する。
しかし、二足歩行ロボットは非線形・ハイブリッドのダイナミクスを持つため、ダイナミックな実現性と安全性を確保しつつ軌道計画を行うのは難しい。
本稿では,2足歩行ロボットが高度に制約のある環境を安全に探索できるように,3層のプランナーと可変歩行高さコントローラを活用したエンドツーエンド自律ナビゲーションフレームワークを提案する。
ロボットの平面歩行と垂直歩行高の結合ダイナミクスを捉えるために,垂直動作バネ装荷逆振り子(vslip)モデルを導入した。
この縮小順序モデルは、長期および短期の安全な軌道計画の最適化に利用される。
可変歩行高さ制御装置を利用して、2足歩行ロボットは、計画された軌道に沿って安定した周期歩行歩行を維持できる。
フレームワーク全体をテストし、二足歩行ロボットCassieを使って実験的に検証する。
これは、様々な高さ制約された環境でゴール位置まで歩きながら障害物を安全に回避するためにロボットを駆動する信頼できる自律性を示す。
関連論文リスト
- Learning to enhance multi-legged robot on rugged landscapes [7.956679144631909]
多足ロボットは、頑丈な風景をナビゲートするための有望なソリューションを提供する。
近年の研究では、線形制御器が挑戦的な地形上で信頼性の高い移動性を確保することが示されている。
我々は,このロボットプラットフォームに適した MuJoCo ベースのシミュレータを開発し,シミュレーションを用いて強化学習に基づく制御フレームワークを開発する。
論文 参考訳（メタデータ） (2024-09-14T15:53:08Z) - Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - 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) - Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills
using a Quadrupedal Robot [76.04391023228081]
本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。
本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。
提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
論文 参考訳（メタデータ） (2022-08-01T22:34:51Z) - 6N-DoF Pose Tracking for Tensegrity Robots [5.398092221687385]
引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される
この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。
RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
論文 参考訳（メタデータ） (2022-05-29T20:55:29Z) - 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 for Quadrupedal Robots with Optimized Jumping
through Constrained Obstacles [3.8651239621657654]
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。
論文 参考訳（メタデータ） (2021-07-01T23:40:30Z) - 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。