Locomotion and pose estimation in compliant, torque-controlled hexapedal robots

Several scenarios, such as disaster response or terrestrial and extra-terrestrial exploration, comprise environments that are dangerous or even inaccessible for humans. In those cases, autonomous robots pose a promising alternative to render such endeavours possible. While most of today’s robotic explorers are wheeled or tracked vehicles, legged systems gained increased attention in recent years. With their unique combination of omnidirectional mobility and intrinsic manipulation capabilities, they are envisioned to serve as the rough terrain specialists in scouting or sample and return missions. Especially, small to mid-size hexapods are of great interest for those scenarios. Providing static stability across a wide range of walking speeds, they offer an attractive trade-off between versatility and complexity. Another important advantage is their redundancy, allowing them to tolerate the loss of single legs. However, due to their small size, the computational on-board resources are limited. Thus, the use of smart and efficient algorithms is of utmost importance in order to enable autonomous operation within a priori unknown rough environments. Working towards such autonomous robotic scouts, this thesis contributes with the development, implementation, and test of a self-contained walking layer as well as a 6 degrees of freedom (DOF) leg odometry for compliant, torque-controlled, hexapedal robots. Herein, the important property of all presented algorithms is the sole use of proprioceptive measurements provided by the legs, i. e. joint angles and joint torques. Especially the joint torque sensors improve the walking process by enabling the use of sensitive compliance controllers and distributed collision detection. Comprising a set of algorithms, the walking layer organises and structures the walking process in order to generate robust, adaptive, and leg loss tolerant locomotion in uneven terrain. Furthermore, it encapsulates the walking process, and thus hides its complexity from higher-level algorithms such as navigation. Its three main functional components are a flexible, biologically-inspired gait coordination algorithm, single leg reflexes, and active joint compliance control. Thereof, the gait coordination algorithm realises temporal adaptation of the step sequence while reflexes adjust the leg trajectories to the local terrain. The joint compliance control reduces internal forces and allows for situation dependent stiffness adjustments. An algorithmic extensions to the basic gait coordination enables the immediate adaptation to leg loss. In combination with stiffness and pose adjustments, this allows the hexapod to retain stable locomotion on five legs. In order to account for the emerging gait, the leg odometry algorithm employs an optimisation approach to obtain a kinematics-based pose estimate from joint angle measurements. Fusing the resulting pitch and roll angle estimates with joint-torque-measurement-based attitude data, reduces the associated drift, and thus stabilises the overall pose estimate. Various simulations and experiments with the six-legged, torque-controlled DLR Crawler demonstrate the effectiveness of the proposed walking layer as well as the 6-DOF leg odometry.

Für die planetare Exploration sowie den Einsatz in Katastrophengebieten sind autonome Laufroboter zunehmend von Interesse. In diesen Szenarien sollen sie den Menschen an gefährlichen oder schwer zugänglichen Orten ersetzen und dort Erkundungseinsätze sowie Probenahmen in schwierigem Gelände durchführen. Unter der Vielzahl an möglichen Systemen bieten im Besonderen kleinere Sechsbeiner einen sehr guten Kompromiss zwischen Stabilität, hoher Beweglichkeit, Vielseitigkeit und einer vertretbaren Komplexität der Regelung. Ein weiterer Vorteil ist ihre Redundanz, die es ihnen erlaubt, den Ausfall einzelner Beine mit geringem Aufwand zu kompensieren. Dementgegen ist die beschränkte Rechenkapazität ein Nachteil der reduzierten Größe. Um diesen auszugleichen und das autonome Agieren in einer unbekannten Umgebung zu ermöglichen, werden daher einfache und effiziente Algorithmen benötigt, die im Zusammenspiel jedoch ein komplexes Verhalten erzeugen. Auf dem Weg zum autonom explorierenden Laufroboter entwickelt diese Arbeit einen robusten, adaptiven und fehlertoleranten Laufalgorithmus sowie eine 6D Eigenbewegungsschätzung für nachgiebige, drehmomentgeregelte Sechsbeiner. Besonders herauszustellen ist, dass alle in der Arbeit vorgestellten Algorithmen ausschließlich die propriozeptive Sensorik der Beine verwenden. Durch diesen Ansatz kann der Laufprozess von anderen Prozessen, wie der Navigation, getrennt und somit der Datenaustausch effizient gestaltet werden. Für die Fortbewegung in unebenem Gelände kombiniert der vorgestellte Laufalgorithmus eine flexible, biologisch inspirierte Gangkoordination mit verschiedenen Einzelbeinreflexen und einer nachgiebigen Gelenkregelung. Hierbei übernimmt die Gangkoordination die zeitliche Steuerung der Schrittfolge, während die Einzelbeinreflexe für eine räumliche Variation der Fußtrajektorien zuständig sind. Die nachgiebige Gelenkregelung reduziert interne Kräfte und erlaubt eine Anpassung der Gelenksteifigkeiten an die lokalen Umgebungsbedingungen sowie den aktuellen Zustand des Roboters. Eine wichtige Eigenschaft des Laufalgorithmus ist seine Fähigkeit, den Ausfall einzelner Beine zu kompensieren. In diesem Fall erfolgt eine Adaption der Gangkoordination über die Erneuerung der Nachbarschaftsbeziehungen der Beine. Zusätzlich verbessern eine Veränderung der Pose und eine Erhöhung der Gelenksteifigkeiten die Stabilität des durch den Beinverlust beeinträchtigten Roboters. Gleich dem Laufalgorithmus verwendet die 6D Eigenbewegungsschätzung nur die Messungen der propriozeptiven Sensoren der Beine. Hierbei arbeitet der Algorithmus in einem dreistufigen Verfahren. Zuerst berechnet er mit Hilfe der Beinkinematik und einer Optimierung die Pose des Roboters. Nachfolgend bestimmt er aus den Gelenkmomentmessungen den Gravitationsvektor und berechnet daraus die Neigungswinkel des Systems. Eine Fusion dieser Werte mit den Nick- und Rollwinkeln der ersten Stufe stabilisiert daraufhin die gesamte Odometrie und reduziert deren Drift. Alle in dieser Arbeit entwickelten Algorithmen wurden mit Hilfe von Simulationen sowie Experimenten mit dem drehmomentgeregelten DLR Krabbler erfolgreich validiert.

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten