• 로봇학회논문지
• /
• 제18권2호
• /
• pp.143-154
• /
• 2023

In this study, a fast motion planning method for the swing motion of a 6x6 wheel-legged robot to traverse large obstacles and gaps is proposed. The motion planning method presented in the previous paper, which was based on trajectory optimization, took up to tens of seconds and was limited to two-dimensional, structured vertical obstacles and trenches. A deep neural network based on one-dimensional Convolutional Neural Network (CNN) is introduced to generate keyframes, which are then used to represent smooth reference commands for the six leg angles along the robot's path. The network is initially trained using the behavioral cloning method with a dataset gathered from previous simulation results of the trajectory optimization. Its performance is then improved through reinforcement learning, using a one-step REINFORCE algorithm. The trained model has increased the speed of motion planning by up to 820 times and improved the success rates of obstacle crossing under harsh conditions, such as low friction and high roughness.

• 한국정보통신학회논문지
• /
• 제14권8호
• /
• pp.1925-1936
• /
• 2010

영상카메라와 무선통신 기능을 탑재한 손모양 및 장애물 인식이 가능한 다족 로봇을 독자적으로 설계 및 제작하고 제작한 로봇에 최적화된 보행패턴 알고리즘을 개발하여 적용하였다. 영상센서의 입력화상에 대해 하프변환 (Hough Transform)을 사용하여 물체의 외곽선을 추출하여 장애물을 인식하여 회피하는 실시간 자율보행이 가능한 알고리즘을 개발하였다. 로봇의 목표물 및 목적지 설정을 위하여 미리 학습시킨 피부색의 평균값과 입력영상의 확률거리(Mahalanobis Distance)를 산출하여 손 영역을 검출하고 손가락 개수에 따라 로봇의 명령 제어가 가능하도록 하였다. 장애물 및 손모양 인식에 따른 다족 자율 보행 로봇의 수행 실험 평균 결과 약 96%의 장애물 인식률과 94%의 손 모양 인식률을 보였다.