Raibert Heuristic
- Também chamado: Raibert foot placement
- Categoria: Control › Locomotion control
- Tags: legged-locomotion, foot-placement, quadrupeds, balance-control, gait
Uma regra de colocação do pé para robôs com pernas que posiciona o ponto de toque à frente do quadril a uma distância igual à metade da duração do apoio vezes a velocidade do corpo, mais uma correção proporcional ao erro de velocidade.
Definição
A heurística de Raibert (Raibert heuristic) é uma regra para escolher onde um robô com pernas deve apoiar o pé para continuar se movendo na velocidade desejada sem cair. Ela vem do trabalho de Marc Raibert com robôs saltadores na Carnegie Mellon e no MIT na década de 1980, descrito em seu livro Legged Robots That Balance (1986). Raibert observou que, se o pé toca o chão no ponto neutro, o ponto sobre o qual o quadril passará no meio da fase de apoio, a velocidade de avanço do corpo praticamente não muda durante a fase de apoio, porque a perna freia o corpo na primeira metade do apoio mais ou menos tanto quanto o impulsiona na segunda metade. Para um corpo que se move à velocidade v com duração de apoio T, o ponto neutro fica cerca de v·T/2 à frente do quadril.
Para mudar a velocidade, o pé é colocado longe do ponto neutro: mais à frente para desacelerar, mais atrás para acelerar. A forma mais usada hoje é p_foot = p_hip + v·T_stance/2 + k(v − v_desired), em que k é um ganho de realimentação. Os controladores originais de Raibert dividiam o salto em três tarefas em grande parte independentes: a altura do salto, regulada pelo empuxo durante o apoio; a velocidade de avanço, regulada pela colocação do pé durante a fase de voo; e a atitude do corpo, regulada pelo torque do quadril durante o apoio. A parte de colocação do pé foi levada dos saltadores de uma perna para os bípedes e quadrúpedes, em que as pernas que se movem juntas em uma marcha são tratadas como uma única perna virtual.
A heurística ainda é amplamente usada em controladores de quadrúpedes. Controladores preditivos de robôs como a família MIT Cheetah calculam as forças de reação do solo com MPC e posicionam os pés com a regra de Raibert, às vezes com um termo extra para curvas. Sistemas de locomoção aprendida a usam como referência para as posições dos pés ou como regra de passada de baixo nível sob uma política aprendida que seleciona as marchas. Ela supõe terreno plano e um apoio aproximadamente simétrico e ignora onde estão os pontos de apoio seguros, por isso em terreno irregular geralmente fornece o alvo nominal que uma etapa de planejamento de pontos de apoio então desloca para o local seguro mais próximo.
Por que importa
A heurística transforma um problema difícil de equilíbrio em uma regra simples e ajustável que funciona em muitos robôs e marchas. Ela continua sendo a referência padrão de colocação do pé em controladores de quadrúpedes e um bloco de construção tanto de sistemas de locomoção baseados em modelo quanto de sistemas aprendidos.
Principais aplicações
- Colocação do pé em controladores de trote, bounding e pacing de quadrúpedes
- Regulação da velocidade de robôs saltadores e corredores
- Pontos de apoio nominais para planejadores de pontos de apoio que levam o terreno em conta
- Posições de referência dos pés para políticas de locomoção aprendidas e residuais
- Recuperação de empurrões por meio de passos corretivos
Na prática
Em um controlador de quadrúpede construído em torno do controle preditivo baseado em modelo, o agendador de marcha decide quando cada perna entra em balanço. Em cada fase de balanço, o controlador calcula a posição de toque com a regra de Raibert a partir da velocidade medida do corpo, da velocidade comandada e da duração de apoio planejada, e então levanta o pé ao longo de uma trajetória de balanço que termina nesse ponto, enquanto o MPC calcula as forças de reação do solo para as pernas em apoio. Em sistemas de aprendizado hierárquicos, como o do trabalho sobre transições de marcha, uma política aprendida de alto nível escolhe a temporização da marcha e o controlador de baixo nível posiciona os pés dessa forma. Os engenheiros ajustam o ganho de velocidade k: pequeno demais, e o robô demora a corrigir empurrões; grande demais, e a passada se torna oscilatória.
Equívocos comuns
- A heurística de Raibert é um controlador de locomoção completo — ela apenas escolhe a colocação do pé; a altura, a atitude do corpo e as forças de contato precisam de controle próprio
- Ela fornece um bom ponto de apoio em qualquer terreno — ela ignora o terreno e supõe solo plano, por isso geralmente é corrigida por um planejador de pontos de apoio
- Ela tem apenas interesse histórico — ainda é usada em controladores modernos de quadrúpedes, tanto preditivos baseados em modelo quanto aprendidos
Quem deve saber
- Engenheiros de locomoção com pernas
- Desenvolvedores de controladores de quadrúpedes e humanoides
- Pesquisadores de aprendizado robótico que trabalham com locomoção
- Estudantes de robótica que estudam equilíbrio dinâmico
Tecnologias relacionadas
- Capture Point
- Controle preditivo convexo (Convex Model Predictive Control)
- Agendador de marcha (Gait Scheduler)
- Geração de trajetória de balanço (Swing Trajectory Generation)
- Modelo de perna virtual (Virtual Leg Model)
Termos relacionados
- Foothold Planning
- Spring-Loaded Inverted Pendulum
- Linear Inverted Pendulum
- Gait
- Quadruped
- Model Predictive Control
Projetos relacionados
- DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
- PACE Sim2Real: Systematic sim-to-real transfer via actuator dynamics identification