fbpx
  • Исследователи из Оксфорда представили алгоритм поиска точки опоры для четвероногих роботов

    траектория робота

    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

    планировщик
    Этапы планировщика

    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.

    положение конечностей
    а) Риск столкновения в) Недоступно с) Правильная позиция

    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:

     Ровная поверхность с небольшим изменением высоты и препятствия
    1) Ровная поверхность с небольшим изменением высоты и препятствия
    Ровная поверхность, но с большим изменением высоты
    2) Ровная поверхность, но с большим изменением высоты
    Неровная поверхность с большим перепадом высот
    3) Неровная поверхность с большим перепадом высот

    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.