Raibert Heuristic
- También llamado: Raibert foot placement
- Categoría: Control › Locomotion control
- Etiquetas: legged-locomotion, foot-placement, quadrupeds, balance-control, gait
Una regla de colocación del pie para robots con patas que sitúa el punto de contacto por delante de la cadera a una distancia igual a la mitad de la duración del apoyo por la velocidad del cuerpo, más una corrección proporcional al error de velocidad.
Definición
La heurística de Raibert (Raibert heuristic) es una regla para elegir dónde debe apoyar el pie un robot con patas para seguir moviéndose a una velocidad deseada sin caerse. Procede del trabajo de Marc Raibert sobre robots saltadores en Carnegie Mellon y en el MIT en la década de 1980, descrito en su libro Legged Robots That Balance (1986). Raibert observó que si el pie aterriza en el punto neutro, el punto por encima del cual pasará la cadera a mitad de la fase de apoyo, la velocidad de avance del cuerpo apenas cambia durante la fase de apoyo, porque la pierna frena el cuerpo en la primera mitad del apoyo aproximadamente tanto como lo impulsa en la segunda mitad. Para un cuerpo que se mueve a velocidad v con una duración de apoyo T, el punto neutro está aproximadamente v·T/2 por delante de la cadera.
Para cambiar de velocidad, el pie se coloca lejos del punto neutro: más adelante para frenar, más atrás para acelerar. La forma más usada hoy es p_foot = p_hip + v·T_stance/2 + k(v − v_desired), donde k es una ganancia de realimentación. Los controladores originales de Raibert dividían el salto en tres tareas en gran medida independientes: la altura del salto, regulada por el empuje durante el apoyo; la velocidad de avance, regulada por la colocación del pie durante la fase de vuelo; y la actitud del cuerpo, regulada por el par de la cadera durante el apoyo. La parte de colocación del pie se trasladó de los saltadores de una pata a los bípedos y los cuadrúpedos, donde las patas que se mueven juntas en una marcha se tratan como una única pata virtual.
La heurística se sigue usando ampliamente en los controladores de cuadrúpedos. Los controladores predictivos de robots como la familia MIT Cheetah calculan las fuerzas de reacción del suelo con MPC y colocan los pies con la regla de Raibert, a veces con un término adicional para girar. Los sistemas de locomoción aprendida la usan como referencia para las posiciones de los pies o como regla de pisada de bajo nivel bajo una política aprendida que selecciona las marchas. Supone un suelo plano y un apoyo aproximadamente simétrico e ignora dónde hay puntos de apoyo seguros, por lo que en terreno irregular suele proporcionar el objetivo nominal que un paso de planificación de puntos de apoyo desplaza después a la ubicación segura más cercana.
Por qué importa
La heurística convierte un problema de equilibrio difícil en una regla sencilla y ajustable que funciona en muchos robots y marchas. Sigue siendo la referencia por defecto de colocación del pie en los controladores de cuadrúpedos y un componente básico tanto de los sistemas de locomoción basados en modelos como de los aprendidos.
Aplicaciones clave
- Colocación del pie en controladores de trote, bounding y paso de andadura (pacing) de cuadrúpedos
- Regulación de la velocidad de robots saltadores y corredores
- Puntos de apoyo nominales para planificadores de puntos de apoyo que tienen en cuenta el terreno
- Posiciones de referencia de los pies para políticas de locomoción aprendidas y residuales
- Recuperación ante empujones mediante pasos correctivos
En la práctica
En un controlador de cuadrúpedo construido en torno al control predictivo basado en modelo, el planificador de marcha decide cuándo se balancea cada pata. En cada fase de balanceo, el controlador calcula la posición de contacto con la regla de Raibert a partir de la velocidad medida del cuerpo, la velocidad ordenada y la duración de apoyo planificada, y después levanta el pie siguiendo una trayectoria de balanceo que termina en ese punto, mientras el MPC calcula las fuerzas de reacción del suelo para las patas en apoyo. En sistemas de aprendizaje jerárquicos como el del trabajo sobre transiciones de marcha, una política aprendida de alto nivel elige la temporización de la marcha y el controlador de bajo nivel coloca los pies de esta forma. Los ingenieros ajustan la ganancia de velocidad k: si es demasiado pequeña, el robot tarda en corregir los empujones; si es demasiado grande, la pisada se vuelve oscilatoria.
Ideas erróneas comunes
- La heurística de Raibert es un controlador de locomoción completo — solo elige la colocación del pie; la altura, la actitud del cuerpo y las fuerzas de contacto necesitan su propio control
- Da un buen punto de apoyo en cualquier terreno — ignora el terreno y supone un suelo plano, por lo que suele corregirse con un planificador de puntos de apoyo
- Solo tiene interés histórico — se sigue usando en controladores de cuadrúpedos modernos, tanto predictivos basados en modelos como aprendidos
Quién debería saberlo
- Ingenieros de locomoción con patas
- Desarrolladores de controladores para cuadrúpedos y humanoides
- Investigadores en aprendizaje robótico que trabajan en locomoción
- Estudiantes de robótica que estudian el equilibrio dinámico
Tecnologías relacionadas
- Capture Point
- Control predictivo convexo (Convex Model Predictive Control)
- Planificador de marcha (Gait Scheduler)
- Generación de trayectorias de balanceo (Swing Trajectory Generation)
- Modelo de pata virtual (Virtual Leg Model)
Términos relacionados
- Foothold Planning
- Spring-Loaded Inverted Pendulum
- Linear Inverted Pendulum
- Gait
- Quadruped
- Model Predictive Control
Proyectos relacionados
- DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
- PACE Sim2Real: Systematic sim-to-real transfer via actuator dynamics identification