[논문 리뷰] Terrain-Aware Foot Placement for Bipedal Locomotion Combining Model Predictive Control, Virtual Constraints, and the ALIP.

Grant Gibson, Oluwami Dosunmu-Ogunbi외 2명|arXiv (Cornell University)|2021. 09. 30.

Robotic Locomotion and Control참고 문헌 29인용 수 5

한 줄 요약

이 논문은 중심질량 역학, 가상 제약 조건, 선형 역진자 모델(LIP)을 사용한 모델 예측 제어(MPC)를 통해 경사 및 불규칙한 지형을 고려한 이족 보행 로봇의 발자국 배치 전략을 제시한다. 네 단계의 MPC에 10ms 내부 단계 역학과 지형 경사/마찰 제약 조건을 통합함으로써, 실내 및 실외 환경에서 캐시(Cassie)를 대상으로 실험적으로 검증된 바와 같이 기울기나 불규칙한 지형에서 안정적이고 민첩한 보행이 가능해진다.

ABSTRACT

This paper draws upon three themes in the bipedal control literature to achieve highly agile, terrain-aware locomotion. By terrain aware, we mean the robot can use information on terrain slope and friction cone as supplied by state-of-the-art mapping and trajectory planning algorithms. The process starts with abstracting from the full dynamics of a Cassie 3D bipedal robot, an exact low-dimensional representation of its centroidal dynamics, parameterized by angular momentum. Under a piecewise planar terrain assumption, and the elimination of terms for the angular momentum about the robot's center of mass, the centroidal dynamics become linear and has dimension four. Four-step-horizon model predictive control (MPC) of the centroidal dynamics provides step-to-step foot placement commands. Importantly, we also include the intra-step dynamics at 10 ms intervals so that realistic terrain-aware constraints on robot's evolution can be imposed in the MPC formulation. The output of the MPC is directly implemented on Cassie through the method of virtual constraints. In experiments, we validate the performance of our control strategy for the robot on inclined and stationary terrain, both indoors on a treadmill and outdoors on a hill.

연구 동기 및 목표

• 이족 로봇이 실시간으로 지형 경사와 마찰 조건에 발자국을 적응시킬 수 있도록 하는 것.
• 동적 보행 중 불규칙하거나 기울어진 지형에서 안정성과 민첩성을 유지하는 데 도전하는 문제를 해결하는 것.
• 고정밀 내부 단계 역학을 저차원 MPC 프레임워크에 통합하여 제어 정확도를 향상시키는 것.
• 가상 제약 조건을 활용해 궤도 계획과 실시간 제어 사이의 격차를 메우며, 물리적 로봇에 직접 구현할 수 있도록 하는 것.
• 실세계 이족 로봇(Cassie)을 대상으로 다양한 지형에서 제어 전략을 검증하는 것 — 실내 트레드밀과 실외 언덕 포함

제안 방법

• 조각별 평면 지형 가정 하에 캐시 로봇의 전체 3차원 역학을 네 차원 선형 중심질량 역학 모델로 요약한다.
• 각운동량을 사용하여 중심질량의 각운동량 관련 항목을 제거함으로써 모델을 단순화하는 방식으로 중심질량 역학을 매개변수화한다.
• 10ms 해상도의 내부 단계 역학을 포함한 네 단계 예측 수렴 시간의 모델 예측 제어(MPC) 공식을 구현한다.
• 최신 맵핑 및 계획 알고리즘에서 유래한 데이터를 활용해 MPC 최적화 과정에 지형 특화 제약 조건(예: 경사, 마찰 원)을 통합한다.
• MPC가 생성한 발자국 배치 명령을 가상 제약 조건 방법을 통해 관절 궤적으로 변환하여 캐시 로봇에서 직접 실행한다.
• 선형 역진자 모델(LIP)을 사용해 MPC 프레임워크 내에서 안정적이고 주기적인 보행 패턴을 생성한다.

실험 결과

연구 질문

• RQ1 어떻게 이족 로봇이 실시간 지형 피드백을 활용하여 기울기나 불규칙한 지형에서 안정적이고 민첩한 보행을 달성할 수 있는가?
• RQ2 내부 단계 해상도를 갖춘 저차원 중심질량 역학 모델은 지형 인식 보행에서 제어 성능을 얼마나 향상시킬 수 있는가?
• RQ3 MPC와 가상 제약 조건을 통합함으로써 복잡한 지형에서 안정적이고 실시간 발자국 배치를 달성할 수 있는가?
• RQ4 다양한 지형 조건 간 전환 시 균형과 보행 안정성을 유지하는 데에 제안된 방법이 얼마나 효과적인가?
• RQ5 실세계 로봇에서 다양한 환경(실내 트레드밀과 실외 언덕 포함)에서 제어 전략의 성능은 어떠한가?

주요 결과

• 제안된 MPC 기반 제어 전략은 캐시가 기울기나 불규칙한 지형, 실외 언덕에서도 안정적으로 보행할 수 있도록 성공적으로 가능하게 했다.
• MPC 공식에 10ms 내부 단계 역학을 통합함으로써 지형 제약 조건을 정밀하게 이행할 수 있었으며, 안정성과 적응성 향상에 기여했다.
• MPC 프레임워크에 지형 경사와 마찰 원 정보를 통합함으로써 더 현실적이고 안전한 발자국 배치 결정이 가능해졌다.
• 가상 제약 조건의 사용 덕분에 MPC가 생성한 궤적을 물리적 캐시 로봇에 직접적으로 안정적으로 실행할 수 있었다.
• 실내 트레드밀 보행과 실외 언덕 등반 환경에서 모두 뛰어난 성능을 보였다.
• 네 단계의 MPC 예측 수렴 시간은 보행 안정성을 유지하면서도 지형 변화에 민첩하게 대응할 수 있는 충분한 예측 능력을 제공했다.