[论文解读] IK-PSO, PSO Inverse Kinematics Solver with Application to Biped Gait Generation

Nizar Rokbani, Adel M. Alimi|arXiv (Cornell University)|Dec 8, 2012

Robotic Locomotion and Control参考文献 17被引用 10

一句话总结

本文提出IK-PSO，一种基于粒子群优化（PSO）的逆运动学求解器，通过使用倒立摆模型针对质心（COM）来生成稳定的双足步态。该方法通过适应度函数强制执行关节约束和稳定性，成功实现了小型双足机器人平稳、稳定的步态规划。

ABSTRACT

This paper describes a new approach allowing the generation of a simplified Biped gait. This approach combines a classical dynamic modeling with an inverse kinematics' solver based on particle swarm optimization, PSO. First, an inverted pendulum, IP, is used to obtain a simplified dynamic model of the robot and to compute the target position of a key point in biped locomotion, the Centre Of Mass, COM. The proposed algorithm, called IK-PSO, Inverse Kinematics PSO, returns and inverse kinematics solution corresponding to that COM respecting the joints constraints. In This paper the inertia weight PSO variant is used to generate a possible solution according to the stability based fitness function and a set of joints motions constraints. The method is applied with success to a leg motion generation. Since based on a pre-calculated COM, that satisfied the biped stability, the proposal allowed also to plan a walk with application on a small size biped robot.

研究动机与目标

• 开发一种适用于双足机器人的鲁棒逆运动学求解器，以确保在行走过程中的动态稳定性。
• 将粒子群优化（PSO）与简化动力学模型相结合，以计算可行的关节构型。
• 在优化过程中强制执行关节运动约束和稳定性准则。
• 通过预计算的质心轨迹，为小型双足机器人生成稳定的行走步态。
• 在真实或仿真双足机器人平台上验证该方法，获得实际的运动规划结果。

提出的方法

• 采用倒立摆（IP）模型，推导出双足行走的简化动力学表示。
• 基于倒立摆动力学计算质心（COM）的目标位置，以确保稳定性。
• 采用带有惯性权重的PSO变体，搜索满足关节约束的逆运动学解。
• 基于稳定性的适应度函数引导PSO算法，寻找在步态过程中保持平衡的解。
• 在优化过程中显式编码关节运动约束，以确保物理可行性。
• 该算法生成满足所需COM位置且符合机械限制的可行关节角轨迹。

实验结果

研究问题

• RQ1 如何有效应用粒子群优化来求解具有稳定性约束的双足机器人的逆运动学问题？
• RQ2 简化的倒立摆模型能否准确引导稳定双足行走的COM轨迹？
• RQ3 什么样的适应度函数设计能够确保PSO-based逆运动学中的稳定性和关节可行性？
• RQ4 与传统逆运动学方法相比，IK-PSO方法在双足步态的稳定性与收敛性方面表现如何？
• RQ5 所提出的方法能否在仿真或实际应用中为小型双足机器人生成稳定且可行的步态？

主要发现

• IK-PSO方法通过基于倒立摆模型推导的COM轨迹，成功生成了稳定的双足步态。
• 在PSO中使用基于稳定性的适应度函数，确保了所有生成解均保持动态平衡。
• 关节约束得到有效执行，生成了物理上可行的关节角轨迹。
• 该方法在小型双足机器人平台上实现了实时步态规划的可行性。
• 该算法在合理数量的迭代内实现收敛，表明其计算效率较高。
• 该方法能够生成平滑、稳定的行走模式，而无需复杂的优化或迭代求解器。