[논문 리뷰] Data Driven Computational Model for Bipedal Walking and Push Recovery

Vijay Bhaskar Semwal|arXiv (Cornell University)|2017. 01. 01.

Gait Recognition and Analysis참고 문헌 64인용 수 21

한 줄 요약

이 논문은 인간의 운동 데이터에서 유도된 관절 궤적을 생성하기 위해 하이브리드 오토마타와 세포자기모형을 사용하는 데이터 기반 계산 모델을 제시한다. 고차원의 유형-1 퍼지 논리 제어기를 통해 안정적인 보행과 효과적인 밀치기 복구를 달성하였으며, 시뮬레이션 및 실제 인간 데이터를 기반으로 검증되어 궤적 예측과 힘 반응에서 높은 정확도를 보였다.

ABSTRACT

In this research, we have developed the data driven computational walking model to overcome the problem with traditional kinematics based model. Our model is adaptable and can adjust the parameter morphological similar to human. The human walk is a combination of different discrete sub-phases with their continuous dynamics. Any system which exhibits the discrete switching logic and continuous dynamics can be represented using a hybrid system. In this research, the bipedal locomotion is analyzed which is important for understanding the stability and to negotiate with the external perturbations. We have also studied the other important behavior push recovery. The Push recovery is also a very important behavior acquired by human with continuous interaction with environment. The researchers are trying to develop robots that must have the capability of push recovery to safely maneuver in a dynamic environment. The push is a very commonly experienced phenomenon in cluttered environment. The human beings can recover from external push up to a certain extent using different strategies of hip, knee and ankle. The different human beings have different push recovery capabilities. For example a wrestler has a better push negotiation capability compared to normal human beings. The push negotiation capability acquired by human, therefore, is based on learning but the learning mechanism is still unknown to researchers. The research community across the world is trying to develop various humanoid models to solve this mystery. Seeing all the conventional mechanics and control based models have some inherent limitations, a learning based computational model has been developed to address effectively this issue. In this research we will discuss how we have framed this problem as hybrid system.

연구 동기 및 목표

• 기존의 운동학 기반 모델의 한계를 극복하는 데이터 기반 계산 모델을 개발하는 것.
• 하이브리드 시스템과 세포자기모형을 활용해 인간의 보행과 밀치기 복구를 모델링하여 상태 예측 및 궤적 생성을 수행하는 것.
• 다양한 힘 크기와 방향에 적응 가능한 계산 효율성이 높은 계층적 퍼지 논리 제어기를 설계하는 것.
• 자체 제작한 착용형 장치를 통해 캡처한 실제 인간 운동 데이터를 기반으로 모델을 검증하고, 시뮬레이션 및 로봇 플랫폼과 비교하는 것.

제안 방법

• 이착지 보행의 이산적 전환과 연속적 역학을 표현하기 위해 7개의 하위상태를 포함한 하이브리드 오토마타 모델을 개발하였다.
• HMCD 및 HLPRDCD 장치를 통해 캡처한 인간 운동 데이터에서 유도된 벡터 필드를 이용해 6개의 관절(허리, 무릎, 발목)의 관절 궤적을 생성하였다.
• 16개의 규칙과 4비트 스트림 표현을 사용한 세포자기모형을 적용하여 보행 상태 전이를 모델링하였으며, 최소한의 오차로 상태 예측이 가능하였다.
• 딥 뉴럴 네트워크를 사용해 밀치기 복구 데이터를 분류하고, 다른 기계 학습 기법과 비교하여 강건성을 확보하였다.
• 외부 교란에 대한 신속하고 일반화된 반응을 가능하게 하며 계산 부하를 줄이는 계층적 유형-1 퍼지 논리 제어기를 설계하였다.
• OpenSim gait 2354 및 HOAP2 로봇 시뮬레이션을 기반으로 모델을 검증하였으며, 관절 궤적 출력 결과를 실제 인간 데이터와 비교하였다.

실험 결과

연구 질문

• RQ1 하이브리드 시스템 모델링을 통해 데이터 기반 계산 모델이 인간의 이착지 보행 역학을 얼마나 정확하게 재현할 수 있는가?
• RQ2 최소한의 계산 비용으로 정확도를 유지하면서 보행 상태 전이를 최적화해 모델링할 수 있는 방법은 무엇인가?
• RQ3 계산 부하를 최소화하면서도 신속하고 일반화된 밀치기 복구 반응을 가능하게 하기 위해 퍼지 논리 제어기를 어떻게 구성할 수 있는가?
• RQ4 유사한 형태를 가진 로봇 플랫폼으로 인간 데이터에서 유도된 관절 궤적을 얼마나 잘 전이시킬 수 있는가?
• RQ5 다양한 힘 크기와 방향이 밀치기 복구 시 관절 각도 반응에 미치는 영향은 무엇이며, 모델이 이러한 반응을 예측할 수 있는가?

주요 결과

• 데이터 기반 하이브리드 오토마타 모델은 인간 운동 데이터에 높은 유사도를 보이며, 7개의 보행 하위상태에서 모든 6개의 관절(허리, 무릎, 발목)에 대해 궤적을 성공적으로 생성하였다.
• 세포자기모형은 16개의 규칙와 4비트 스트림 표현을 사용해 정확한 보행 상태 예측을 달성하였으며, 수용 가능한 오차 범위 내에서 실시간 상태 추적을 가능하게 하였다.
• 계층적 유형-1 퍼지 논리 제어기는 신속한 적응과 낮은 계산 부하를 보이며, 다양한 힘 크기(0–12 N)에 대해 적절한 복구 전략을 효과적으로 예측하였다.
• 모델의 관절 궤적은 HOAP2 로봇에 성공적으로 적용되어 실세계 구현 가능성의 타당성을 입증하였다.
• OpenSim gait 2354와의 검증을 통해 다양한 운동 단계에서 생성된 궤적이 일관성 있고 정확함을 확인하였다.
• 퍼지 제어기는 다양한 피험자와 힘 방향에 대해 일반화 가능했으며, 특히 큰 힘에 대한 관절 각도 범위(예: 허리: 14.1°에서 -0.9°)가 관찰된 인간 반응과 일치함을 확인하였다.