Raibert Heuristic
- Auch genannt: Raibert foot placement
- Kategorie: Control › Locomotion control
- Schlagwörter: legged-locomotion, foot-placement, quadrupeds, balance-control, gait
Eine Regel zur Fußplatzierung für Laufroboter, die den Aufsetzpunkt um die halbe Standphasendauer mal Körpergeschwindigkeit vor die Hüfte legt, zuzüglich einer Korrektur proportional zum Geschwindigkeitsfehler.
Definition
Die Raibert-Heuristik (Raibert heuristic) ist eine Regel dafür, wohin ein Laufroboter seinen Fuß setzen soll, damit er sich ohne zu stürzen mit einer gewünschten Geschwindigkeit weiterbewegt. Sie stammt aus Marc Raiberts Arbeiten zu hüpfenden Robotern an der Carnegie Mellon University und am MIT in den 1980er-Jahren, beschrieben in seinem Buch Legged Robots That Balance (1986). Raibert beobachtete: Setzt der Fuß am neutralen Punkt auf, dem Punkt, über den die Hüfte in der Mitte der Standphase hinweggeht, bleibt die Vorwärtsgeschwindigkeit des Körpers durch die Standphase annähernd unverändert, weil das Bein den Körper in der ersten Hälfte der Standphase etwa so stark bremst, wie es ihn in der zweiten Hälfte anschiebt. Für einen Körper, der sich mit der Geschwindigkeit v bewegt, bei einer Standphasendauer T, liegt der neutrale Punkt etwa v·T/2 vor der Hüfte.
Um die Geschwindigkeit zu ändern, wird der Fuß abseits des neutralen Punkts gesetzt: weiter vorn zum Abbremsen, weiter hinten zum Beschleunigen. Die heute meistverwendete Form ist p_foot = p_hip + v·T_stance/2 + k(v − v_desired), wobei k eine Rückführverstärkung ist. Raiberts ursprüngliche Regler zerlegten das Hüpfen in drei weitgehend unabhängige Aufgaben: die Sprunghöhe, geregelt durch den Schub in der Standphase, die Vorwärtsgeschwindigkeit, geregelt durch die Fußplatzierung in der Flugphase, und die Körperlage, geregelt durch das Hüftmoment in der Standphase. Der Teil zur Fußplatzierung wurde von einbeinigen Hüpfrobotern auf Zweibeiner und Vierbeiner übertragen, bei denen Beine, die sich in einer Gangart gemeinsam bewegen, als ein einziges virtuelles Bein behandelt werden.
Die Heuristik ist in Reglern für Vierbeiner weiterhin weit verbreitet. Modellprädiktive Regler für Roboter wie die MIT-Cheetah-Familie berechnen die Bodenreaktionskräfte mit MPC und setzen die Füße mit der Raibert-Regel, manchmal mit einem zusätzlichen Term für Kurvenfahrt. Gelernte Fortbewegungssysteme nutzen sie als Referenz für Fußpositionen oder als Schrittregel auf unterer Ebene unter einer gelernten Policy, die Gangarten auswählt. Sie setzt ebenen Boden und eine annähernd symmetrische Standphase voraus und ignoriert, wo sichere Fußaufsetzpunkte liegen; auf unebenem Gelände liefert sie daher meist das nominale Ziel, das ein Schritt der Planung der Fußaufsetzpunkte dann zur nächstgelegenen sicheren Stelle verschiebt.
Warum es wichtig ist
Die Heuristik verwandelt ein schwieriges Gleichgewichtsproblem in eine einfache, einstellbare Regel, die über viele Roboter und Gangarten hinweg funktioniert. Sie ist weiterhin die Standard-Baseline für die Fußplatzierung in Reglern für Vierbeiner und ein Baustein sowohl modellbasierter als auch gelernter Fortbewegungssysteme.
Wichtige Anwendungen
- Fußplatzierung in Reglern für Trab, Sprunggalopp und Passgang bei Vierbeinern
- Geschwindigkeitsregelung für hüpfende und laufende Roboter
- Nominale Fußaufsetzpunkte für geländebewusste Planer der Fußaufsetzpunkte
- Referenzfußpositionen für gelernte und residuale Fortbewegungs-Policies
- Erholung nach Stößen durch korrigierende Schritte
In der Praxis
In einem um modellprädiktive Regelung herum aufgebauten Regler für Vierbeiner entscheidet der Gangart-Scheduler, wann jedes Bein schwingt. In jeder Schwungphase berechnet der Regler die Aufsetzposition mit der Raibert-Regel aus der gemessenen Körpergeschwindigkeit, der kommandierten Geschwindigkeit und der geplanten Standphasendauer und hebt den Fuß dann entlang einer Schwungtrajektorie, die an diesem Punkt endet, während MPC die Bodenreaktionskräfte für die Beine in der Standphase berechnet. In hierarchischen Lernsystemen wie dem aus der Arbeit zu Gangartwechseln wählt eine gelernte übergeordnete Policy das Timing der Gangart, und der Regler auf unterer Ebene setzt die Füße auf diese Weise. Ingenieure stimmen die Geschwindigkeitsverstärkung k ab: Ist sie zu klein, korrigiert der Roboter Stöße nur langsam, ist sie zu groß, werden die Schritte oszillierend.
Häufige Missverständnisse
- Die Raibert-Heuristik ist ein vollständiger Fortbewegungsregler — sie wählt nur die Fußplatzierung; Höhe, Körperlage und Kontaktkräfte brauchen eine eigene Regelung
- Sie liefert auf jedem Gelände einen guten Fußaufsetzpunkt — sie ignoriert das Gelände und setzt ebenen Boden voraus, daher wird sie meist durch einen Planer der Fußaufsetzpunkte korrigiert
- Sie ist nur von historischem Interesse — sie wird in modernen modellprädiktiven und gelernten Reglern für Vierbeiner weiterhin verwendet
Wer das wissen sollte
- Ingenieure für Laufroboter-Fortbewegung
- Entwickler von Reglern für Vierbeiner und Humanoide
- Forscher im Roboterlernen, die an Fortbewegung arbeiten
- Robotikstudierende, die dynamisches Gleichgewicht studieren
Verwandte Technologien
- Capture Point
- Konvexe modellprädiktive Regelung (Convex Model Predictive Control)
- Gangart-Scheduler (Gait Scheduler)
- Erzeugung von Schwungtrajektorien (Swing Trajectory Generation)
- Modell des virtuellen Beins (Virtual Leg Model)
Verwandte Begriffe
- Foothold Planning
- Spring-Loaded Inverted Pendulum
- Linear Inverted Pendulum
- Gait
- Quadruped
- Model Predictive Control
Verwandte Projekte
- DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
- PACE Sim2Real: Systematic sim-to-real transfer via actuator dynamics identification