Khái niệm cốt lõi
本稿では、深層学習を用いた人間らしい歩行動作生成と、モデルベース制御による動的な安定性確保を組み合わせた、新たなヒューマノイドロボットの歩行制御アーキテクチャを提案する。
Tóm tắt
オンラインDNN駆動非線形MPCによる、ステップ調整を伴う人間らしい歩行スタイルを実現するヒューマノイドロボットの制御
本稿では、深層学習とモデルベース制御を組み合わせた、オンラインステップ調整機能を備えた人間らしい歩行スタイルを実現する、ヒューマノイドロボットのための3層アーキテクチャを提案する。
3層アーキテクチャ
軌道生成層:
自己回帰型深層ニューラルネットワーク (DNN) を用いて、人間の動作キャプチャデータから学習した歩行軌道を生成する。
具体的には、Mode-Adaptive Neural Networks (MANN) を採用し、人間の自然な歩行パターンをロボットに転移する。
軌道調整層:
モデル予測制御 (MPC) を用いて、DNNが生成した軌道に基づき、動的に実現可能な接触位置と接触力を計算する。
ロボットの重心位置や角運動量などの状態をフィードバックすることで、外乱に対する安定性を向上させる。
接触位置の調整には、ロボットの運動学的制約を満たすように、制御バリア関数を用いた最適化問題を解く。
軌道制御層:
軌道調整層で計算された接触位置と接触力に基づき、ロボットの関節角度軌道を生成する。
CoM-ZMPコントローラ、スイングフットプランナー、QP-逆運動学 (IK) を用いて、ロボットの関節を制御する。
実験と評価
身長160cm、体重56kgのヒューマノイドロボット「ergoCub」を用いて、提案手法の有効性を検証した。
実験では、ロボットに最大68Nの衝撃的な外乱を加え、歩行安定性を評価した。
結果として、提案手法はロボットの転倒を防止し、人間らしい歩行スタイルを再現しながら、外乱に耐えられることを示した。