An hybrid and adaptive approach to humanoid locomotion: blending rhythmic primitives and feet placement strategies

Abstract

This thesis presents research developed towards adaptable and effective optimization of controllers for humanoid robots’ locomotion. It addresses this goal by combining features of humanoid locomotion and the impact of different environments in its dynamics, along with mathematical optimization and statistical analysis techniques. Controllers for the locomotion of bipedal robots often face challenges regarding their optimization towards different objectives and different environments. We propose an architecture that uses the information gathered in an optimization/ exploration phase to adapt to a terrain with partially unknown characteristics. In the exploration phase virtual simulations are used to optimize the parameters of the controller in different terrains. The results of these optimizations are used to identify the unknown terrain characteristics, and these values are used to select the best parameters for this particular environment. The approach was tested in the simulations of an iCub robot on terrains with variable friction, and of the DARwIn-OP robot in ramps with varying slopes. This work brings contributions to the problem of choosing the values for the open parameters of biped locomotion controllers in various situations. Specific issues that are covered relate to: 1) establishing an optimization framework that can be applied to any controller with open parameters, and which results in both safe and well performing behaviors; 2) finding locomotion behaviors that are effective in multiple and distinct environments; 3) adapting the locomotion to environments with varying characteristics, modeled in previous optimizations.

Cette thèse présente des recherches d´enveloppées pour une optimisation adaptative et efficace des contrôleurs de locomotion des robots humanoïdes. Elle répond à cet objectif en combinant les caractéristiques de la locomotion humanoïde et l’impact de différents environnements dans sa dynamique, ainsi que des techniques d’optimisation mathématique et d’analyse statistique. Les contrôleurs pour la locomotion des robots bipèdes font souvent face à des défis concernant leur optimisation vers différents objectifs et environnements. Nous proposons une architecture qui utilise les informations recueillies dans une phase d’optimisation / exploration pour s’adapter à un terrain avec des caractéristiques partiellement inconnues. Dans la phase d’exploration virtuelle des simulations sont utilisées pour optimiser les paramètres du contrôleur dans différents terrains. Les résultats de ces optimisations servent à identifier les caractéristiques inconnues du terrain et, en conséquence, à s´sélectionner les meilleures valeurs des paramètres du contrôleur pour cet environnement. L’approche a été testée dans les simulations d’un robot iCub sur terrains avec un frottement variable, et du robot DARwIn-OP dans des terrains avec des pentes différentes. Ce travail s’intéresse donc au problème du choix des valeurs des paramètres des contrôleurs de locomotion bipède dans diverses situations. Les contributions apportées consistent à : 1) établir un cadre d’optimisation qui peut être appliqué à n’importe quel contrôleur avec des paramètres ouverts, et qui se traduit par des comportements à la fois sécurisés et performants ; 2) trouver des comportements de locomotion efficaces dans des environnements multiples et distincts ; 3) adapter la locomotion à des environnements aux caractéristiques variables, modélises dans optimisations précédentes.

Esta tese apresenta pesquisa desenvolvida no sentido de chegar a uma otimização adaptável e eficaz de controladores para a locomoção de robots humanoides. Para atingir este objetivo, são combinadas características da locomoção e o impacto que diferentes ambientes têm nas suas dinâmicas, em conjunto com técnicas de otimização matemática e análise estatística. Controladores da locomoção de robots bípedes frequentemente enfrentam desafios relacionados com a otimização relativa a diferentes objetivos e ambientes. Aqui propõe-se uma arquitetura que usa a informação recolhida numa fase de otimização/exploração para adaptar a marcha a um terreno com características parcialmente desconhecidas. Na fase de exploração, simulações virtuais são usadas para otimizar os parâmetros do controlador em terrenos diferentes. Os resultados dessas otimizações são usados para identificar as características do ambiente que são desconhecidas, e esses valores são usados para selecionar os melhores parâmetros para esse terreno. Esta abordagem foi testada em simulações de um robot iCub em terrenos com fricção variável, e de um robot DARwIn-OP em rampas com diferentes declives. Este trabalho oferece contribuições relativas ao problema de escolher valores para os parâmetros de controladores da locomoção de bípedes em várias situações. Especificamente, cobrem-se questões relacionadas com: 1) estabelecer uma plataforma de otimização que pode ser aplicado a qualquer controlador com parâmetros por definir, e que resulta em marchas seguras, e com bom desempenho; 2) encontrar marchas que são eficazes em ambientes múltiplos e distintos; 3) adaptar a locomoção a terrenos com características variáveis, modeladas em otimizações prévias.