We present a deep learning framework that generates the quadrupedal robot’s base body trajectory and footsteps simultaneously in a short time. Our model consists of three sub-networks: terrain encoder, state feature network, and trajectory generator. Our model receives the initial robot state, target goal base body pose, and terrain heightmap as input. The state feature network and terrain encoder extract features from these input data. These features guide the trajectory generator to produce precise motion for a given terrain. Experiments show that our motion planning approach is executed within 130ms, generating up to 7.7Hz trajectory generation, regardless of the terrain types, while generating 2 seconds long trajectory, which is reasonable as an online planner for quadrupedal robots.
이 연구는 사족 보행 로봇의 몸체의 경로와 발 착지점을 동시에 고속으로 생성해내는 심층학습 네트워크 구조를 제안한다. 우리의 모델은 지형 인코더, 상태 특성 네트워크, 그리고 경로 생성기 네트워크의 총 세 개의 하부 네트워크로 구성되어있다. 해당 모델은 초기 로봇 상태, 목적지의 몸체의 위치 및 회전, 그리고 지형의 하이트 맵을 입력으로 받는다. 상태 특성 네트워크와 지형 인코더는 입력 데이터로부터 상태특성, 지형정보와 같은 특성을 추출해낸다. 이들 특성들은 경로 생성기 네트워크가 주어진 지형에 대해 정밀한 움직임을 만들어 낼 수 있도록 지도해준다. 실험들을 통하여 우리의 경로 생성기는 지형에 무관하게 2.0초의 경로를 130ms 이내에 생성할 수 있음을 확인하였으며, 이는 사족보행 로봇의 온라인 경로 생성기로서 충분히 빠른 속도이다.
