[pt] Robôs híbridos equipados com pernas e rodas são uma solução promissora
para uma locomoção versátil em terrenos acidentados. Eles combinam a
velocidade e a eficiência das rodas com a capacidade das pernas de atravessar
terrenos com obstáculos. Em geral, os desafios em locomoção para robôs
híbridos envolvem planejamento de trajetória e sistemas de controle para o
rastreamento da trajetória planejada. Esta tese se concentra, em particular, na
tarefa de otimização de trajetória para robôs híbridos que navegam em terrenos
acidentados. Para isso, propõe-se um algoritmo de planejamento que otimiza
a posição e a orientação da base do robô e as posições e forças de contato
nas rodas em uma formulação única, levando em consideração as informações
do terreno e a dinâmica do robô. O robô é modelado como um único corpo
rígido com massa e inércia concentrada no centro de massa, o que permite
planejar movimentos complexos por longos horizontes de tempo e ainda
manter uma baixa complexidade computacional para resolver a otimização
de forma mais eficiente. O conhecimento do mapa do terreno permite que a
otimização gere trajetórias para negociação de obstáculos de maneira dinâmica,
em velocidades mais altas. Tais movimentos não podem ser gerados sem levar
em consideração as informações do terreno. Duas formulações diferentes são
apresentadas, uma que permite movimentos somente com as rodas, onde
a negociação de obstáculos é permitida pelas pernas, e outra focada em
movimentos híbridos dando passos e movendo as rodas, capazes de lidar com
descontinuidades no perfil do terreno. A otimização é formulada como um
NLP e as trajetórias obtidas são rastreadas por um controlador hierárquico
que computa os comandos de atuação de torque para as juntas e as rodas do
robô. As trajetórias são verificadas no robô quadrúpede ANYmal equipado
com rodas não esterçáveis controladas por torque, em simulações e testes
experimentais. O algoritmo proposto de otimização de trajetória permite que
robôs com pernas e rodas naveguem por terrenos complexos, contendo, por
exemplo, degraus, declives e escadas, enquanto negociam esses obstáculos com
movimentos dinâmicos. / [en] Wheeled-legged robots are an attractive solution for versatile locomotion
in challenging terrain. They combine the speed and efficiency of wheels with
the ability of legs to traverse challenging terrain. In general, the challenges
with wheeled-legged locomotion involve trajectory generation and motion control
for trajectory tracking. This thesis focuses in particular on the trajectory
optimization task for wheeled-legged robots navigating in challenging terrain.
For this, a motion planning framework is proposed that optimizes over the
robot’s base position and orientation, and the wheels’ positions and contact
forces in a single planning problem, taking into account the terrain information
and the robot dynamics. The robot is modeled as a single rigid-body, which
allows to plan complex motions for long time horizons and still keep a low
computational complexity to solve the optimization quickly. The knowledge of
the terrain map allows the optimizer to generate feasible motions for obstacle
negotiation in a dynamic manner, at higher speeds. Such motions cannot be
discovered without taking into account the terrain information. Two different
formulations allow for either purely driving motions, where obstacle negotiation
is enabled by the legs, or hybrid driving-walking motions, which are able
to overcome discontinuities in the terrain profile. The optimization is formulated as a Nonlinear Programming Problem (NLP) and the reference motions
are tracked by a hierarchical whole-body controller that computes the torque
actuation commands for the robot. The trajectories are verified on the quadrupedal robot ANYmal equipped with non-steerable torque-controlled wheels
in simulations and experimental tests. The proposed trajectory optimization
framework enables wheeled-legged robots to navigate over challenging terrain,
e.g., steps, slopes, stairs, while negotiating these obstacles with dynamic motions.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:50271 |
| Date | 10 November 2020 |
| Contributors | MARCO ANTONIO MEGGIOLARO, MARCO ANTONIO MEGGIOLARO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | English |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0029 seconds