Projected Gravity
- 又稱: projected gravity vector, body-frame gravity vector
- 類別: Sensing › Proprioceptive
- 標籤: orientation, legged-locomotion, reinforcement-learning, imu, observation-design
在機器人本體座標系中表示的單位重力方向;它編碼滾轉與俯仰而不含偏航,是學習型行走與平衡策略的標準傾斜輸入。
定義
投影重力(projected gravity)是在機器人本體(通常是基座或軀幹)座標系中表示的重力方向。在世界座標系中,重力垂直向下,以單位向量表示為 (0, 0, -1)。用本體方向矩陣的轉置把它旋轉到本體座標系,就得到一個隨本體傾斜而改變的三分量向量。本體直立時,這個向量為 (0, 0, -1);當本體傾斜角度 θ 時,水平部分的長度增加到 sin θ,垂直部分縮小到 -cos θ。因此,x 與 y 分量的範數是傾斜程度的直接量度,直立時為零,本體側躺時為一,而這個水平部分的方向則顯示本體往哪個方向傾。
使用這個向量而不用滾轉角、俯仰角與偏航角,主要原因是它恰好包含平衡或行走控制器所需的方向資訊。它不受航向影響,所以無論機器人面向哪裡,策略的行為都一樣;它是方向的平滑函數,沒有歐拉角的回繞與奇異點。基於這些原因,它是 legged_gym 與 Isaac Lab 等足式機器人與人形機器人強化學習框架中的標準觀測項,其水平分量也常直接用於懲罰本體傾斜的獎勵中。
在硬體上,投影重力來自 IMU 的方向估測,通常由一個結合陀螺儀與加速度計資料的濾波器計算。它與加速度計的原始讀數不同:加速度計量測的是比力,只有在本體沒有加速時才等於重力方向。因此,一個以完美模擬方向訓練出來的策略,在拿到有延遲、或在衝擊期間受到干擾的濾波估測時,行為可能不同,這就是為什麼訓練時常替這個觀測加入雜訊與延遲。同樣的作法可以用在任何物體上,例如人形機器人端著的托盤,用來量測它有多水平。
為何重要
相對於重力的傾斜,是讓機器人或它攜帶的物體保持直立時最重要的單一方向訊號。投影重力以精簡、與航向無關、學習型控制器容易處理的形式提供這個訊號,這正是它成為學習型行走策略觀測中標準項目的原因。
主要應用
- 學習型足式與人形行走策略的觀測輸入
- 懲罰本體或負載傾斜的獎勵項
- 跌倒偵測與恢復的觸發
- 平衡托盤與容器等被攜帶的物體
- 斜坡上移動操作機器人的傾斜感知控制
實際應用
一個團隊訓練人形機器人策略,讓它端著托盤而不灑出東西。觀測包括軀幹的投影重力(來自 IMU)與托盤的投影重力(由托盤的估測方向計算)。獎勵會懲罰托盤水平重力分量的範數平方,托盤水平時該值為零。在模擬中訓練時,兩個向量都會加入雜訊與少量延遲,以符合機上的方向濾波器。在實體機器人上,團隊會檢查 IMU 的座標系慣例是否與模擬器一致,因為這個向量中只要有軸對調或正負號錯誤,策略就會試圖修正一個根本不存在的傾斜。
常見誤解
- 投影重力就是加速度計讀數 — 加速度計也會量測線加速度,因此只有在本體沒有加速時才與重力一致
- 它編碼了完整的方向 — 繞重力軸的旋轉(偏航)沒有被表示,這通常是刻意的
- 它只是換了名字的滾轉角與俯仰角 — 它攜帶相同的傾斜資訊,但以平滑的單位向量表示,沒有角度回繞或奇異點
誰需要了解
- 訓練行走與平衡策略的強化學習工程師
- 足式與人形機器人控制工程師
- 把模擬訓練的策略部署到實體 IMU 上的工程師
- 處理方向表示法的機器人學學生
相關技術
- Isaac Lab
- legged_gym
- 姿態航向參考系統(Attitude and Heading Reference System)
- 四元數方向估測(Quaternion Orientation Estimation)
- Mahony 與 Madgwick 濾波器(Mahony and Madgwick Filters)
相關術語
相關專案
- 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
- Newton: Open GPU physics engine for robot learning, with Kamino for closed-loop linkages