Исследователи из Оксфорда представили алгоритм для выбора точек опоры для анималистичных роботов. Алгоритм разделяет задачу на два этапа: сначала создаётся траектория, а потом соприкосновение по этой траектории.
Принцип работы
Сначала алгоритм анализирует среду, чтобы извлечь набор потенциальных мест, подходящих для опоры. Затем планирование разбивается на две подзадачи, сначала идёт вычисление траектории, а потом соприкосновение с поверхностью.
Такое решение позволяет значительно облегчить задачу: после определения траектории каждая конечность рассматриваеться отдельно.
Эксперимент
Все показанные траектории были получены с помощью HPP, использованные здесь параметры можно найти на https://github.com/Mathieu-Geisert/hpp-rbprm и https://github.com/Mathieu-Geisert/hpp-rbprm-corba.
Тестируемый робот будет двигаться по постоянно усложняющейся плоскости:
Планировщик позволил роботу передвигаться по всем поверхностям. По сравнению с другими версиями алгоритма этот не предлагает резких смен направления.
Следующая таблица показывает вероятность успеха на разных поверхностях:
Генерация полного плана контактов с поверхностью в среднем занимает менее 7 секунд на 50 шагов в среде с разными поверхностями.
Большое количество сбоев происходило из-за того, что робот не учитывает окружающую среду при вычислении траектории ног.
Заключение
Представленный алгоритм оказался эффективным для четвероногих роботов, а благодаря своей гибкости он может подстраиваться под любого робота данного типа. Единственная проблема — среда в динамическом моделировании, из-за низкого успеха робот всё ещё не может быть полностью автоматизирован. Но это проблема контроллера, а не алгоритма.
Контроллер, отвечающий за генерацию движения тела и управление центром масс, иногда не может найти траекторию для связи последовательностей конфигурации. Более совершенный контроллер позволил бы вычислить динамическое движение CoM и привёл к надежному выполнению последовательности контактов с поверхностью.
