Core Concepts
Ein datengesteuerter Ansatz zur Schätzung des Schwerpunktzustands von Beinrobotern, der die nichtlineare Dynamik durch eine lineare Koopman-Einbettung approximiert und in einem Moving Horizon Schätzer integriert.
Abstract
In dieser Studie wird ein neuartiger Ansatz zur Schätzung des zentroidalen Zustands von Beinrobotern vorgestellt, der die Koopman-Operator-Theorie nutzt, um die komplexe nichtlineare Dynamik in ein lineares System zu überführen. Dazu werden zwei Methoden verwendet - Dynamic Mode Decomposition (DMD) und Deep Learning Koopman (DLK).
Die Leistungsfähigkeit der erlernten linearen Modelle wird hinsichtlich Linearisierungsgenauigkeit und Fähigkeit, schnelle und langsame Systemantworten zu erfassen, evaluiert. Das am besten geeignete Modell wird dann in einen Moving Horizon Schätzer integriert, um eine robuste und echtzeitfähige Schätzung des zentroidalen Zustands zu ermöglichen.
Umfangreiche Simulationsexperimente an einem Quadrupeden-Roboter, der verschiedene dynamische Gangarten ausführt, zeigen, dass der datengetriebene Ansatz konventionelle Filterungstechniken auf Basis nichtlinearer Dynamik übertrifft. Der Schätzer adressiert die Herausforderungen, die durch Mess- und Kraftsensorrauschenin hochdynamischen Bewegungen entstehen, und kann die zentroidalen Zustände genau rekonstruieren. Bemerkenswert ist, dass das auf DMD basierende Modell, das mit zwei Bewegungsmustern (Trab und Sprung) trainiert wurde, die zentroidalen Zustände für eine andere Bewegung (Binden) ohne Neutrainierung schätzen kann.
Stats
Die Wurzel der mittleren quadratischen Abweichung (RMSE) der Vorhersage der Zentroidalzustände über einen Horizont von 500 Schritten beträgt für das DLK-Modell über alle Zustände hinweg weniger als 0,1, während das DMD-Modell teilweise Werte über 0,1 aufweist.
Quotes
"Unser datengetriebener Schätzer zeigte eine überlegene Leistung gegenüber der traditionellen EKF-Methode in umfangreichen Simulationen an einem Quadrupeden-Roboter und erwies sich als robust gegenüber Rauschen in den Kraft-/Drehmoment-Sensordaten sowie in der Lage, die zentroidale Dynamik über verschiedene dynamische Gangarten hinweg genau zu erfassen."