Imitation learning for gait similarity optimization in bipedal locomotion robots
Cargando...
Autores
Tipo de contenido
Editor
Document language:
Inglés
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El auge de robots bípedos y humanoides en las últimas décadas ha dado lugar a un amplio caso de estudio en el que convergen distintas disciplinas, como lo son el modelamiento matemático, la teoría de control, la biomecánica, y la inteligencia artificial aplicada a robótica. Con esto se busca replicar la anatomía y el movimiento humano en mecanismos artificiales, capaces de efectuar comportamientos e interacciones naturales como lo haría una persona en su vida diaria. Un caso particular es el de la locomoción bípeda. Lograr una caminata con un aspecto igual o cercano al del ser humano representa una barrera por superar en el avance de sistemas inteligentes y mecanismos avanzados. El reto radica en que un robot bípedo es un sistema dinámico inestable y no lineal, lo cual sugiere que esta es una tarea extremadamente compleja para una máquina. La situación es diferente para el ser humano, quien la realiza con gran eficiencia, de manera prácticamente involuntaria e inconsciente. El aprendizaje y los algoritmos de imitación se benefician de dicha destreza humana. A través de este tipo de técnicas se busca brindar a un robot la capacidad de caminar por sí solo, siguiendo una trayectoria deseada y ejecutando movimientos muy similares a los del ser humano en variedad de entornos y situaciones. Esto se logra utilizando demostraciones realizadas por un experto, las cuales son imitadas o aprendidas por un agente con características físicas diferentes. El alcance de este trabajo de investigación consiste en el diseño, desarrollo y aplicación de un proceso en el que datos de movimiento humano son empleados para el control de la marcha bípeda. Específicamente, se desea generar un movimiento continuo en un robot humanoide mientras se mantiene una gran similitud con respecto a los movimientos de referencia, a pesar de las notorias diferencias en cuanto a grados de libertad y propiedades dinámicas. El proceso de imitación resultante busca un balance entre conservar el estilo original de la caminata, y asegurar el equilibrio dinámico a lo largo de la misma. (Texto tomado de la fuente)
Abstract
The rise of bipedal and humanoid robots in recent decades has resulted in a study case where different disciplines converge, such as mathematical modelling, control theory, biomechanics, and artificial intelligence applied to robotics. The goal is to replicate the human anatomy and movement in artificial mechanisms, capable of performing natural behaviours and interactions as a person would in their daily life. The bipedal locomotion is one particular case. Achieving a gait that is identical or close to that of a human being represents a barrier to overcome in the advancement of intelligent systems and advanced mechanisms. The challenge lies in the fact that a bipedal robot is an unstable and non-linear dynamic system, which suggests that this is an extremely complex task for a machine. The situation is different for humans, who perform this task with great efficiency, involuntarily and unconsciously. Imitation learning and algorithms benefit from such human dexterity. These techniques seek to give a robot the ability to walk on its own, following a desired trajectory and executing movements very similar to those of humans in a variety of environments and situations. This is achieved by using demonstrations or movements performed by an expert, which are then imitated or learned by an agent with different physical characteristics. The scope of this research work is about the design, development, and application of a process in which human motion data is used to control a bipedal walking. Specifically, the aim is to generate a continuous movement in a humanoid robot while maintaining a high degree of similarity relative to the reference movements, despite the notable differences in degrees of freedom and dynamic properties. The resulting imitation process seeks a balance between preserving the original walking style, and ensuring dynamic equilibrium throughout the walk.
Descripción
iluistraciones a color, diagramas, fotografías
Palabras clave propuestas
Bipedal Locomotion; Data Processing; Dynamic Balance; Dynamic Equilibrium; Forward Kinematics; Global Optimization; Heuristic Optimization; Human Locomotion; Humanoid Robot; Imitation Algorithms; Imitation Learning; Inverse Kinematics; Motion Capture; Motion Mapping; Motion Transference; Optimal Control; Robotics; Splines Interpolation; Tracking Control; Locomoción Bípeda; Procesamiento de Datos; Equilibrio Dinámico; Cinemática Directa; Optimización Global; Optimización Heurística; Locomoción Humana; Robot Humanoide; Algoritmos de Imitación; Aprendizaje por Imitación; Captura de Movimiento; Cinemática Inversa; Mapeo del Movimiento; Transferencia de Movimiento; Control Óptimo; Robótica; Interpolación con Splines; Control de Seguimiento
Términos Normalizados
000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores; 000 - Ciencias de la computación, información y obras generales::006 - Métodos especiales de computación; 530 - Física; Aprendizaje supervisado (Autoadaptación de la máquina); Supervised learning (Machine learning); Aprendizaje profundo (Aprendizaje automático); Deep learning (Machine learning); Aprendizaje automático (Inteligencia artificial); Machine learning; Robots -- Sistemas de control; Robots -- Control systems; Robots -- Programación; Robots -- Programming; Humanos virtuales (Inteligencia artificial); Virtual humans (Artificial intelligence)