Bi-Level Optimization for Contact and Motion Planning in Rope-Assisted Legged Robots

إليك ملخص تقني مفصل لورقة البحث بعنوان: "التحسين ثنائي المستوى للتخطيط للاتصال والحركة في الروبوتات ذات الأرجل بمساعدة الحبال."

1. بيان المشكلة

تتناول الورقة تحدي تخطيط التنقل للروبوتات ذات الأرجل التي تتسلق الأسطح الرأسية أو شديدة الانحدار باستخدام الحبال. وبينما تسمح الحبال بالوصول إلى مناطق لا يمكن الوصول إليها بخلاف ذلك، إلا أنها تفرض تعقيداً كبيراً في التخطيط والتحكم بسبب:

• نقص التفعيل (Underactuation): توتر الحبل أحادي الجانب (الحبال يمكنها السحب ولكن لا يمكنها الدفع)، كما أن الجاذبية تحد من الحركة الجانبية.
• الطبيعة المختلطة (Mixed-Integer Nature): تتطلب المشكلة اختيار مواقع الاتصال المنفصلة (أين تهبط) وتحسين مدخلات التحكم المستمرة (توتر الحبال، قوى الأرجل، توقيت القفز) في آن واحد.
• القيود البيئية: يجب على الروبوت التنقل في تضاريس معقدة وغير مستوية (مثل جدران صخرية بها نتوءات، شقوق، وعوائق) مع الالتزام بحدود الأجهزة المادية (حدود التفعيل، مخاريط الاحتكاك).

تعتمد الطرق الحالية إما على تخفيفات الاتصال الضمني (ثقيلة حاسوبياً) أو التوصيف الصريح (تعقيد أسي مع مرشحي الاتصال). تقترح هذه الورقة حلاً مخصصاً لروبوتات القفز بمساعدة الحبال يوازن بين الكفاءة الحسابية والجدوى الديناميكية.

2. المنهجية

يقترح المؤلفون إطار عمل للتحسين ثنائي المستوى يفصل عملية اتخاذ القرار المنفصل (جدولة الاتصال) عن تحسين المسار المستمر.

أ. منصة الروبوت (ALPINE)

تم التحقق من صحة إطار العمل باستخدام منصة ALPINE، وهي منصة مبتكرة تتميز بـ:

• حبلين: متصلين بمراسي ثابتة، يتم لفهما وفكهما بشكل مستقل بواسطة محركات الرفع.
• رجل منشورية: تبدأ القفزات عن طريق دفع الروبوت بعيداً عن الجدار.
• أرجل الهبوط: نوابض التوائية سلبية لتبديد الطاقة الحركية.
• مروحة خلفية: لتصحيح أخطاء التتبع في الاتجاه العمودي على مستوى الحبل أثناء الطيران.
• النموذج: تم استخدام نموذج مبسط ذو 3 درجات حرية (3-DOF) للتخطيط، بافتراض بقاء الحبال مشدودة وتركيز الكتلة عند مركز الكتلة (CoM)، مما يلغي القيود الهولونومية عبر الإحداثيات المعممة ($\psi, l_1, l_2$).

ب. توليد خريطة التكلفة

يتم إنشاء خريطة تكلفة التضاريس من خريطة ارتفاع (سحابة نقاط) لتوجيه اختيار الرقع:

• المرشحات: الميل (المشتقات من الدرجة الأولى)، الخشونة (المشتقات من الدرجة الثانية)، والعمق (معاقبة المناطق العميقة داخل المرساة الرأسية).
• تقسيم الرقع: يتم تقسيم البيئة إلى رقع منفصلة. لكل رقعة درجة جودة بناءً على مزيج خطي من المرشحات.

ج. مخطط التحسين ثنائي المستوى

يتكون الخوارزم الأساسي من حلقة خارجية وحلقة داخلية:

1. الحلقة الخارجية: جدولة الاتصال (طريقة التباين - CEM)

• الهدف: تحديد عدد القفزات ($n$) وتسلسل رقع الهبوط ($\pi$).
• المنهج: يستخدم طريقة التباين (Cross-Entropy Method - CEM) التي لا تعتمد على التدرج (gradient-free) وتتعامل مع الصندوق الأسود للتعامل مع المتغيرات الصحيحة المنفصلة.
• العملية:
  • يأخذ عينات من الحلول المرشحة (عدد القفزات ومعرفات الرقع) من توزيع احتمالي فئوي.
  • يقيم المرشحين بناءً على دالة تكلفة $F(D)$.
  • يحدث التوزيع الاحتمالي بناءً على العينات "النخبوية" (الأفضل أداءً) للتقارب نحو التسلسلات المثلى.
• دالة التكلفة: تجمع بين متوسط تكلفة التضاريس للرقع المختارة ونتيجة الحلقة الداخلية (استهلاك الطاقة + عقوبة التقارب).

2. الحلقة الداخلية: تحسين المسار (البرمجة غير الخطية)

• الهدف: حساب مسارات القفز الممكنة ديناميكياً وتحسين إحداثيات الهبوط الدقيقة داخل الرقع المختارة.
• المنهج: تمت صياغته كمسألة تحكم أمثل غير خطي (OCP) تم تحويلها إلى برنامج غير خطي (NLP).
• المتغيرات:
  • الحالات: الإحداثيات المعممة ($\psi, l_1, l_2$) وسرعاتها.
  • التحكم: قوى الحبال ($f_{rl}, f_{rr}$) ونبض الرجل ($f_{leg}$).
  • متغيرات القرار: مدة القفزة ($t_f$) وموضع الهبوط داخل الرقعة.
• القيود:
  • الديناميكا: ديناميكا الروبوت المبسطة.
  • التصادم: يضمن عدم تقاطع الروبوت مع شبكة الجدار (باستخدام دالة المسافة الموقعة).
  • التفعيل: قوى الحبال أحادية الجانب، حدود دفع الأرجل، وقيود مخروط الاحتكاك.
  • الهبوط: يفرض الهبوط داخل الرقعة المختارة والاتساق مع شبكة التضاريس.
• الهدف: تقليل تنعيم قوة الحبل، وشغل الرافعة (الطاقة)، وتكلفة التضاريس عند نقطة الهبوط.

3. المساهمات الرئيسية

1. إطار عمل ثنائي المستوى: بنية مبتكرة تجمع بين CEM لتخطيط الاتصال المنفصل و NLP القائم على التدرج لتخطيط الحركة المستمرة، والمصمم خصيصاً لأنظمة المساعدة بالحبال التي تعاني من نقص التفعيل.
2. التحسين المتزامن: القدرة على تحسين مواقع الهبوط داخل الرقعة ومسارات القفز في آن واحد، بدلاً من تثبيت نقاط الاتصال مسبقاً.
3. الوعي بالتضاريس: دمج خريطة تكلفة مورفولوجية (الميل، الخشونة، العمق) لتوجيه الروبوت نحو مناطق هبوط آمنة ومسطحة مع تجنب العوائق.
4. التحقق باستخدام ALPINE: عرض ناجح على منصة روبوت مبتكرة ذات ديناميكا وقيود واقعية.

4. النتائج التجريبية

تم اختبار إطار العمل في ثلاث سيناريوهات محاكاة باستخدام روبوت ALPINE في بيئة Gazebo مع متحكم MPC:

• حالة الاستخدام 1 (عائق نصف كروي): كان على الروبوت التنقل حول عائق نصف كروي كبير. حدد المخطط بنجاح أن قفزة واحدة غير ممكنة، وقام بتوليد تسلسل متعدد القفزات (3 قفزات) لتجاوز العائق، محققاً التقارب بعد 4 تكرارات من CEM.
• حماء الاستخدام 2 (تضاريس متعددة النتوءات): تنقل الروبوت في مسار هابط مع عوائق معقدة. رغم أن الجاذبية ساعدت في الحركة، إلا أن نمط العوائق تطلب ما لا يقل عن 3 قفزات. بلغ إجمالي مدة التسلسل 9.45 ثانية.
• حالة الاستخدام 3 (جدار صخري مع MPC): محاكاة عالية الدقة على جدار صخري ذو ملمس واقعي. قام المخطط بتوليد مسار بطول 20 متراً يتطلب عدة قفزات. استخدم النظام إعادة التحسين بعد كل هبوط (باستخدام حالة الهبوط الفعلية كشرط ابتدائي جديد) لتصحيح أخطاء التتبع. نجح متحكم MPC في تتبع المسارات المحسنة، ورفض الاضطرابات عبر المروحة وتفعيل الحبال.

الأداء:

• استكشف حل CEM مساحة البحث بفعالية، متجنباً النهايات الصغرى المحلية من خلال آلية تنظيم (الحد الأدنى من الاحتمالية لجميع الفئات).
• قللت عملية موازاة الحلقة الخارجية لـ CEM من وقت التنفيذ بشكل كبير.
• تعامل النظام بنجاح مع المقايضة بين استهلاك الطاقة والالتزام بالقيود (مثل استخدام مدد قفز أطول لاستيعاب محدودية تفعيل الحبال).

5. الأهمية والعمل المستقبلي

• الأهمية: يسد هذا العمل الفجوة بين تخطيط الاتصال المنفصل والتحكم في الحركة المستمرة للروبوتات المساعدة بالحبال. ويثبت أن مهام التسلق المعقدة التي تعاني من نقص التفعيل يمكن حلها ذاتياً عبر معاملة اختيار الاتصال كمسألة بحث احتمالي موجهة بالجدوى الديناميكية.
• القيود: لا يأخذ النموذج الحالي في الاعتبار اختراق الكابل للعوائق أو استنفاد إمدادات الغاز لآلية تشغيل الرجل.
• العمل المستقبلي: يخطط المؤلفون لدمج نماذج تفاعل الكابل مع العوائق، وإضافة مصطلحات لياقة تتعلق باستنفاد موارد الطاقة، والتحقق من صحة إطار العمل على أجهزة مادية حقيقية.

في الختنتاج، تقدم الورقة خطة تخطيط قوية وفعالة حاسوبياً تمكن الروبوتات ذات الأرجل من التنقل ذاتياً في التضاريس الرأسية الصعبة من خلال الجمع الذكي بين المساعدة بالحبال وقدرات القفز الديناميكية.