Locomotion analysis of a quadruped interacting with the lunar granular surface

Resumo Técnico: Análise de Locomoção de um Quadrúpede Interagindo com a Superfície Granular Lunar

Definição do Problema
Robôs com pernas são cada vez mais propostos para exploração extraterrestre, particularmente para navegar em terrenos complexos como crateras lunares e tubos de lava, onde rovers com rodas encontram dificuldades. No entanto, implantar esses robôs na Lua apresenta desafios únicos, incluindo restrições de energia, gestão térmica e a natureza específica da superfície lunar. O regolito lunar é um substrato granular, semelhante à areia, que se comporta de forma diferente do solo rígido comumente assumido em controles de locomoção. Políticas atuais de Aprendizado por Reforço (RL) treinadas com modelos de contato rígidos (ex: fricção de Coulomb) podem falhar ao generalizar para superfícies macias e deformáveis, onde ocorrem o fluxo do solo e o arrasto viscoso sob os pés. Esse descompasso gera riscos de instabilidade, baixa precisão de rastreamento e gasto excessivo de energia, que são falhas críticas dado o limitado orçamento de potência das missões lunares.

Metodologia
O estudo implementa um modelo terradinâmico de interação entre o pé do robô e a superfície granular dentro de um ambiente de simulação de Aprendizado por Reforço para analisar o desempenho da locomoção.

• Modelagem Terradinâmica: Os autores integram o modelo de contato proposto por Li et al. [15], que trata a superfície lunar como um meio granular viscoso. Em vez de uma simples fricção, o modelo calcula forças de sustentação e arrasto ($F_z, F_x$) baseadas na integração de tensões sobre a área de contato do pé. Essas tensões são funções da profundidade de penetração, ângulo de ataque e ângulo de intrusão, parametrizadas por coeficientes de Fourier e um fator de escala ($\zeta$) que representa a compactação do solo e o tamanho dos grãos. O modelo é discretizado sobre uma representação de malha do pé, permitindo a generalização para diferentes morfologias de pés.
• Ambiente de Simulação: A simulação foi conduzida no RaiSim. Dois ambientes foram comparados:
  1. Contato Rígido: Fricção de Coulomb padrão com um modelo de pé esférico.
  2. Contato Macio: O modelo terradinâmico com um pé de malha hemisférico (688 faces) penetrando em uma camada de solo virtual ($z_H = 0,05$m).
• Robô e Controle: Foi utilizado um quadrúpede de 13,5 kg (análogo ao robô Magnecko com uma configuração de quadril de Aracnídeo). A locomoção foi controlada via uma política de Aprendizado por Reforço Profundo (Deep RL) treinada usando Otimização de Política Próxima (PPO). A política mapeia observações (velocidade da base, estados das juntas, projeção da gravidade e comandos de velocidade) para ângulos alvo das juntas.
• Estratégia de Treinamento: Para lidar com a instabilidade de treinar do zero em ambientes macios, o aprendizado por transferência foi empregado. Uma política treinada em 800 episódios em terreno rígido serviu como inicialização para o treinamento no ambiente de terreno macio. O aprendizado por currículo foi usado para aumentar gradualmente a dificuldade do terreno (inclinação e rugosidade).
• Métricas de Desempenho: O estudo analisou as características da marcha qualitativamente e mediu quantitativamente os torques das juntas, potência mecânica, perdas de potência (considerando as ineficiências de motor, engrenagem e enrolamento), gasto total de energia e o Custo Mecânico de Transporte (MCOT).

Principais Resultados
A comparação das políticas treinadas em ambientes de contato rígido versus macio revelou diferenças significativas no comportamento de locomoção e eficiência:

• Características da Marcha: O ambiente de contato macio exigiu uma marcha qualitativamente diferente. O robô adotou passos menores com um ciclo de trabalho (duty cycle) mais alto para minimizar forças de deslizamento, enquanto a marcha de contato rígido utilizou passos mais largos baseados em reações de alto impulso. A marcha em contato macio exibiu mais deslizamento lateral e redução na precisão de rastreamento em comparação com a linha de base rígida.
• Torque e Potência:
  • Torques das Juntas: Os torques máximos das juntas foram geralmente menores no terreno macio devido ao menor impulso das forças de contato em comparação aos impactos rígidos.
  • Potência Mecânica: Contra-intuitivamente, a potência mecânica necessária para mover o robô foi menor no terreno macio.
  • Perda de Potência e Energia Total: Apesar da menor potência mecânica, o gasto total de energia foi maior no terreno macio. Isso é atribuído às forças de contato sustentadas durante as fases de apoio e balanço, levando a maiores perdas de potência nos sistemas de motor e transmissão. A interação "macia" exige esforço contínuo para empurrar através do meio granular, resultando em maior dissipação de energia sobre a mesma distância.
• Estabilidade e Outliers: As simulações de contato macio mostraram maior variância na energia total e na potência, com valores máximos significativamente superiores aos casos de contato rígido. Isso indica instâncias onde o robô ficou preso no regolito ou experimentou dinâmicas instáveis, exigindo alta potência para recuperação.

Significância e Alegações
O artigo alega que a análise demonstra a necessidade de incorporar a modelagem de terreno granular no co-design de sistemas mecânicos e controladores de locomoção para robôs terrestres extraterrestres.

• Impacto no Design: O estudo afirma que assumir contatos rígidos pode levar a designs subotimizados ou inseguros. As dinâmicas específicas de interação de superfícies granulares (viscosidade, forças de intrusão/extrusão) alteram fundamentalmente a marcha ótima e os requisitos de energia.
• Implicações de Controle: Políticas de RL treinadas exclusivamente sob suposições rígidas são insuficientes para o regolito lunar. A pesquisa destaca que, embora um conjunto comum de pesos de recompensa possa estabilizar o treinamento para ambos os ambientes, as marchas resultantes são distintas.
• Relevância Futura: Os autores concluem que compreender as interações pé-terreno para substratos granulares é imperativo para a seleção de morfologias de perna, acionamentos de motor e estratégias de controle apropriadas para garantir uma travessia robusta e energeticamente eficiente de superfícies lunares, particularmente para missões visando características de difícil acesso, como tubos de lava.

O trabalho não alega ter resolvido todas as lacunas entre simulação e realidade (sim-to-real), mas estabelece que ignorar a natureza viscosa dos meios granulares leva a previsões imprecisas de consumo de energia e estabilidade de marcha, que são restrições críticas para missões de exploração lunar.