[论文解读] Efficient Anytime CLF Reactive Planning System for a Bipedal Robot on Undulating Terrain

Jiunn-Kai Huang, Jessy W. Grizzle|arXiv (Cornell University)|Aug 15, 2021

Robotic Path Planning Algorithms参考文献 56被引用 8

一句话总结

本文提出了一种用于非结构化地形上的双足机器人反应式规划系统，结合每秒5次的任意时间RRT*规划器与全向控制李雅普诺夫函数（CLF），实现平滑、实时的运动。该系统通过将路径点跟踪替换为反馈向量场，实现了在起伏不平的室内外地形上的稳定、连续行走，已在具备20个自由度的Cassie Blue机器人上成功验证。

ABSTRACT

We propose and experimentally demonstrate a reactive planning system for bipedal robots on unexplored, challenging terrains. The system consists of a low-frequency planning thread (5 Hz) to find an asymptotically optimal path and a high-frequency reactive thread (300 Hz) to accommodate robot deviation. The planning thread includes: a multi-layer local map to compute traversability for the robot on the terrain; an anytime omnidirectional Control Lyapunov Function (CLF) for use with a Rapidly Exploring Random Tree Star (RRT*) that generates a vector field for specifying motion between nodes; a sub-goal finder when the final goal is outside of the current map; and a finite-state machine to handle high-level mission decisions. The system also includes a reactive thread to obviate the non-smooth motions that arise with traditional RRT* algorithms when performing path following. The reactive thread copes with robot deviation while eliminating non-smooth motions via a vector field (defined by a closed-loop feedback policy) that provides real-time control commands to the robot's gait controller as a function of instantaneous robot pose. The system is evaluated on various challenging outdoor terrains and cluttered indoor scenes in both simulation and experiment on Cassie Blue, a bipedal robot with 20 degrees of freedom. All implementations are coded in C++ with the Robot Operating System (ROS) and are available at https://github.com/UMich-BipedLab/CLF_reactive_planning_system.

研究动机与目标

• 解决传统基于RRT*的路径跟踪在双足机器人中因路径切换导致的非平滑运动问题。
• 实现在未探索、具有挑战性的地形上的自主导航，目标点位于机器人初始局部地图之外。
• 开发一种反应式控制策略，确保在机器人偏离路径及环境动态不确定性下仍能保持连续、稳定运动。
• 集成有限状态机以实现高层任务决策，如在交叉路口处转向。
• 弥合理论运动规划与物理双足机器人实际部署之间的差距，后者存在执行器和传感限制。

提出的方法

• 构建多层、以机器人为中心的局部地图（2.5D网格），实现实时地形可通行性计算。
• 设计具有闭式解的全向控制李雅普诺夫函数（CLF），以引导RRT*生成渐近最优路径。
• 将CLF用作RRT*中的导向函数，并在CLF流形上使用距离度量，以考虑双足机器人中横向行走的成本。
• 引入热启动机制：保留先前最优路径作为分支，并固定首个未到达的路径点，以确保规划更新之间的连续性。
• 部署高频（300 Hz）反应式线程，基于瞬时机器人位姿使用闭环反馈策略生成实时控制指令。
• 集成有限状态机以管理高层决策，如子目标选择和在交叉路口的转向行为。

实验结果

研究问题

• RQ1 如何使运动规划系统在双足机器人上实现平滑、连续的运动，避免在路径切换期间出现突然的加速度或方向变化？
• RQ2 在目标点最初不在机器人局部地图范围内的条件下，规划系统如何在保持稳定性和最优性的同时处理远距离目标？
• RQ3 能否为双足机器人设计一种用于全向行走的控制李雅普诺夫函数（CLF），以适应不对称的步态成本（例如横向运动成本更高）？
• RQ4 反应式规划系统如何在每5 Hz的重规划周期下保持连续性，并避免出现走走停停的行为？
• RQ5 基于CLF的反馈控制的混合规划-反应系统，在多大程度上能够实现真实世界非结构化地形上的鲁棒、自主导航？

主要发现

• 所提出的系统通过在规划更新中保留首个未到达的路径点，成功消除了Cassie Blue中的走走停停运动，确保了CLF向量场的连续性。
• 该系统在Cassie Blue上实现了在十个具有挑战性的室外地形和杂乱室内环境中的完全自主导航，包括正弦波起伏的场地和多层建筑走廊。
• 使用闭式解CLF及CLF流形上的距离度量，实现了高效、渐近最优的路径生成，同时尊重了机器人固有的步态约束，如横向移动成本更高。
• 以300 Hz运行的反应式线程提供了实时反馈控制，消除了基于RRT*规划器在路径点切换时通常引发的非平滑运动。
• 有限状态机的集成实现了对高层决策（如在交叉路口转向）的稳健处理，提升了任务级自主性。
• 该系统已在仿真和硬件平台上得到验证，所有代码与结果已公开发布于 https://github.com/UMich-BipedLab/CLF_reactive_planning_system。