Terrain-Aware Convex Feasible Region Planning for Robust Wheeled-Legged Locomotion
本文介绍了一种利用凸可行区域的地形感知基准参考规划器，用于为轮腿式机器人生成长时界几何引导，在不增加计算成本的情况下，显著提高了标准非线性模型预测控制下的楼梯穿越可靠性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
轮腿复合机器人（既能行走又能轮式行驶的机器人）是应对人类所处的那种杂乱且不可预测的世界的一种极具前景的解决方案。与在楼梯或不平整地面上表现挣扎的传统轮式车辆不同，也不同于那些动作缓慢且耗能较高的足式机器人，这些混合动力机器旨在平坦表面上高效滚动，并在必要时跨越障碍物。然而，要让机器人安全地完成这一动作，需要一个能够预见前方地面并规划出一条符合其身体物理限制路径的“大脑”。如果机器人规划出的运动在电脑屏幕上看起来很完美，但却迫使它的关节过度伸展，或者将轮子放在了它无法触及的台阶上，那么这台机器就会踉跄甚至摔倒。挑战在于如何弥合粗略的地形图与机器人为了保持不倾倒而必须做出的精确、瞬时决策之间的鸿沟。
来自南方科技大学的研究人员开发了一种专门针对这类轮腿复合机器人在处理如楼梯等复杂地形时的规划新方法。他们关注的是一个标准机器人控制器经常失效的问题：即机器人的即时运动与其即将攀爬的台阶几何形状之间的脱节。标准系统通常依赖于短期猜测或简单的规则来决定机器人的躯干下一步该往哪里走。在连续、颠簸的道路上，这种方法效果很好。但在楼梯这种地面被分割成离散、独立层级的环境下，这些短期猜测会导致机器人规划出一条要求其腿部伸展超过物理极限的路径。研究人员发现，通过根据台阶的确切形状和机器人的自身触及范围，为机器人的躯干创建一个“安全区”，可以引导机器更加可靠地运行。
他们解决方案的核心是一个将楼梯形状转化为一系列“不可见三维盒子”的系统，这些盒子定义了机器人躯干允许存在的空间。首先，机器人利用摄像头构建台阶的数字地图。接着，它识别出每个轮子可以安全落脚的确切位置。利用这些落脚点，系统会计算出机器人的主躯干在保持腿部处于舒适、可达位置时所能占据的位姿范围。这是通过将台阶形状与机器人的腿部能力相结合，从而创建一个“凸可行域”（convex feasible region），本质上是一个安全、坚实的空间体积。系统会对机器人即将迈出的每一步都进行此项计算，从而创造出一系列延伸至远方的安全区链条。
一旦定义了这些安全区，机器人就会使用一种称为 B-样条（B-spline）的数学工具在其中绘制一条平滑路径。可以将这想象成一把灵活的尺子，计算机将其弯曲以适应安全区，从而为机器人的躯干创造出一条平缓、连续的曲线。这条曲线作为一个长期引导，告诉机器人的底层控制器确切的位置以及移动的速度，确保机器人永远不会规划出需要腿部过度伸展的步伐。该引导的计算速度极快，不到两毫秒即可完成，这使得机器人在移动过程中能够实时更新其计划。
研究人员在名为 W1 的四足轮腿复合机器人在其十六个运动部件的基础上测试了该系统。该机器人拥有十六个运动部件。他们让机器人进行了一系列严格的实验，测试环境是一个高度为 15 厘米、深度为 30 厘米的楼梯。在一组测试中，机器人必须连续上下楼梯。新系统在每一次尝试中都取得了成功，在两百次试验中未发生一次跌倒。相比之下，使用旧方法的标准机器人控制器仅在约 71% 的尝试中成功，失败了 60 多次。在第二个测试中，差异更为显著：机器人必须爬上楼梯，在中间突然停止，保持平衡，然后继续前进。新系统在一百次尝试中全部成功完成了停止与恢复。而标准系统在不到一半的情况下能做到这一点，它经常失去平衡或无法安全停止。
研究人员观察到，当标准系统失效时，通常是因为机器人规划了一条迫使轮子切过台阶边缘或要求腿部过度伸展的路径。新系统通过严格地将机器人躯干保持在计算出的安全区内，防止了这些错误。这一成功表明，给机器人一个清晰的、长期的几何引导，比试图让机器人的短期控制器变得更聪明或更快要有效得多。虽然该系统是在特定的机器人和特定类型的楼梯上进行的测试，但结果表明，这种规划方法可以显著提高机器人在导航复杂阶梯环境时的可靠性。这项工作并不声称解决了所有可能的 terrain 问题，研究人员指出，该系统仍然依赖于准确的地图和已知的台阶模式，但针对攀爬楼梯这一特定挑战，这种新方法证明了其相对于现有方法的决定性改进。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。