Robots are expected to help humans in various environments such as disaster areas. For robots to perform their work in any environment, algorithms are needed that can cope with a given environment. However, such algorithms easily fail due to the complexity of robot dynamics and kinematics, and environment. For example, sample-based methods suffer from the curse of dimensionality and optimization-based easily fails due to poor initial guess. This paper presents a trajectory optimization framework of a mecanum-wheeled-legged hybrid robot that can cope with obstacles. The research proposes a hierarchical process to generate a trajectory using (a) sampling-based method and (b) optimization-based method. The sampling-based stage generates a trajectory of the robot body and leg joints, which speeds up the optimization’s convergence rate and enhances the success rate of optimization. The optimization-based stage considers all constraints including the mecanum wheel non-holonomic constraint and passive wheel constraint and generates a trajectory of the robot body and leg joints. The result shows that the combining sampling-based method and optimization method can generate trajectory even in complex environments such as step and stair. The dynamic simulator and real hardware system are used to verify that the generated trajectory is feasible.
로봇은 재난 지역 등 다양한 환경에서 인간을 도울 수 있으리라 기대되고 있다. 로봇이 어떤 환경에서든 제 역할을 다하기 위해서는 주어진 환경에 대처할 수 있는 알고리즘이 필요하다. 그러나 이러한 알고리즘은 로봇 동역학과 기구학, 그리고 환경이 주는 복잡성으로 인해 쉽게 실패한다. 예를 들어, 샘플 기반 방법은 차원의 저주에 시달리고, 최적화 기반 방법은 초기 예측값이 정확하지 않음에 따라 쉽게 실패한다. 본 논문은 여러 장애물에 대처할 수 있는 메카넘-휠-레그드 하이브리드 로봇의 경로 최적화 프레임워크를 제안한다. 이 연구는 (a) 샘플링 기반 방법과 (b) 최적화 기반 방법을 사용하여 경로를 생성하는 계층적 프로세스를 제안한다. 샘플링 기반 단계에서는 로봇 본체와 다리 관절의 경로를 생성하여 최적화의 수렴 속도를 높이고 성공 확률을 향상시킨다. 최적화 기반 단계에서는 메카넘 휠 비홀로노믹 제약 조건과 패시브 휠 제약조건을 포함한 모든 제약 조건을 고려하면서 로봇 베이스와 다리 관절의 경로를 생성한다. 결과를 통해 샘플링 기반 방법과 최적화 기반 방법을 결합함으로써 단차 및 계단 같은 복잡한 환경에 대해서도 경로를 생성할 수 있음을 보인다. 마지막으로, 동적 시뮬레이터와 실제 하드웨어 시스템을 사용하여 생성된 경로가 실제로 실현 가능한지 검증하도록 한다.
