車輪付き脚ロボットのための堅牢な自律ナビゲーションと移動学習

2024-05-28 Tue
自律的に移動できる車輪脚ロボット
背景紹介都市化の進展に伴い、サプライチェーン物流、特にラストワンマイルの配送が大きな課題となっています。交通の混雑が増加し、より迅速な配送サービスが求められる中、特に屋内や街路での複雑なルートは配送にとって解決し難い問題となっています。従来の車輪型ロボットは複雑な障害物を越えるのが難しく、脚部システムだけでは必要な速度と効率を達成することはできません。例えば、ANYmalロボットは一定の移動能力を持っているものの、その最大走行速度は平均的な歩行速度の半分に過ぎず、バッテリーの持続時間も限られています。したがって、平坦な地面で効率的に動き、障害物を乗り越えることができるロボットシステムを開発することが研究の主要な方向となっています。
本稿で主要に研究しているのは車輪脚ロボットで、車輪と脚の利点を兼ね備えることによって、長距離の輸送において中等地面で高速走行が可能で、さらに複雑な地形でも柔軟に対応できるロボットとしています。
論文の出典本論文はJoonho Lee、Marko Bjelonic、Alexander Reske、Lorenz Wellhausen、Takahiro MikiおよびMarco Hutterによって執筆され、それぞれETH Zurich、Swiss-Mile Robotics AGおよびNeuromekaに所属しています。2024年4月24日に《Science Robotics》誌に発表されました。
研究のワークフローと詳細研究フローシステム設計と開発：
本稿では、適応運動制御、移動感知の局所ナビゲーションプランニングと大規模ルートプランニングを含む、車輪脚ロボットのシステム全般を開発しました。
モデルフリー強化学習（Reinforcement Learning, RL）技術と特権学習を用いて、汎用の運動コントローラを開発しました。
効率的な都市シナリオナビゲーションを実現するために、統合された階層的なRLフレームワークを設計し、複雑な地形やさまざまな障害物の中で高速かつ効果的なナビゲーションを実行できるようにしました。
実験と検証：
スイスのチューリッヒとスペインのセビリアで自律ナビゲーションタスクを実施し、システムのロバスト性と適応性を検証しました。
デジタルツインモデルとリアルタイムロケーションを使用し、シミュレーションデータを用いてコントローラを学習させました。
主な実験内容ロボットのハードウェア設定：
ロボットにはLidar、ステレオカメラ、5Gルーター、GPSアンテナなどの複数のセンサが装備されており、ローカライゼーションと経路の動的検出が可能です。
高頻度の物体検出機能を用いてリアルタイムの人追跡を行い、20mの範囲内にバッファゾーンを作成して安全性を高めています。
ナビゲーションシステム：
システムはグローバルな経路を設定し、高度感知コントローラを利用して速度目標指令を生成し、ロボットが経路に沿って進むように誘導します。
コントローラは低レベルコントローラが生成する隠れ状態、地形高度値、および過去に訪れた位置のシーケンスを用いて合理的な進行決定を行います。
システムは一次元および二次元の畳み込みニューラルネットワークとマルチレイヤパーセプトロンを組み合わせて入力データを処理し、タイムリーな応答を実現します。
運動コントローラ：
低レベルコントローラは、モデルフリーRL技術に依拠し、リカレントニューラルネットワーク（RNN）を用いてロボットの歩行と走行モードの平滑な切り替えを学習します。
訓練プロセスでは特権情報を利用してモデルの性能を向上させ、最終的な戦略は慣性計測装置（IMU）とジョイントエンコーダから取得した生データに依存するのみとなります。
実験結果大規模な自律配備：
ロボットはチューリッヒとセビリアで長距離の自律ナビゲーションタスクを実行し、総走行距離は8.3kmに達しました。
実験中、ロボットはさまざまな障害物および異なる地形で進行する能力を示し、平均速度は1.68m/s、機械輸送コスト（Cotmech）は0.16でした。
局所ナビゲーションとインテグレーション：
さまざまなナビゲーションシーンにおいて、ロボットは進路上の障害物を発見し、複雑な障害物間を通過し、適切な歩行パターンを選択する能力を発揮しました。
カメラと人間検出を組み合わせて動的障害物を認識し、安全に歩行者を避けることを実現しました。
ハイブリッドモーション：
さまざまな地形で低レベルコントローラをテストし、ロボットは適応性の高い歩行パターンと安定した体姿勢制御を示し、最大速度は5.0m/sでした。
急勾配、階段、その他の複雑な地形において、ロボットは歩行と運転モードのスムーズな切り替えを示しました。
研究結論本稿では、車輪脚ロボットの自律ナビゲーションシステムの設計と検証を通じて、車輪脚ロボットが複雑な都市環境で効率的かつロバストな自律ナビゲーションを実現する可能性を示しました。研究結果は、システムアーキテクチャと制御戦略の有効性を検証しただけでなく、車輪脚ロボットがラストワンマイル配送で人力輸送に代わる広範な展望を提供することを示しました。
研究のハイライト新しいシステム統合アーキテクチャ：適応運動制御、移動感知局所ナビゲーションプランニングおよび大規模ルートプランニングのシームレスな統合により、ロボットの複雑な環境におけるナビゲーション能力が大幅に向上しました。
ハイブリッドモーションコントロール：モデルフリーRL技術と特権学習を組み合わせて、高効率でロバストな運動コントローラを開発し、ロボットがさまざまな複雑な地形で歩行パターンを切り替えながら効率的に移動できるようにしました。
実地検証：チューリッヒとセビリアで行われた大規模な自律ナビゲーション実験は、システムの適応性とロバスト性を検証し、将来の応用に重要な実践的な参考資料を提供します。
本研究は、車輪脚ロボットが都市物流のラストワンマイル配送問題を解決する上で重要な役割を果たす可能性があることを示し、ロボットの自律ナビゲーションとスマートモビリティ分野の発展に新たな方向性と技術的支援を提供します。