Foothold Planning
- Auch genannt: footstep planning, foothold selection
- Kategorie: Control › Locomotion control
- Schlagwörter: legged-locomotion, motion-planning, terrain, contact-planning, quadrupeds
Die Wahl, wo jeder Fuß eines Laufroboters aufsetzen wird, anhand von Geländedaten und der Roboterdynamik, sodass jeder Schritt stabil, erreichbar und sicher ist.
Definition
Planung der Fußaufsetzpunkte (foothold planning) ist das Problem, die Kontaktorte für die Füße eines Laufroboters auszuwählen. Ein guter Aufsetzpunkt liegt auf festem, hinreichend ebenem Boden mit genügend Reibung, abseits von Kanten und Löchern, ist vom Bein aus der geplanten Körperposition erreichbar und damit vereinbar, den Roboter während des Schritts im Gleichgewicht zu halten. Bei Zweibeinern heißt das Problem oft Schrittplanung (footstep planning) und umfasst die Orientierung jedes Fußes; bei Vierbeinern geht es meist um die Position jedes Fußes innerhalb einer Gangsequenz.
Klassische Systeme teilen die Fortbewegung in Schichten auf. Die Wahrnehmung baut eine Höhenkarte auf, die Geländeanalyse bewertet jede Zelle nach Steigung, Rauheit und Abstand zu Kanten, der Aufsetzpunktplaner wählt Zellen aus, und ein unterlagerter Regler plant Körperbewegung und Schwungtrajektorien, die sie erreichen. Gängige Planungsverfahren sind: einen nominalen Aufsetzpunkt, gegeben durch eine Heuristik wie die Raibert-Regel, auf die bestbewertete Zelle in der Nähe anzupassen; Graphsuche über Sequenzen diskreter Schritte; und Optimierung, etwa gemischt-ganzzahlige Programme, die jeden Schritt einer von mehreren konvexen sicheren Regionen zuordnen. Manche Planer optimieren Aufsetzpunkte und Körperbewegung gemeinsam, sodass Erreichbarkeit und dynamisches Gleichgewicht zusammen behandelt werden.
Lernen hat das Bild verändert. In der Simulation trainierte Policies können Höhenstichproben oder rohe Tiefenbilder aufnehmen und direkt Gelenkbefehle ausgeben, wobei sie Aufsetzpunkte implizit wählen; das vermeidet Fehler, die sich über getrennte Module für Kartierung, Planung und Regelung aufbauen. Explizite Planung der Fußaufsetzpunkte bleibt nützlich, wo Garantien, Interpretierbarkeit oder präzise Platzierung zählen, etwa auf Trittsteinen, und hybride Systeme nutzen gelernte Modelle, um Aufsetzpunkte für einen modellbasierten Regler zu bewerten oder vorzuschlagen.
Warum es wichtig ist
In unwegsamem Gelände entscheidet der Ort, an dem ein Fuß aufsetzt, ob der Roboter das Gleichgewicht hält. Die Planung der Fußaufsetzpunkte macht aus der Geländewahrnehmung konkrete Kontaktentscheidungen, und ob sie explizit oder innerhalb einer gelernten Policy erfolgt, prägt, wie zuverlässig ein Laufroboter Treppen, Schutt und Lücken bewältigt.
Wichtige Anwendungen
- Treppensteigen und Fortbewegung in unwegsamem Gelände für Vierbeiner
- Schrittplanung für Humanoide durch vollgestellte Räume
- Überqueren von Lücken und Trittsteinen
- Planeten- und Inspektionsroboter auf unstrukturiertem Untergrund
- Modellbasierte Baselines zum Vergleich gelernter Fortbewegungs-Policies
In der Praxis
Ein Vierbeiner, der ein Feld aus Trittsteinen überquert, nutzt eine Höhenkarte, die aus seinen Tiefenkameras aufgebaut wird. Ein Geländefilter markiert Zellen mit steiler Neigung, hoher Rauheit oder nahen Kanten als ungültig. Für jeden anstehenden Schritt beginnt der Planer beim nominalen Aufsetzpunkt, der sich aus Gangart und Sollgeschwindigkeit ergibt, sucht in einer kleinen Umgebung die gültige Zelle mit den geringsten Kosten und prüft, ob das Bein sie aus der geplanten Körperpose erreichen kann. Die gewählten Aufsetzpunkte gehen an einen modellprädiktiven Regler, der Körperbewegung und Kontaktkräfte plant, während der Schwungbeinregler jeden Fuß hoch genug anhebt, um die Steinkanten zu überwinden. Wo die Karte unsicher ist, bevorzugt die Kostenfunktion Aufsetzpunkte näher an der Mitte jedes Steins.
Häufige Missverständnisse
- Die Planung der Fußaufsetzpunkte ist nur für langsames, statisch stabiles Gehen — moderne Planer bewältigen dynamische Gangarten, indem sie Aufsetzpunkte und Körperbewegung gemeinsam über einen kurzen Horizont planen
- Gelernte Fortbewegungs-Policies wählen keine Aufsetzpunkte — sie entscheiden trotzdem, wo die Füße aufsetzen, aber implizit aus der Wahrnehmung statt über einen separaten Planer
- Die ebenste Zelle ist immer der beste Aufsetzpunkt — Erreichbarkeit, Abstand zu Kanten, die folgenden Schritte und der Impuls des Körpers beeinflussen alle, ob ein Aufsetzpunkt gut ist
Wer das wissen sollte
- Ingenieure für Fortbewegung auf Beinen
- Wahrnehmungsingenieure, die Geländekarten für Laufroboter erstellen
- Forschende in der Bewegungsplanung
- Entwickler humanoider Roboter
Verwandte Technologien
- Höhenkartierung (Elevation Mapping)
- Raibert-Heuristik (Raibert Heuristic)
- Gemischt-ganzzahlige konvexe Optimierung (Mixed-Integer Convex Optimization)
- A-Suche (A Search)
- Modellprädiktive Regelung (Model Predictive Control)
Verwandte Begriffe
Verwandte Projekte
- DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
- OMPL: Sampling-based motion planning library powering MoveIt and countless robotics applications
- MoveIt 2: Motion planning framework for ROS 2 robot arms, with kinematics and collision checking
- PyRoki: Modular Python toolkit for kinematic optimization across CPU, GPU, and TPU via JAX
- mink: Python inverse kinematics library built on MuJoCo supporting 20+ robot platforms
- Ruckig: Real-time jerk-constrained time-optimal trajectory generation for robots and machines