Core Concepts
階層最適化ベースの制御フレームワークを使用して、重い物体との相互作用を考慮した全身ロコマニピュレーションを実現する。
Abstract
レゴット・ロボティクスにおける新しい枠組みの提案。
オンライン操作計画者が操作力と操作対象タスクベースの参照軌道を計算。
姿勢最適化は、ロボットの軌道を運動学的制約と整合させる。
結果的なロボット参照軌道は、望ましい操作力を予測モデルに組み込む線形MPCコントローラで実行される。
実験結果では、カスタム製造されたロボットアームを備えたUnitree Aliengoが8kgの荷重を持ち上げ、扉を操作する能力を示す。
制御システム概要
非線形MPCプランナーが使用されており、CoM、肢、および力のリアルタイム軌道を計算。
Pose Optimizationはオブジェクト状態と操作力からロボットセントラルな状態とダイナミクスに変換。
オブジェクトマニピュレーションプランナー
必要な操作アクションを計算するために使用される線形MPC構造。
操作タスクごとにオブジェクト状態と最適化された操作力が指定される。
協調した全身姿勢最適化
オブジェクトマニピュレーションプランナーから出力されたオブジェクトトラジェクトリがPose Optimizationフェーズで重要な役割。
全身ロコマニピュレーションMPC
重い物体の取り扱いに焦点を当てたLoco-Manipulation Model Predictive Controller(MPC)の公式化。
結果
提案手法はシミュレーションと実際の実験で有効性が証明されており、8kgの物体を持ち上げたり扉を開けたりすることが可能。
Stats
この作業はNational Science Foundation Grant IIS-2133091から一部支援されました。
Quotes
"Legged robots have garnered increasing attention for their potential to perform versatile locomotion tasks across challenging terrains."
"Recent studies have adopted a unified non-linear loco-manipulation framework, such as [35] and [36]."
"Our approach integrates elements from Model Predictive Control (MPC) and pose optimization to synthesize a control strategy that coordinates locomotion and manipulation."