Open Source Robotics

Une collection organisée de projets, outils et logiciels robotiques open source de haute qualité.

Cost of Transport

  • Aussi appelé: CoT, COT, specific resistance
  • Catégorie: Actuation & drivetrain › Ratings
  • Mots-clés: legged-locomotion, energy-efficiency, metrics, reinforcement-learning, actuation

Mesure sans dimension de l'efficacité de la locomotion : l'énergie utilisée pour déplacer un corps sur une distance donnée, divisée par son poids multiplié par cette distance.

Définition

Coût de transport (cost of transport, CoT) : mesure de la quantité d'énergie qu'un robot, un animal ou un véhicule dépense pour se déplacer lui-même. Il est défini comme l'énergie divisée par le poids multiplié par la distance, E / (m g d), ou de manière équivalente comme la puissance divisée par le poids multiplié par la vitesse, P / (m g v). La division par le poids et la distance rend la grandeur sans dimension, si bien qu'un petit quadrupède, un humanoïde, une voiture et un animal qui court peuvent être comparés sur la même échelle. L'idée remonte à la comparaison de véhicules de Gabrielli et von Kármán en 1950, où le même rapport était appelé résistance spécifique (specific resistance).

La valeur dépend fortement de l'énergie prise en compte. Le CoT total ou électrique utilise toute la puissance tirée de la batterie, y compris les pertes des moteurs, l'électronique et les ordinateurs. Le CoT mécanique n'utilise que la puissance mécanique délivrée aux articulations, généralement la somme sur les actionneurs du couple articulaire multiplié par la vitesse articulaire. Une convention courante ne compte que le travail mécanique positif, car l'énergie absorbée au freinage est généralement perdue en chaleur plutôt que restituée à la batterie ; sommer la puissance signée laisserait le travail négatif compenser le travail positif et sous-estimerait le coût réel. Les articles doivent donc préciser quelle définition ils utilisent, et des chiffres issus de définitions différentes ne doivent pas être comparés directement.

Le coût de transport varie avec la vitesse, l'allure et le terrain. Chez les animaux comme chez de nombreux robots, chaque allure a une plage de vitesses où le CoT est le plus bas, et changer d'allure peut l'abaisser à nouveau à des vitesses plus élevées. En locomotion apprise, le CoT sert à la fois de métrique d'évaluation et de terme de récompense ou de pénalité qui encourage un mouvement efficace et d'apparence naturelle ; c'est aussi une manière courante de montrer qu'une politique entraînée avec des a priori de mouvement (motion priors) consomme moins d'énergie qu'une politique entraînée avec des récompenses réglées à la main.

Pourquoi c'est important

La capacité de la batterie limite combien de temps et jusqu'où les robots mobiles peuvent fonctionner, et l'échauffement des actionneurs limite l'intensité de leur effort. Le coût de transport transforme l'efficacité en un seul nombre comparable entre conceptions, contrôleurs et vitesses, ce qui aide à choisir entre allures, actionneurs et stratégies de commande.

Applications principales

  • Comparaison de l'efficacité énergétique de conceptions et de contrôleurs de robots à pattes
  • Termes de récompense et de pénalité pour les politiques de locomotion apprises
  • Choix des allures et des vitesses pour les missions à longue portée
  • Évaluation des actionneurs, des transmissions et des entraînements à récupération d'énergie
  • Comparaison des robots avec les animaux et les véhicules sur une échelle commune

En pratique

Une équipe compare deux politiques de locomotion pour le même quadrupède. Elle enregistre les couples et les vitesses articulaires à la cadence du contrôleur pendant que le robot marche à plusieurs vitesses fixes sur un tapis roulant, calcule la puissance mécanique comme la somme des produits couple-vitesse positifs, et divise par le poids et la vitesse du robot pour obtenir le CoT mécanique à chaque vitesse. Elle enregistre aussi le courant et la tension de la batterie pour calculer le CoT total. Une politique a un CoT mécanique plus faible mais tire une puissance de batterie similaire, ce que l'équipe attribue à une oscillation de couple à haute fréquence qui échauffe les moteurs. Elle ajoute à la récompense une pénalité sur la vitesse de variation du couple et refait la comparaison.

Idées reçues

  • Un seul chiffre de CoT décrit un robot — le CoT varie avec la vitesse, l'allure, la charge utile et le terrain, si bien que les comparaisons doivent préciser les conditions
  • Le coût de transport mécanique et le coût de transport total sont interchangeables — le CoT mécanique ignore les pertes des moteurs et l'électronique, et les deux peuvent différer d'un facteur important
  • Sommer la puissance articulaire signée donne l'énergie consommée — le travail négatif n'est généralement pas récupéré, c'est pourquoi de nombreuses définitions ne comptent que la puissance positive
  • Le coût de transport a une unité — il est sans dimension lorsqu'il est calculé avec le poids (m g) plutôt qu'avec la masse

Qui devrait le savoir

  • Ingénieurs en locomotion à pattes
  • Praticiens de l'apprentissage par renforcement qui conçoivent des récompenses de locomotion
  • Concepteurs d'actionneurs et de systèmes d'alimentation
  • Chercheurs qui comparent la locomotion des robots et des animaux

Technologies associées

  • Résistance spécifique (Specific Resistance)
  • Adversarial Motion Priors
  • Entraînements moteurs à récupération d'énergie (Regenerative Motor Drives)
  • Actionneurs à quasi-entraînement direct (Quasi-Direct-Drive Actuators)
  • Marche dynamique passive (Passive Dynamic Walking)

Termes associés

  • Locomotion
  • Gait
  • Quadruped
  • Humanoid Robot
  • Reinforcement Learning
  • Quasi Direct Drive

Projets associés

  • LeRobot: HuggingFace ML library for real-world robotics in PyTorch
  • MuJoCo: DeepMind physics engine for robotics and ML research
  • PyBullet: Python physics simulator for robotics and RL research with fast CPU-based simulation
  • Microduck: Pollen Robotics' $399 walking duck robot: open-source software, closed hardware
  • Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
  • RLinf: Scalable infrastructure for post-training foundation models via RL

Ce site nécessite JavaScript. Veuillez activer JavaScript pour explorer nos projets de robotique open source.