本論文では、タスク分布に対して最適化された簡単なモデル(ROM)を自動的に合成するアルゴリズムを提案している。具体的には以下の通り:
ROMMの定義と、その質(コスト)の概念を導入した。ROMMは、埋め込み関数rと簡単な動力学関数gで表される。
タスク分布に対して最適なROMMを見つけるための二重最適化アルゴリズムを提案した。内側の最適化問題では、ROMMを用いた軌道最適化を行い、外側の最適化問題では、ROMMのパラメータを最適化する。
二重最適化アルゴリズムを用いて、双脚ロボットCassieのためのROMMを最適化した。シミュレーションでは、最適化されたROMMを用いることで、関節トルクコストを最大23%削減し、歩行速度を最大54%向上させることができた。実機実験でも、最適化されたROMMを用いることで、関節トルクコストを10%削減できることを示した。
最適化されたROMMを用いたモデル予測制御(MPC)アーキテクチャを提案し、実機実験で実証した。MPCは、ROMMに基づく高位の軌道計画と、全身モデルに基づく低位の軌道追従から構成される。
以上のように、本手法は、脚式ロボットの性能を大幅に向上させることができる。
翻譯成其他語言
從原文內容
arxiv.org
深入探究