[论文解读] Humanoid Path Planning over Rough Terrain using Traversability Assessment

Stephen McCrory, Bhavyansh Mishra+4 more|arXiv (Cornell University)|Mar 1, 2022

Robotic Locomotion and Control被引用 4

一句话总结

本文提出了一种两阶段仿人路径规划框架，利用2.5D高度图在复杂地形上生成平滑、可通行且无碰撞的路径。该方法结合A*搜索与一种新颖的双足步态感知代价函数，以及基于梯度的优化，以提升路径质量，在模拟和真实地形上均通过DRC Atlas机器人展示了鲁棒的导航能力。

ABSTRACT

We present a planning framework designed for humanoid navigation over challenging terrain. This framework is designed to plan a traversable, smooth, and collision-free path using a 2.5D height map. The planner is comprised of two stages. The first stage consists of an A* planner which reasons about traversability using terrain features. A novel cost function is presented which encodes the bipedal gait directly into the graph structure, enabling natural paths that are robust to small gaps in traversability. The second stage is an optimization framework which smooths the path while further improving traversability. The planner is tested on a variety of terrains in simulation and is combined with a footstep planner and balance controller to create an integrated navigation framework, which is demonstrated on a DRC Boston Dynamics Atlas robot.

研究动机与目标

• 解决在非结构化、复杂地形（含障碍物、缝隙和不平整表面）中实现仿人机器人自主导航的挑战。
• 开发一种反映双足步行生物力学特性的路径规划器，以生成自然、稳定且安全的路径。
• 将路径规划器与步态规划器及平衡控制器集成，实现在真实仿人机器人上的端到端导航。
• 通过两阶段方法提升路径质量：首先使用步态感知代价函数的A*搜索，随后进行基于梯度的平滑优化。
• 在仿真与硬件实验中，验证对传感器噪声和真实地形变化的鲁棒性。

提出的方法

• 使用2.5D高度图作为输入，表示地形几何结构，以支持路径规划中的高效空间推理。
• 在采样图上实施A*搜索，其中每个节点包含基于地形坡度、粗糙度和轮廓特征的可通行性代价。
• 设计一种新颖的代价函数，将双足步态约束直接编码到图结构中，优先选择稳定、自然的行走路径。
• 引入轮廓代价项，以鼓励路径避开地形边缘风险，并优先选择稳定、居中的落脚点。
• 使用梯度下降优化方法对初始A*路径进行平滑处理，进一步提升可通行性并减少急转弯。
• 通过LIDAR数据的平面区域分割，将路径规划器与实时步态规划器及平衡控制器集成。

实验结果

研究问题

• RQ1 如何在基于图的搜索中有效编码双足步态动力学，以生成自然且稳定的路径？
• RQ2 可通行性度量（如坡度、粗糙度和轮廓特征）在不平整且障碍物密集的地形上，能在多大程度上提升路径质量？
• RQ3 两阶段规划流程（A*后接基于梯度的平滑）是否能生成比单独使用A*更平滑、更具可通行性的路径？
• RQ4 在真实环境中存在传感器噪声和状态估计漂移的情况下，该规划器表现如何？
• RQ5 该路径规划器能否作为真实仿人机器人完整导航系统中低层步态规划器的有效启发式函数？

主要发现

• 所提出的规划器在仿真与硬件实验中，均成功生成了平滑、无碰撞且可通行的路径，覆盖了坡道、台阶、炉渣块和踏石等多种复杂地形。
• 引入步态感知代价函数显著提升了路径质量，通过优先选择稳定、居中的落脚点并减少靠近边缘的路径，尤其在不平整地面上效果明显。
• 轮廓代价项有效引导机器人沿斜坡底部上下行进，而非切角而行，从而增强了行走稳定性。
• 与IHMC平衡控制器及步态规划器的集成，使DRC Atlas机器人成功实现了导航，尽管存在传感器噪声，实际执行的步态仍紧密跟随规划路径。
• 路径规划器对微小地形变化和传感器漂移表现出鲁棒性，表现为机器人即使在踏石路径略微偏离理想中心线时，仍能维持稳定步态。
• 两阶段方法（A*后接基于梯度的平滑）相比原始A*输出，生成了更平滑的轨迹，显著减少了急转弯并提升了可通行性。