Locomotion analysis of a quadruped interacting with the lunar granular surface

Technische Samenvatting: Locomotieanalyse van een Kwadruped in Interactie met het Lunaire Granulaire Oppervlak

Probleemstelling
Gelopte robots worden steeds vaker voorgesteld voor buitenaardse exploratie, met name voor het navigeren door complexe terreinen zoals maanpiraten en lavabuizen waar wielrovers moeite mee hebben. Het inzetten van deze robots op de Maan brengt echter unieke uitdagingen met zich mee, waaronder energiebeperkingen, thermisch beheer en de specifieke aard van het lunaire oppervlak. Het lunaire regoliet is een granulaire, zandachtige substantie die anders reageert dan de rigide grondveronderstellingen die vaak voor locomotiecontrole worden gebruikt. Huidige Reinforcement Learning (RL) beleidsregels die getraind zijn met rigide contactmodellen (bijv. Coulomb-frictie) kunnen falen bij het generaliseren naar zachte, vervormbare oppervlakken waar bodemstroom en viskeuze weerstand optreden onder de voeten. Deze mismatch brengt risico's met zich mee voor instabiliteit, slechte sporing en excessieve energieverbruik, wat kritieke fouten zijn gezien de beperkte energiebudgetten van maanmissies.

Methodologie
De studie implementeert een terradynamisch model van de interactie tussen de robotvoet en het granulaire oppervlak binnen een Reinforcement Learning-simulatieomgeving om de locomotieprestaties te analyseren.

• Terradynamische Modellering: De auteurs integreren het contactmodel voorgesteld door Li et al. [15], dat het lunaire oppervlak behandelt als een viskeus granulair medium. In plaats van eenvoudige frictie berekent het model lift- en weerstandskrachten ($F_z, F_x$) op basis van de integratie van spanningen over het contactoppervlak van de voet. Deze spanningen zijn functies van penetratiediepte, invalshoek en intrusiehoek, geparametriseerd door Fourier-coëfficiënten en een schalingsfactor ($\zeta$) die de bodemcompactheid en korrelgrootte vertegenwoordigt. Het model is gediscretiseerd over een mesh-representatie van de voet, wat generalisatie over verschillende voetmorfologieën mogelijk maakt.
• Simulatieomgeving: De simulatie werd uitgevoerd in RaiSim. Er werden twee omgevingen vergeleken:
  1. Rigide Contact: Standaard Coulomb-frictie met een sferisch voetmodel.
  2. Zacht Contact: Het terradynamische model met een hemisferische mesh-voet (688 vlakken) die intrudeert in een virtuele bodemlaag ($z_H = 0,05$ m).
• Robot en Controle: Een 13,5 kg kwadruped (analoog aan de Magnecko-robot met een Arachnid-heupconfiguratie) werd gebruikt. De locomotie werd gecontroleerd via een Deep Reinforcement Learning-beleid getraind met Proximal Policy Optimization (PPO). Het beleid brengt observaties (basesnelheid, gewrichtstoestanden, zwaartekrachtprojectie en snelheidscommando's) in kaart naar doelgewrichtshoeken.
• Trainingsstrategie: Om de instabiliteit van training vanaf nul in zachte omgevingen aan te pakken, werd transfer learning toegepast. Een beleid getraind op 800 episodes op rigide terrein diende als initialisatie voor de training in de zachte terreinomgeving. Curriculum learning werd gebruikt om de moeilijkheidsgraad van het terrein (helling en ruwheid) geleidelijk te verhogen.
• Prestatie-indicatoren: De studie analyseerde loopkarakteristieken kwalitatief en kwantitatief gemeten via gewrichtstorsies, mechanisch vermogen, vermogensverliezen (rekening houdend met de inefficiënties van motor, tandwiel en wikkeling), totaal energieverbruik en de Mechanische Kosten van Transport (MCOT).

Belangrijkste Resultaten
Het vergelijken van de beleidsregels getraind op rigide versus zachte contactomgevingen onthulde significante verschillen in loopgedrag en efficiëntie:

• Loopkarakteristieken: De zachte contactomgeving vereiste een kwalitatief ander loopritme. De robot nam kleinere passen aan met een hogere duty cycle om slipkrachten te minimaliseren, terwijl de loopstijl bij rigide contact bredere passen gebruikte die vertrouwden op hoge impulsreacties. De loopstijl in zacht contact vertoonde meer zijwaartse slip en een verminderde sporing nauwkeurigheid vergeleken met de rigide baseline.
• Torsie en Vermogen:
  • Gewrichtstorsies: Maximale gewrichtstorsies waren over het algemeen lager in het zachte terrein vanwege de lagere impuls van de contactkrachten vergeleken met rigide impacten.
  • Mechanisch Vermogen: Tegenintuïtief was het benodigde mechanische vermogen om de robot te bewegen lager in het zachte terrein.
  • Vermogensverlies en Totaal Energieverbruik: Ondanks het lagere mechanische vermogen was het totaal energieverbruik hoger in het zachte terrein. Dit wordt toegeschreven aan aanhoudende contactkrachten tijdens zowel de stand- als de zwaaifase, wat leidde tot grotere vermogensverliezen in de motor- en transmissiesystemen. De "zachte" interactie vereist een continue inspanning om door het granulaire medium te duwen, wat resulteert in een grotere energie-dissipatie over dezelfde afstand.
• Stabiliteit en Uitschieters: De simulaties met zacht contact vertoonden een hogere variantie in totaal energie en vermogen, waarbij de maximale waarden aanzienlijk hoger lagen dan in de gevallen met rigide contact. Dit duidt op instanties waarin de robot vast kwam te zitten in het regoliet of een onstabiele dynamiek ervoer, wat een hoog vermogen vereiste voor herstel.

Betekenis en Claims
Het artikel claimt dat de analyse aantoont dat het integreren van granulaire terreinmodellering noodzakelijk is bij de co-design van mechanische systemen en locomatiecontrollers voor buitenaardse gelopte robots.

• Impact op Ontwerp: De studie stelt dat het aannemen van rigide contacten kan leiden tot suboptimale of onveilige ontwerpen. De specifieke interactiedynamica van granulaire oppervlakken (viscositeit, intrusie-/extrusiekrachten) verandert de optimale loopstijl en de energievereisten fundamenteel.
• Implicaties voor Controle: RL-beleidsregels die uitsluitend getraind zijn op rigide aannames zijn onvoldoende voor lunaire regoliet. Het onderzoek benadrukt dat hoewel een gemeenschappelijke set beloningsgewichten de training voor beide omgevingen kan stabiliseren, de resulterende loopstijlen verschillend zijn.
• Toekomstige Relevantie: De auteurs concluderen dat het begrijpen van voet-terreininteracties voor granulaire substraten essentieel is voor het selecteren van passende beenmorfologieën, motorische aandrijvingen en controlestrategieën om robuuste en energiezuinige voortbeweging op lunaire oppervlakken te garanderen, met name voor missies die gericht zijn op moeilijk bereikbare kenmerken zoals lavabuizen.

Het werk claimt niet dat het alle sim-to-real kloven heeft opgelost, maar stelt vast dat het negeren van de viskeuze aard van granulaire media leidt tot onnauwkeurige voorspellingen van energieverbruik en loopstabiliteit, wat cruciale beperkingen zijn voor lunaire exploratiemissies.