Metrics and tools for legged robots: model-based and learned control policies approaches

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Maggi, Lucas Oliveira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
aprendizado por reforço profundo
controle baseado em modelos
deep reinforcement learning
legged robots
locomoção
locomotion
model-based control
robôs com pernas
simulação
Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18162/tde-14022025-092617/
Resumo: Mobile robots have made significant advancements in locomotion and dynamic balance. Traditionally, fixed and mobile base robots have dominated robotic applications, particularly in manipulation tasks in industry and academia. However, the development of more advanced and accessible legged robots, such as bipeds, quadrupeds, and hexapods, has expanded our understanding of robot locomotion in high-speed scenarios such as parkour, and unconstrained terrains. Despite these advancements in Model-Based and Learned Control Policies approaches, challenges remain, especially in slippery conditions, where slip recovery is difficult due to the unpredictability of slip events and the complexity of non-linear dynamics. To tackle these issues, fair metrics focusing on time to goal, trajectory stability, energy consumption, can be extracted with simulation tools like Gazebo, IsaacSim, and MuJoCo playing a key role in refining locomotion strategies before real-world implementation
id USP_8094ef48d43ec4a3896f3774cb1875fc
oai_identifier_str oai:teses.usp.br:tde-14022025-092617
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Metrics and tools for legged robots: model-based and learned control policies approachesMétricas e ferramentas para robôs com pernas: abordagens baseadas em modelo e aprendizado de políticas de controleaprendizado por reforço profundocontrole baseado em modelosdeep reinforcement learninglegged robotslocomoçãolocomotionmodel-based controlrobôs com pernassimulaçãoMobile robots have made significant advancements in locomotion and dynamic balance. Traditionally, fixed and mobile base robots have dominated robotic applications, particularly in manipulation tasks in industry and academia. However, the development of more advanced and accessible legged robots, such as bipeds, quadrupeds, and hexapods, has expanded our understanding of robot locomotion in high-speed scenarios such as parkour, and unconstrained terrains. Despite these advancements in Model-Based and Learned Control Policies approaches, challenges remain, especially in slippery conditions, where slip recovery is difficult due to the unpredictability of slip events and the complexity of non-linear dynamics. To tackle these issues, fair metrics focusing on time to goal, trajectory stability, energy consumption, can be extracted with simulation tools like Gazebo, IsaacSim, and MuJoCo playing a key role in refining locomotion strategies before real-world implementationRobôs móveis fizeram avanços significativos em locomoção e equilíbrio dinâmico. Tradicionalmente, robôs de base fixa e móvel dominaram aplicações robóticas, particularmente em tarefas de manipulação na indústria e academia. No entanto, o desenvolvimento de robôs com pernas mais avançados e acessíveis, como bípedes, quadrúpedes e hexápodes, expandiu nossa compreensão da locomoção de robôs em cenários de alta velocidade, como parkour e terrenos sem restrições. Apesar desses avanços nas abordagens Baseadas em Modelos e Políticas de Controle Aprendidas, os desafios permanecem, especialmente em condições de escorregamento, onde a recuperação de deslizamento é difícil devido à imprevisibilidade de eventos de deslizamento e à complexidade da dinâmica não linear. Para lidar com essas questões, métricas justas com foco no tempo até o objetivo, estabilidade da trajetória, e consumo de energia, podem ser extraídas com ferramentas de simulação como Gazebo, IsaacSim e MuJoCo desempenhando um papel fundamental no refinamento de estratégias de locomoção antes da implementação no mundo real.Biblioteca Digitais de Teses e Dissertações da USPCunha, Thiago BoaventuraMaggi, Lucas Oliveira2024-12-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/18/18162/tde-14022025-092617/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2025-02-17T14:42:02Zoai:teses.usp.br:tde-14022025-092617Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-02-17T14:42:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Metrics and tools for legged robots: model-based and learned control policies approaches
Métricas e ferramentas para robôs com pernas: abordagens baseadas em modelo e aprendizado de políticas de controle
title Metrics and tools for legged robots: model-based and learned control policies approaches
spellingShingle Metrics and tools for legged robots: model-based and learned control policies approaches
Maggi, Lucas Oliveira
aprendizado por reforço profundo
controle baseado em modelos
deep reinforcement learning
legged robots
locomoção
locomotion
model-based control
robôs com pernas
simulação
title_short Metrics and tools for legged robots: model-based and learned control policies approaches
title_full Metrics and tools for legged robots: model-based and learned control policies approaches
title_fullStr Metrics and tools for legged robots: model-based and learned control policies approaches
title_full_unstemmed Metrics and tools for legged robots: model-based and learned control policies approaches
title_sort Metrics and tools for legged robots: model-based and learned control policies approaches
author Maggi, Lucas Oliveira
author_facet Maggi, Lucas Oliveira
author_role author
dc.contributor.none.fl_str_mv Cunha, Thiago Boaventura
dc.contributor.author.fl_str_mv Maggi, Lucas Oliveira
dc.subject.por.fl_str_mv aprendizado por reforço profundo
controle baseado em modelos
deep reinforcement learning
legged robots
locomoção
locomotion
model-based control
robôs com pernas
simulação
topic aprendizado por reforço profundo
controle baseado em modelos
deep reinforcement learning
legged robots
locomoção
locomotion
model-based control
robôs com pernas
simulação
description Mobile robots have made significant advancements in locomotion and dynamic balance. Traditionally, fixed and mobile base robots have dominated robotic applications, particularly in manipulation tasks in industry and academia. However, the development of more advanced and accessible legged robots, such as bipeds, quadrupeds, and hexapods, has expanded our understanding of robot locomotion in high-speed scenarios such as parkour, and unconstrained terrains. Despite these advancements in Model-Based and Learned Control Policies approaches, challenges remain, especially in slippery conditions, where slip recovery is difficult due to the unpredictability of slip events and the complexity of non-linear dynamics. To tackle these issues, fair metrics focusing on time to goal, trajectory stability, energy consumption, can be extracted with simulation tools like Gazebo, IsaacSim, and MuJoCo playing a key role in refining locomotion strategies before real-world implementation
publishDate 2024
dc.date.none.fl_str_mv 2024-12-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/18/18162/tde-14022025-092617/
url https://www.teses.usp.br/teses/disponiveis/18/18162/tde-14022025-092617/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1839839145803907072

Registros relacionados