Distributed Data-Driven Predictive Control for Multi-Agent Collaborative Legged Locomotion

저자: Randall T. Fawcett, Leila Amanzadeh, Jeeseop Kim, Aaron D. Ames, Kaveh Akbari Hamed · ICRA 2023

라이선스

• 오픈 액세스
• 논문: CC BY 4.0

아래 내용은 모두 논문의 라이선스(CC BY 4.0)에 따라 논문 전문을 바탕으로 하며, 그림에는 저자를 표기했습니다.

요약

시뮬레이션 데이터로 구축하고 로봇별 QP로 분할한, 볼 조인트로 결합된 4족 로봇의 Hankel 행렬 모델이 시뮬레이션 A1 5대와 실제 A1 3대의 힘과 COM 경로를 계획한다.

중요한 이유

시뮬레이션 데이터로 학습한 계획 모델이 손으로 모델링하기 어려운 결합된 다중 로봇 동역학을 포착하며, 시뮬레이션에서 쓴 것과 같은 이득으로 하드웨어에 이전되었다. 플래너를 로봇별로 나누면 각 문제가 중앙 집중식 다섯 로봇 플래너의 2250개 대신 450개의 결정 변수로 유지된다.

문제

볼 조인트로 강하게 연결된 4족 로봇들은 서로 큰 상호작용 힘을 가하며, 선형 역진자나 단일 강체 같은 템플릿 모델은 로봇이 추가될수록 너무 복잡해져 축소 차수 계획 모델로 쓸 수 없게 된다. 행동 시스템 이론에서 나온 데이터 기반 예측 제어는 명시적 모델을 피하지만, 그 표준 형태는 결정 변수를 추가하여 4족 로봇 팀에 대해 실시간으로 풀 수 없게 만든다.

제안 방법

입출력 데이터(입력은 접촉력, 출력은 서 있는 높이, COM 속도, 롤, 피치, 요 각속도)를 원하는 힘에 무작위 잡음을 주입하며 RaiSim에서 수집한 뒤, Hankel 행렬로 쌓아 의사역행렬을 통해 데이터 기반 N-스텝 전이 행렬을 구성하며, 이로써 최적화에서 g 벡터가 제거된다. 이 행렬은 에이전트별 블록과 결합 블록으로 나뉘고, 각 로봇은 이전 시간 스텝의 다른 로봇들의 계획을 사용해 자신의 QP를 풀며, 각 로봇의 1 kHz QP 기반 가상 구속 제어기가 계획된 힘과 COM 궤적을 추종한다.

핵심 통찰

• 행동 시스템 이론은 상태 공간 행렬을 식별하지 않고, Hankel 행렬을 통해 측정된 궤적으로 선형 시불변 시스템을 직접 표현한다.
• g 벡터를 의사역행렬로 오프라인에서 근사하면 데이터 기반 예측 제어가 결정 변수가 훨씬 적은 플래너로 바뀌어 실시간 사용이 가능해진다.
• 데이터 기반 전이 행렬을 에이전트별 블록과 결합 블록으로 나누고 한 스텝의 통신 지연을 두면, 각 로봇이 로봇 간 결합을 유지하면서 스스로 계획할 수 있다.
• 각 로봇을 정확하게 모델링할 수 있는 시뮬레이션에서 데이터를 수집하면, 결합된 팀의 물리 기반 축소 차수 모델이라는 어려운 부분을 피할 수 있으며, 그렇게 얻은 모델은 하드웨어로 이전되었다.

주요 결과

• 시뮬레이션: 결합된 A1 로봇 5대가 알려지지 않은 10 kg 탑재물을 싣고 0.5 m/s의 지령 전진 속도와 0.26 m의 서 있는 높이로 고르지 않은 지형을 걷는다.
• 플래너 크기: 로봇당 결정 변수 450개, 중앙 집중식 다섯 로봇 플래너는 2250개.
• 분산 플래너는 250 ms 구간(Tini = 10, N = 25)에 대해 40 ms(25 Hz)마다 갱신되며, Intel Core i7-1185G7 노트북에서 OSQP가 약 15 ms 만에 풀고, 약 30 ms의 풀이 시간도 관측되었다.
• 하드웨어: 볼 조인트로 연결된 A1 로봇 3대가 4.5 kg 탑재물을 싣고 비정형 나무 블록 위를, 그리고 흔들리는 자갈 위를 약 0.4 m/s로 트로팅한다.
• 하드웨어: 팀은 6.8 kg 탑재물을 싣고 평지에서 시간에 따라 변하는 조이스틱 궤적을 추종하며, 밀기 외란에도 안정을 유지한다.
• 저수준 QP 기반 가상 구속 제어기는 각 로봇에서 1 kHz로 실행된다.

한계

• 로봇들은 상대적 병진 운동이 없는 완전 그래프를 이루어야 하며, 자유도가 제한된 대형과 더 많은 수의 로봇은 향후 과제로 남는다.
• 기반 이론은 선형 시불변 시스템을 다루며, 저자들은 넓은 부류의 비선형 시스템에 대한 증명은 아직 없다고 밝히므로, 보행 로봇의 경우는 실험적 검증에 의존한다.
• 일반적인 15 ms에 비해 약 30 ms의 풀이 시간이 관측되었으며, 이 때문에 플래너 갱신 주기를 40 ms로 해야 했다.
• 저수준 제어기는 로봇 간 상호작용 렌치를 무시하며, 데이터 기반 모델이 이를 반영한다고 가정한다.
• 모델은 시뮬레이션 데이터만으로 구축되며, 각 로봇은 이전 시간 스텝의 다른 로봇들의 해를 사용해 계획한다.

분야에 미친 영향

ICRA 2023 Outstanding Paper 수상작이자 ICRA 2023 Outstanding Multi-Robot Systems Paper 최종 후보였으며 인용 수는 37회이다. 저자들은 시뮬레이션 및 하드웨어 실험 동영상을 공개하며, 논문은 코드 공개를 명시하지 않는다.

초록

이 연구의 목적은 홀로노믹 구속으로 묶인 여러 4족 로봇으로 이루어진 복잡한 다중 에이전트 시스템에서 강건한 보행을 가능하게 하는 플래너를 정의하는 것이다. 이를 위해 홀로노믹 구속이 유발하는 정교하고 고차원적인 구조를 모델링하는 데 행동 시스템 이론에 기반한 방법론을 사용한다. 그런 다음 결과 모델을 분산 제어 기법과 함께 사용하여, 에이전트 간 결합은 유지하면서 계산 부담을 에이전트들이 나누어 지도록 한다. 마지막으로 이 분산 모델을 예측 제어기의 틀 안에 놓아, 궤적 계획을 위한 강건하게 안정적인 방법을 얻는다. 이 방법론은 최대 다섯 에이전트로 시뮬레이션에서 테스트되었으며, 탑재물, 거친 지형, 밀기 외란 등 다양한 불확실성을 받는 A1 4족 로봇 세 대에서 실험적으로 추가 검증되었다.

링크

• arXiv 2211.06917: https://arxiv.org/abs/2211.06917
• DOI 10.1109/ICRA48891.2023.10160914: https://doi.org/10.1109/ICRA48891.2023.10160914
• PDF: https://arxiv.org/pdf/2211.06917v1