Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

Optimization-Based Quadrupedal Hybrid Wheeled-Legged Locomotion

作者: Italo Belli, Matteo Parigi Polverini, Arturo Laurenzi, Enrico Mingo Hoffman, Paolo Rocco, Nikolaos Tsagarakis · Humanoids 2020

授權條款

  • 開放取用
  • 論文: CC BY 4.0

以下內容皆依據論文全文,依其 CC BY 4.0 授權條款使用;圖表已標示作者。

一句話摘要

離線軌跡最佳化,以單剛體動力學加上每個可轉向輪一個單輪車模型,為 CENTAURO 機器人規劃輪式行駛、步行與混合步態。

為何重要

單一框架在所有實驗中維持相同的成本權重,就以很少的編寫工作量,在真實機器人上產生純腿式、純輪式與混合運動。施加在接觸中足部的輪速成本,可作為在類汽車行為與步行行為之間調整的元素,對任何為輪腿式平台規劃運動的人都是有用的調整手段。

問題

輪腿式機器人能把輪式行駛的速度與穩定性,結合腿式運動應付地形的能力,但針對它們的規劃器很少。早期方法在行駛與跨步之間切換、先於質心最佳化落腳點、忽略角動量或預先固定質心的垂直軌跡,或者以具不可轉向輪的機器人為對象。

提出的方法

機器人以單剛體動力學建模,並為每條腿加入一個單輪車模型加以擴充,因此每個輪子都有一個笛卡兒位置與一個轉向角,且必須滿足純滾動、無側向滑移的約束。一個離線最佳控制問題包含接觸、足部工作空間、轉向極限、摩擦錐與邊界約束,以及對加速度、目標距離、接觸力變化、落足位置、輪速與轉向速率的加權成本,該問題以正交配置法轉錄,並以 CasADi 與 Ipopt 求解。規劃出的笛卡兒參考透過 CartesI/O 與 OpenSoT 階層式逆運動學函式庫在 CENTAURO 上追蹤。

關鍵見解

  • 在單剛體動力學中為每條腿加入一個單輪車模型,就能表示可轉向輪及其非完整滾動約束,同時讓模型保持精簡。
  • 由於滾動中的輪子相對地面的瞬時滑移速度為零,接觸力可以用與腿式運動相同的線性化摩擦錐來限制。
  • 簡化模型無法表示的關節極限,以一個圍繞每隻腳相對於質心之標稱位置的長方體工作空間來近似。
  • 施加在接觸中的腳上時,輪速成本項可涵蓋從類汽車行駛到純步行之間的行為。
  • 最終的質心位置交由成本函數處理,而不是設為硬約束,因為硬性的目標約束會讓最佳化在無法預見的情況下失敗。

主要結果

  • 腿式:時域 10 s,計算 19.0 s,37 次迭代;以 8 步抵達前方 70 cm 的目標(僅在隨附影片中呈現)。
  • 輪式:時域 15 s,計算 20.0 s,21 次迭代;目標位於前方 100 cm、左方 60 cm,基座逆時針旋轉 90°。
  • 混合前進:時域 10 s,計算 98.0 s,60 次迭代;目標距離 200 cm。
  • 混合 go&back:時域 16 s,表 I 列出的計算時間為 63.0 且未標單位,170 次迭代;基座旋轉 90°,目標在中途切換回原點。
  • 所有規劃都在一台 Intel Core i7 1.8 GHz 筆記型電腦上,以一組固定的成本權重(γacc = γspeed = 1,γgoal = 10,γforce = 5·10⁻⁴,γfeet = 20,γyaw = 1.5)計算,並在真實的 CENTAURO 機器人上執行。

限制

  • 最佳化以離線方式執行,對 10 到 16 s 的時域需要 19 到 98 s;作者將縮短計算時間以實現 MPC 列為未來的工作。
  • 步態序列(一種爬行步態)由人工設定;自動產生步態序列與最佳化抬腿階段的時長留待未來研究。
  • 規劃器中沒有整合感測器;作者將感測器整合(例如用於跨越溝隙)列為未來的工作。
  • 簡化模型假設連桿為剛性、點接觸、全身慣量固定,且關節速度產生的動量可忽略,無法直接考慮關節極限,而且其運動學約束只使用基座的偏航角,適用於相當平坦的地面。
  • 硬體驗證以快照與影片呈現;論文沒有提供真實機器人上量測到的追蹤誤差、速度或能耗數值。

對領域的影響

入圍 Humanoids 2020 最佳口頭論文獎。論文未釋出程式碼或資料;其流程建構在 CasADi、開源求解器 Ipopt、XBotCore、CartesI/O 與 OpenSoT 之上。

摘要

本文針對具可轉向輪的輪腿式四足機器人的混合運動策略生成問題,提出一種軌跡最佳化方法。為此,我們採用傳統的單剛體動力學,並為每條腿加入一個單輪車模型加以擴充,以便納入非完整的滾動約束。所提出的方法能以極少的使用者工作量,產生混合運動策略,以及純輪式行駛與純腿式運動。所提方法的有效性已在人形四足機器人 CENTAURO 上以實驗驗證,實驗中採用一個階層式逆運動學引擎來追蹤規劃出的運動。

連結

  • arXiv 2107.07507: https://arxiv.org/abs/2107.07507
  • DOI 10.1109/HUMANOIDS47582.2021.9555780: https://doi.org/10.1109/HUMANOIDS47582.2021.9555780
  • PDF: https://arxiv.org/pdf/2107.07507v1

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。