In this work, a non-gaited framework for legged system locomotion is presented. The approach decouples the gait sequence optimization by considering the problem as a decision-making process. The redefined contact sequence problem is solved by utilizing a Monte Carlo Tree Search (MCTS) algorithm that exploits optimization-based simulations to evaluate the best search direction. The proposed scheme has proven to be considerably less computationally demanding than the state of the art Mixed-Integer Quadratic Programming (MIQP) solver without drastically compromise the solution performance. The gait generated by the MCTS is utilized as input in a model predictive control (MPC) scheme for the ground reaction forces and future footholds position optimization. The simulation results, performed on a quadruped robot, shown that the proposed framework is able to generate known periodic gait as well as adapting the contact sequence to the encountered conditions. The system has also shown its reliability when tested on robots with different limbs layout as well as on terrain with unknown and variable properties.
본 논문에서는 사용자에 의하여 미리 정의된 보행 패턴 정보 없이 자율적으로 족형 로봇의 걸음 패턴를 결정하는 프레임워크를 제시한다. 이 접근법은 해당 문제를 의사결정과정으로 고려해서 지면과의 접촉 순서를 결정하기 위한 최적화 문제로 치환한다. 이 지면 접촉 순서를 결정하는 문제는 솔루션을 가장 빠른 방향으로 모색하는 최적화 기반 시뮬레이션을 활용한 몬테카를로 트리 검색 알고리즘을 사용하여 해결한다. 이 방법을 적용하였을 경우, 최적화 문제를 풀이하는 성능을 크게 저하시키지 않으면서도 최신의 혼합 정수 이차 프로그래밍 솔버보다 더 적은 계산 시간이 요구됨을 확인하였다. 몬테카를로 트리 검색 의해 생성된 보행 패턴은 발과 지면 사이의 반력과 미래의 스텝 위치를 결정하기 위한 모델 예측 제어 의 입력으로 활용된다. 사족 로봇 모델을 대입하여 시뮬레이션을 진행한 결과, 제안된 프레임 워크가 주기적인 걸음 패턴을 생성 할 수 있을 뿐만 아니라 로봇이 직면한 조건에 맞게 스텝 순서를 조정할 수 있음을 보였다. 또한, 사족 로봇 모델의 다리 배치를 다르게 적용하여 테스트 했을 때 뿐만 아니라 미리 정의되어있지 않은 가변적인 지형에서 테스트했을 때의 안정적인 보행성능을 보임으로써 제안된 프레임워크의 신뢰성을 증명하였다.
