四脚ロボットによる
つくばチャレンジへの取り組み
チーム 千葉工業大学fuRoアウトドア部
○入江 清、鈴木 太郎、原 祥尭、吉田 智章、友納 正裕
2022/1/8 つくばチャレンジシンポジウム
2020 2021

2021年本走行の様子
2
https://youtu.be/WyZoX5BvxJ8

発表の構成
◼ なぜ脚型でチャレンジするのか
◼ 開発したシステムの紹介
⁃ 足回りのロボットと制御のしくみ
⁃ 認識・計画ソフトウェア
⁃ 安全対策
◼ 実験の結果と反省
⁃ 本走行でなぜ失敗したのか
⁃ 今後の課題と展望
3

チャレンジの動機
◼ 脚型ロボットの技術発展
⁃ Boston Dynamics, Mini Cheetah, ANYMal, Cassie, …
⁃ 高い運動性能、頑健な歩行制御
⁃ 実環境でのナビゲーションに応用できるのか？
◼ 四脚ロボットが比較的安価に市販されている
⁃ 自律移動にどこまで使えるのだろうか？
⁃ 車輪型ロボットと比べてどう違う？
◼ (市販品で不足として)独自ロボットを開発する前検討
⁃ ハードウェアや制御への要求事項
⁃ 制御と認識・計画とのインタフェース
⁃ 車輪型ロボットとのソフトウェア共通化検討
4

開発したシステム
5
挟み込み防止
カバー
A1仕様: 本体重量13kg, 長さ0.5m, 幅0.3m, 高さ0.4m
バッテリー持続時間: 約30分間（歩行時）

システム構成 6
◼ UMPCで認識・計画
⁃ 機能ごとプロセス
⁃ 共有メモリベースの通信
◼ A1内部で歩行制御
⁃ メーカー提供の歩行
◼ UMPCからA1へ2次元速度指令
⁃ 前後速度、左右速度、角速度
⁃ ジョイスティックの操作量
⁃ 3次元的な移動は指示できない
GPD WIN3 (Core i7-1165G7)
Ubuntu 20.04
A1組み込みコントローラ
VLP-16-
LITE
a1_ctrl
(A1高レベル通信I/F)
指令/状態
Ethernet
cmd_vel
(速度指令)
imu_data
(IMUデータ)
odom
(歩行+IMUオ
ドメトリ)
scan2D
(2次元化スキャ
ン)
LidarSLAM2
(SLAM/自己位置推定)
furom
上位行動計画
legged_system (システム統合レイヤ, CPP-Python I/F)
est_pose3d
(推定位置姿勢)
Velodyne
(VLP16ドライバ)
map_run_neural.py (メイン走行プログラム) ・・・
velodyne16_packet
(3Dスキャン)
歩行制御
非常停止スイッチ✂

走行戦略
◼ 事前に点群地図と経路地図を作成しておく
◼ 経路を追従して走行
⁃ 経路は線分列で表現
⁃ 各線分に属性を設定
最大速度、一時停止、追い越し禁止
◼ 障害物を検出した場合、減速・停止
⁃ 障害物が取り除かれない場合は回避経路を計画・走行
(相手が避けてくれる可能性に期待)
7

地図構築と自己位置推定
◼ SLAMにより点群地図を作成
⁃ 3D Lidarによる SLAM
⁃ M. Tomono, “Loop detection for 3D LiDAR SLAM using
segment-group matching”, Advanced Robotics 2020
⁃ 10/9に車輪型ロボットでデータ収集
◼ 自己位置推定
⁃ 3Dスキャンマッチング(ICP)
⁃ オドメトリは不使用
⁃ 地図なし区間にも対応
⁃ マッチングスコアが低下するとLidarオドメトリモードへ切替
（自動検出・自動復帰）
8

A1の歩行制御
9
◼ UMPCからコントローラに速度指令を送る
⁃ Unitree Legged SDKの高レベルモードを使用
⁃ ジョイスティックと同様に前後、左右、旋回の3軸(-1～+1)
（低レベルモードを使えば関節単位の制御も可能）
☺多少の外乱や段差にロバスト
☹速度指令が物理単位に直接対応しない
⁃ 方向によっても速さが違う
☹歩行のドリフト
⁃ 速度ゼロ指令でも横に動く
⁃ 積載重量バランスにより変動
速い
遅い
遅い
速い とても
遅い

データ駆動経路追従 [入江+, ロボメック2021]
10

シミュレータの開発・利用
◼ VTCシミュレータ に四脚ロボットモデルを追加
⁃ 全方向移動や歩行時の揺れなどを再現
⁃ ただし歩行制御はサポートしない (転倒もしない)
⁃ 理由: メーカー提供の歩行制御はブラックボックスであること、Unreal
Engine4の制限
◼ 上位ソフトウェアの開発支援向け
⁃ 今回は主に経路追従、障害物検出、経路計画の開発・デバッグに使用
⁃ 歩行制御より上位のソフトウェアは実機コードのまま動く
⁃ 実機実験の前にいくつかの不具合を潰すことができ、有用であった
11
※Virtual Tsukuba Challenge(VTC)シミュレータ
ここで配布中→ https://github.com/furo-org/VTC
論文は[吉田+, ロボシン2021]
※

安全対策
◼ 挟み込み防止カバー
◼ 非常停止スイッチ
◼ 犬用リード
⁃ 転倒を防ぐことはできない
⁃ 非常停止スイッチにより脱力するロボットには、より
有効と思われる
⁃ 「神の手」を入れるのに有用だった
12
挟み込み防止
カバー
New!

つくばでの実験結果
13
◼ 全自律走行実験結果を参加レポートに掲載
◼ 最も多い失敗要因: 過熱
⁃ リモコン走行では起きていなかった
⁃ つくばで実験を繰り返して初めて経験
⁃ 空冷ファンを取り付け対処

本走行での失敗原因
14
◼ 本部テントや看板、見物人など大きく環境が変化
⁃ Lidar計測点群が地図とマッチせず、最初からLidarオドメト
リモードで動いていた（これは想定内）
⁃ A1の背の低さも不利に働いた
◼ 自己位置推定が復帰した際に目標座標がジャンプ
⁃ 経路追従の目標座標が2.6m左に設定された
⁃ 強化学習で与えていない外れた目標値であったため、
方策関数が想定より大きな速度を出力
◼ 速度指令値のリミッターが緩かった
⁃ 大きな速度指令を投げた
⁃ バランスを取れず転倒
⁃ そもそも本来は全方向移動できない

その他のトラブル・失敗
15
◼ 突然歩行が止まる
⁃ USB-Ethernet変換器が振動で接触不良
→ ドッキングステーションを使う
◼ プログラムが数秒間ハングする
⁃ 無線LANの接続が切れて標準出力が詰まる
→ デーモン的に起動させる
◼ バッテリーの増設を試みたが歩行が不安定に
→バッテリーが持たないのは諦める

(バッテリー交換しつつ)自律走行に成功
16

今後に向けた課題
◼ 歩行制御
⁃ もっと頑健であって欲しい
⁃ 痒いところに手が届く機能性
⁃ 認識系とのインタフェースはどうあるべきか？
◼ 学習的アプローチの使い方
⁃ 安全性を考慮した強化学習も検討
◼ 精密な自己位置推定が不要なナビゲーション
⁃ 足元の地形・障害物の認識
⁃ 人手ではなく自律的な経路計画
17

まとめ
◼ 市販の四脚ロボットを用いたつくばチャレンジ
⁃ システム構成、実験結果などを紹介
◼ つくばでの実験を通して様々な経験を得た
⁃ 実地実験のおかげで多数の問題を発見
⁃ 一般の人がいる環境の怖さ
⁃ 本走行の見物人の多さ
◼ 今後の目標
⁃ 車輪型に対する利点を示す: 段差・階段などの踏破
⁃ 外形・外見ではなくて性能で注目されるように
18

おまけ
19
つくば市YouTubeチャンネルより
https://www.youtube.com/watch?v=ApUbB7yvlpk
↑撮影の様子
この時もLidarの視野が遮られ、自己位
置推定ができない状態。その後復帰し
たがこの時は転倒しなかった。