Avancées dans la navigation des robots à pattes

Ces dernières années, le domaine de la robotique a fait des avancées significatives, surtout dans le développement de robots avec des pattes. Ces robots sont conçus pour naviguer dans des environnements complexes, comme des tunnels, des grottes et des espaces souterrains urbains. Une compétition notable qui a mis en avant la performance de ces robots est le DARPA Subterranean Challenge, qui a eu lieu en 2021. Cet événement visait à améliorer les capacités des systèmes robotiques dans la cartographie, la navigation et la recherche dans des environnements souterrains.

Lors de ce défi, l'équipe CERBERUS s'est concentrée sur l'utilisation de robots à pattes pour surmonter les défis uniques posés par les environnements souterrains. L'équipe a utilisé les robots quadrupèdes ANYmal, qui ont montré une mobilité et une agilité impressionnantes pour naviguer dans des terrains difficiles.

Cet article parle du planificateur de navigation développé par l'équipe CERBERUS, connu sous le nom d'ArtPlanner. Ce planificateur utilise des techniques avancées pour la planification de trajets dans des environnements encombrés et dynamiques, garantissant une navigation sûre et efficace pour les robots à pattes.

#Défis de Navigation

Naviguer avec des robots à pattes présente des défis uniques qui diffèrent des robots à roues ou volants traditionnels. Contrairement aux robots volants qui évitent les obstacles, les robots à pattes doivent garder le contact avec le sol pour se déplacer efficacement. Leur capacité à franchir des obstacles nécessite une approche différente de la planification de la navigation.

La plupart des méthodes de navigation conventionnelles fournissent une évaluation unique de la traversabilité des zones de terrain. Cette simplification ne prend pas en compte la position variable des pattes et l'adaptabilité des robots à pattes, ce qui limite leurs capacités de navigation. La grande complexité des mouvements des robots à pattes rend difficile la définition de valeurs de traversabilité fiables.

Pour relever ces défis, un planificateur de navigation complet était nécessaire. ArtPlanner a été développé pour évaluer le terrain et générer des trajets sûrs pour les robots ANYmal lors du Subterranean Challenge.

#Vue d'ensemble d'ArtPlanner

ArtPlanner est un planificateur de navigation spécifiquement conçu pour les robots à pattes. Il fonctionne en utilisant une représentation basée sur la portée de mouvement du robot et en tirant parti de scores appris pour les points d'appui. Cette approche unique permet au planificateur d'identifier des positions valides pour le robot tout en tenant compte des dynamiques de mouvement.

Le processus de planification commence par l’échantillonnage de poses potentielles pour le robot. Chaque pose est vérifiée pour sa validité en s'assurant que le torse du robot reste sans collision tandis que ses pattes peuvent entrer en contact avec le sol. Le planificateur crée un graphe de poses valides et utilise une fonction de coût de mouvement apprise pour déterminer le meilleur chemin à suivre.

ArtPlanner a été conçu pour offrir des performances en temps réel tout en gérant un temps de calcul limité. Cela le rend adapté aux environnements dynamiques où une prise de décision rapide est vitale.

#Configuration Expérimentale

L'équipe CERBERUS a déployé ArtPlanner lors des finales SubT à Louisville, KY. La compétition consistait à naviguer dans un parcours souterrain difficile rempli d'obstacles et d'éléments dynamiques. Les robots opéraient de manière autonome, avec une supervision humaine limitée, nécessitant un haut niveau de fiabilité du système de navigation.

Les robots quadrupèdes ANYmal étaient équipés de divers capteurs, y compris des LIDAR et des caméras de profondeur, pour recueillir des informations sur leur environnement. Ces données étaient cruciales pour construire des Cartes de hauteur précises sur lesquelles ArtPlanner s'appuyait pour la navigation.

Le format de la compétition consistait en plusieurs manches où les robots étaient chargés d'explorer l'environnement, de localiser des artefacts et de cartographier des zones d'intérêt. L'objectif était d'obtenir le meilleur score en identifiant et localisant avec succès les artefacts dans la zone de compétition.

#Performance d'ArtPlanner

ArtPlanner a réussi à guider les robots ANYmal à travers diverses sections de la compétition, des passages urbains étroits aux environnements de grottes accidentés. Les techniques avancées du planificateur ont permis une navigation fluide et une prise de décisions sous pression.

Lors de la course des prix de la compétition, ArtPlanner a permis aux robots de fonctionner pendant 90 minutes sans échecs de planification ou de locomotion. Cette performance constante a été clé pour assurer la victoire de l'équipe CERBERUS.

L'utilisation d'une abstraction basée sur la portée a permis aux robots de naviguer à travers des espaces restreints et de surmonter des obstacles qui auraient été difficiles pour d'autres types de robots. De plus, la combinaison du graphe de planification et des coûts de mouvement appris a assuré que les chemins choisis par les robots minimisaient les risques et réduisaient les temps de traversée.

#Composants Clés d'ArtPlanner

#Vérification de la Portée

Pour déterminer les poses valides pour le robot, ArtPlanner utilise une méthode connue sous le nom de vérification de la portée. Cela implique d'analyser la position du robot par rapport au terrain et de s'assurer que chaque membre peut entrer en contact avec le sol sans collisions.

Le torse du robot est traité comme un volume de collision, tandis que chaque membre a son volume de portée désigné. Cela permet au robot d'évaluer les poses potentielles plus précisément. Cependant, simplement vérifier la géométrie ne suffit pas, car les dynamiques jouent un rôle crucial dans la locomotion du robot.

#Coûts de Mouvement Appris

Un autre aspect critique d'ArtPlanner est l'incorporation des coûts de mouvement appris. Ces coûts sont calculés en fonction du terrain et de l'emplacement actuel du robot. Le planificateur utilise un réseau de neurones formé sur des données simulées pour prédire l'énergie, le temps et le risque d'échec associés au passage d'une pose à une autre.

En tenant compte à la fois des coûts de mouvement et des risques potentiels, ArtPlanner peut générer des chemins qui sont non seulement valides mais aussi optimaux en termes de performance. Cette approche est supérieure aux planificateurs traditionnels qui pourraient négliger les complexités de la navigation des robots à pattes.

#Construction de Graphe

La construction du graphe de planification est une partie fondamentale de l'efficacité d'ArtPlanner. Le planificateur construit un nouveau graphe chaque fois qu'il y a une mise à jour de la carte de hauteur. Cela garantit que les chemins restent pertinents et sûrs à mesure que l'environnement change.

Le processus d'échantillonnage des sommets du graphe est conçu pour être efficace, permettant à ArtPlanner de gérer divers environnements sans surcharge computationnelle excessive. De plus, le système vérifie la validité des arêtes par lots, rendant le processus plus rapide et plus fiable.

#Traitement de la Carte de Hauteur

La carte de hauteur sert de source principale d'information sur l'environnement pour le planificateur. Pour une navigation réussie, avoir une carte de hauteur de haute qualité est essentiel.

Au cours de la compétition, l'équipe CERBERUS a mis en œuvre plusieurs étapes de traitement pour améliorer la qualité de la carte de hauteur. Ces étapes incluaient le filtrage des points de données peu fiables, l'inférence de surfaces virtuelles au-dessus du robot, et le maintien de représentations précises du terrain.

1. Surfaces Virtuelles : Ces surfaces ont été inférées à partir des données des capteurs pour combler les lacunes dans la carte de hauteur. En projetant des rayons depuis les capteurs vers le terrain, l'équipe a pu mieux prédire la disposition de l'environnement et améliorer les décisions de navigation.

2. Seuil de Sécurité : Un seuil de sécurité a été appliqué pour éviter de planifier des chemins qui rapprochaient le robot trop près d'obstacles dangereux. Ce seuil a aidé à garantir des distances de sécurité par rapport aux bords et aux chutes abruptes.

3. Filtre de Point de Plafond : Dans des environnements à faible hauteur de plafond, la carte de hauteur pouvait être corrompue par des lectures de hauteur erronées. Le filtre a ajusté dynamiquement le seuil de hauteur en fonction de la position du robot pour réduire les chances que ces erreurs impactent la planification.

Ces étapes de traitement étaient vitales pour permettre aux robots de naviguer en toute sécurité et efficacement tout au long des défis de la compétition.

#Résultats

La performance de l'équipe CERBERUS avec ArtPlanner lors des finales SubT a été exceptionnelle. Les robots ont réussi à naviguer à travers le parcours, rencontrant divers obstacles et défis environnementaux sans échecs significatifs.

L'utilisation d'ArtPlanner a permis aux robots de maintenir un haut niveau d'autonomie tout en explorant des terrains inconnus. Notamment, les résultats de planification de trajectoire ont indiqué qu'ArtPlanner était capable de générer des chemins plus sûrs et plus efficaces par rapport à d'autres méthodes de planification existantes.

#Réalisations Spécifiques

1. Aucun Échec de Planification : Pendant toute la compétition, ArtPlanner n'a pas échoué à produire un plan pour un scénario quelconque. Cette fiabilité a été cruciale pour assurer un fonctionnement sans heurts.

2. Robustesse dans des Environnements Divers : La capacité à naviguer à travers des corridors étroits, des tunnels brumeux, et des systèmes de grottes accidentés a montré la polyvalence du planificateur. Cette adaptabilité a permis une exploration efficace et une identification des artefacts.

3. Sécurité et Gestion des Risques : L'intégration des coûts de mouvement appris a contribué de manière significative à la minimisation des risques durant la navigation.

#Conclusion

ArtPlanner représente un avancement significatif dans le domaine de la navigation pour les robots à pattes. Sa combinaison unique de représentation basée sur la portée et de coûts de mouvement appris a prouvé son efficacité pour relever les défis posés par des environnements complexes.

Le succès de l'équipe CERBERUS lors du DARPA Subterranean Challenge met en évidence l'importance des techniques de planification avancées dans la navigation robotique. Avec ArtPlanner, l'équipe a pu atteindre ses objectifs tout en garantissant la sécurité et l'efficacité opérationnelle de ses robots.

À l'avenir, le développement de systèmes de navigation plus sophistiqués continuera d'améliorer les capacités des robots à pattes, leur permettant d'explorer et d'interagir avec une grande variété d'environnements. Les enseignements tirés des finales SubT ouvriront la voie à de futures recherches et améliorations dans les technologies de navigation robotique.