Robust Locomotion on Legged Robots through Planning on Motion Primitive Graphs

Autores: Wyatt Ubellacker, Aaron D. Ames · ICRA 2023

Licencias

• Acceso abierto
• Artículo: CC BY 4.0

Todo lo que sigue se basa en el artículo completo bajo su licencia CC BY 4.0; su figura se muestra con crédito a los autores.

En resumen

Modelar cada controlador como una primitiva de movimiento con una región de atracción segura permite que una búsqueda al estilo RRT encuentre en línea, en menos de 50 ms, secuencias de recuperación en un cuadrúpedo A1.

Por qué importa

El grafo crece con el número de primitivas y sus argumentos, no con la dinámica del sistema, y al método no le importa cómo esté construido el controlador de cada primitiva siempre que cumpla la definición. En hardware, un único procedimiento de búsqueda produce la recuperación ante patadas, tirones de pata, suelo irregular y caídas, en lugar de reglas de transición escritas para cada caso.

Problema

La autonomía robótica a menudo encadena comportamientos (primitivas de movimiento) mediante secuencias, máquinas de estados o búsqueda en grafos, pero decidir cuándo es seguro cambiar entre primitivas dinámicas suele depender de análisis específicos de cada transición o de heurísticas. El trabajo anterior de los autores solo manejaba primitivas discretas y búsqueda fuera de línea, lo que limita su uso para reaccionar a las perturbaciones a medida que ocurren.

Solución propuesta

Cada primitiva de movimiento se define por sus argumentos continuos, su consigna, su ley de control, su región de atracción, su conjunto seguro y su región de atracción segura. Una función de transferencia de primitivas de movimiento lleva un estado a la consigna de la primitiva si el estado está en su región de atracción segura y, en caso contrario, devuelve el estado sin cambios; encadenar estas funciones forma un grafo mixto discreto y continuo, en el que un algoritmo inspirado en RRT busca en línea, antes de que un descenso de gradiente con restricciones ajuste los argumentos y los tiempos y se poden los nodos innecesarios.

Ideas clave

• Usar la región de atracción segura de cada primitiva como su condición de entrada convierte '¿es segura esta transición?' en comprobar si el estado actual pertenece a un conjunto.
• La estabilidad exponencial garantiza una duración mínima tras la cual el estado está a menos de un pequeño ε de la consigna, lo que justifica abstraer una primitiva como una aplicación del estado a la consigna.
• La búsqueda aleatorizada se adapta a este grafo porque las funciones de transferencia no son convexas y la búsqueda discreta escala mal con el número de primitivas, de conjuntos de argumentos y con la dimensión del estado.
• Las regiones de atracción seguras se estimaron de forma conservadora a partir del análisis de Lyapunov del controlador linealizado y después se ampliaron mediante pruebas en hardware hasta cubrir los estados de funcionamiento normales.

Resultados principales

• La búsqueda en el grafo suele tardar menos de 50 ms y se ejecuta de forma asíncrona junto a un lazo de control de 1 kHz en un Intel NUC a bordo (i7-10710U, 16 GB de RAM).
• Desde el reposo con los motores sin accionar, el planificador encadena Lie, Stand (h = 0,2 m) y Walk (h = 0,25 m, vx = 0,2 m/s).
• Patadas durante Stand (h = 0,25 m): las patadas pequeñas no necesitan transición, las moderadas pasan por Lie y las más fuertes pasan por caminar en el sitio antes de volver a Stand.
• Tirón de pata mientras camina: el robot se mantiene en Land mientras se sujeta la pata trasera, después completa la secuencia replanificada y reanuda la marcha en cuanto se suelta.
• Piedras sueltas e irregulares sin percepción y con una primitiva de marcha que supone suelo plano: el robot avanza despacio, replanificando a través de Lie, Stand y Land a medida que se producen las perturbaciones.
• Lanzamiento desde un saliente de unos 0,5 m: Land se ejecuta mientras el robot está en el aire y después el planificador pasa por Lie y Stand para volver a Walk.

Limitaciones

• La búsqueda probabilística ignora estructura adicional del problema; los autores planean usar esa estructura para mejorar los resultados.
• No hay percepción: los obstáculos y los entornos cambiantes no se modelan explícitamente, y la primitiva de marcha supone terreno plano, por lo que el avance sobre piedras sueltas es lento.
• Las regiones de atracción seguras son estimaciones conservadoras obtenidas del análisis de Lyapunov linealizado y de pruebas en hardware, no conjuntos exactos.
• Los resultados se muestran como figuras y vídeo sin estadísticas de tasa de éxito, usando cuatro primitivas experimentales (Lie, Stand, Walk, Land) en un solo robot.

Impacto en el campo

Ganador del premio ICRA 2023 Outstanding Student Paper y finalista del premio ICRA 2023 Outstanding Locomotion Paper, con 17 citas. Los autores publican un vídeo complementario de los experimentos; el artículo no indica ninguna publicación de código.

Resumen

Las exigencias funcionales de los sistemas robóticos suelen requerir completar diversas tareas o comportamientos bajo el efecto de perturbaciones o en entornos inciertos. Cada vez interesa más la autonomía de los robots dinámicos, como los multirrotores, los vehículos de motor y las plataformas con patas. En ellos, las perturbaciones y las condiciones del entorno pueden tener un impacto significativo en la ejecución con éxito de los comportamientos dinámicos individuales, denominados "primitivas de movimiento". Pese a ello, se puede lograr robustez cambiando a primitivas de movimiento adecuadas y pasando por ellas. Este artículo aporta un método así presentando una abstracción de la dinámica de las primitivas de movimiento y una "función de transferencia de primitivas de movimiento" correspondiente. A partir de ella se construye un "grafo de primitivas de movimiento" mixto discreto y continuo, y se detalla un algoritmo capaz de buscar en este grafo en línea. El resultado es un marco capaz de lograr una robustez integral en sistemas dinámicos. Esto se demuestra experimentalmente para un conjunto de primitivas de movimiento en un robot cuadrúpedo, sometido a diversas perturbaciones ambientales e intencionadas.

Enlaces

• arXiv 2209.07503: https://arxiv.org/abs/2209.07503
• DOI 10.1109/ICRA48891.2023.10160672: https://doi.org/10.1109/ICRA48891.2023.10160672
• PDF: https://arxiv.org/pdf/2209.07503v1