Keskeiset käsitteet
離散時間バリア関数を使用して、頑健な歩行ゲイトを合成する方法を提案し、マルチコンタクトエクソスケルトンでの実験的な結果を示す。
Tiivistelmä
ロボット工学における歩行安定性と頑健性の重要性が強調されている。
歩行ロボットにおける頑健な歩行ゲイト合成手法が提案されている。
離散時間バリア関数を使用して、前進不変集合を最大化するセットを近似する手法が説明されている。
シミュレーションインザループ学習フレームワークがどのように利用され、実験的に成功した結果が示されている。
フラットフットおよびマルチコンタクトウォーキングで提案手法が実証されている。
安定性と頑健性を最適化するための異なるアプローチが比較されている。
I. 導入
人型ロボットの普及に伴い、ロボティック二足歩行技術への注目度が高まっている。
現実世界での不確実性やランダムな干渉に対処しながら、安定した二足歩行を達成することは依然として困難である。
II. ロコモーション準備事項
歩行は連続ダイナミクス(スイングフェーズ中)と離散ダイナミクス(スイングフット衝撃時)が存在するため、混合制御システムとしてモデル化されやすい。
III. 頑健な歩行 via ハイブリッド前進不変性
HZDメソッドにより生成された歩容は安定しているものの、その耐久性レベルを特徴付ける方法は限られていた。
離散時間システム向けバリア関数を使用して、完全オーダーモデルから削減表現へ移行し、前進不変性を認証する方法が提示されている。
IV. 結果
A. 実装詳細
FROST(Fast Robot Optimization and Simulation Toolkit)を使用してゲート生成が選択されたパラメータ制約でパラメータ化された7次B´ezier多項式でパラメータ化された姿勢軌道上で追跡させられた。
B. フラットフットウォーキング
最も耐久性が高く評価された姿勢に関連付けられた不変セットは図5に示されています。また、実験データを使用した離散時間バリア関数評価も図6に示されています。
C. マルチコンタクトウォーキング
最も耐久性が高く評価された姿勢に関連付けられた不変セットは図5に示されています。また、実験データを使用した離散時間バリア関数評価も図6に示されています。
D. 安定性最適化と比較
安定性向上だけではなく耐久性も考慮した提案手法は現実世界で有効であったことが示唆されています。
V. 結論
離散時間バリア関数を利用した頑健な歩行ゲイト合成手法は成功裏に検証されました。
今後は耐久性以外でも重要な指標(例:利用者快適さ)と組み合わせることが検討課題です。
Tilastot
この記事では重要な数字や指標は含まれておりません。