Robust Locomotion on Legged Robots through Planning on Motion Primitive Graphs

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

Licenze

• Open access
• Articolo: CC BY 4.0

Tutto ciò che segue si basa sull'articolo completo secondo la sua licenza CC BY 4.0; la figura è riportata citando gli autori.

In breve

Modellare ogni controllore come una primitiva di moto con una regione di attrazione sicura permette a una ricerca in stile RRT di trovare online, in meno di 50 ms, sequenze di recupero su un quadrupede A1.

Perché è importante

Il grafo cresce con il numero di primitive e dei loro argomenti anziché con la dinamica del sistema, e al metodo non importa come sia costruito il controllore di ciascuna primitiva purché soddisfi la definizione. Sull'hardware, un'unica procedura di ricerca produce il recupero da calci, strattoni alle zampe, terreno irregolare e cadute, invece di regole di transizione scritte caso per caso.

Problema

L'autonomia robotica concatena spesso comportamenti (primitive di moto) tramite sequenze, macchine a stati o ricerca su grafo, ma decidere quando è sicuro passare da una primitiva dinamica all'altra si basa di solito su analisi specifiche per ogni transizione o su euristiche. Il precedente lavoro degli autori gestiva solo primitive discrete e ricerca offline, il che ne limita l'uso per reagire ai disturbi mentre si verificano.

Soluzione proposta

Ogni primitiva di moto è definita dai suoi argomenti continui, dal setpoint, dalla legge di controllo, dalla regione di attrazione, dall'insieme sicuro e dalla regione di attrazione sicura. Una funzione di trasferimento delle primitive di moto porta uno stato al setpoint della primitiva se lo stato si trova nella sua regione di attrazione sicura e altrimenti restituisce lo stato invariato; concatenando queste funzioni si forma un grafo misto discreto e continuo, in cui un algoritmo ispirato a RRT cerca online, prima che una discesa del gradiente vincolata regoli argomenti e tempi e che i nodi superflui vengano potati.

Idee chiave

• Usare la regione di attrazione sicura di ciascuna primitiva come sua condizione di ingresso trasforma 'questa transizione è sicura?' nella verifica che lo stato corrente appartenga a un insieme.
• La stabilità esponenziale garantisce una durata minima dopo la quale lo stato si trova entro un piccolo ε dal setpoint, il che giustifica l'astrazione di una primitiva come una mappa dallo stato al setpoint.
• La ricerca randomizzata si adatta a questo grafo perché le funzioni di trasferimento sono non convesse e la ricerca discreta scala male con il numero di primitive, di insiemi di argomenti e con la dimensione dello stato.
• Le regioni di attrazione sicure sono state stimate in modo conservativo dall'analisi di Lyapunov del controllore linearizzato e poi ampliate tramite prove sull'hardware fino a coprire i normali stati operativi.

Risultati principali

• La ricerca sul grafo richiede tipicamente meno di 50 ms e gira in modo asincrono accanto a un anello di controllo a 1 kHz su un Intel NUC di bordo (i7-10710U, 16 GB di RAM).
• Da fermo con i motori non attuati, il pianificatore concatena Lie, Stand (h = 0,2 m) e Walk (h = 0,25 m, vx = 0,2 m/s).
• Calci durante Stand (h = 0,25 m): i calci piccoli non richiedono transizioni, quelli moderati passano per Lie e quelli più forti passano per la camminata sul posto prima di tornare a Stand.
• Strattone alla zampa durante la camminata: il robot resta in Land mentre la zampa posteriore è trattenuta, poi completa la sequenza ripianificata e riprende a camminare appena viene rilasciata.
• Pietre instabili e irregolari, senza percezione e con una primitiva di camminata che presuppone un terreno piano: il robot avanza lentamente, ripianificando attraverso Lie, Stand e Land man mano che si verificano i disturbi.
• Lancio da un gradino di circa 0,5 m: Land viene eseguita mentre il robot è in aria, poi il pianificatore passa per Lie e Stand per tornare a Walk.

Limiti

• La ricerca probabilistica ignora l'ulteriore struttura del problema; gli autori intendono sfruttare tale struttura per migliorare i risultati.
• Non c'è percezione: gli ostacoli e gli ambienti che cambiano non sono modellati esplicitamente, e la primitiva di camminata presuppone un terreno piano, quindi l'avanzamento su pietre instabili è lento.
• Le regioni di attrazione sicure sono stime conservative ricavate dall'analisi di Lyapunov linearizzata e da prove sull'hardware, non insiemi esatti.
• I risultati sono mostrati con figure e video senza statistiche sul tasso di successo, usando quattro primitive sperimentali (Lie, Stand, Walk, Land) su un solo robot.

Impatto sul settore

Vincitore del premio ICRA 2023 Outstanding Student Paper e finalista del premio ICRA 2023 Outstanding Locomotion Paper, con 17 citazioni. Gli autori pubblicano un video supplementare degli esperimenti; l'articolo non indica alcun rilascio del codice.

Abstract

Le esigenze funzionali dei sistemi robotici richiedono spesso di completare vari compiti o comportamenti sotto l'effetto di disturbi o in ambienti incerti. Cresce l'interesse per l'autonomia dei robot dinamici, come i multirotori, i veicoli a motore e le piattaforme con gambe. In questi casi, i disturbi e le condizioni ambientali possono avere un impatto significativo sulla corretta esecuzione dei singoli comportamenti dinamici, detti "primitive di moto". Nonostante ciò, la robustezza può essere ottenuta passando a primitive di moto adatte e transitando attraverso di esse. Questo articolo fornisce un metodo di questo tipo presentando un'astrazione della dinamica delle primitive di moto e una corrispondente "funzione di trasferimento delle primitive di moto". A partire da essa si costruisce un "grafo delle primitive di moto" misto discreto e continuo, e si descrive in dettaglio un algoritmo in grado di cercare online in questo grafo. Il risultato è un framework in grado di realizzare una robustezza olistica su sistemi dinamici. Ciò è dimostrato sperimentalmente per un insieme di primitive di moto su un robot quadrupede, sottoposto a vari disturbi ambientali e intenzionali.

Link

• 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