Gait Genesis Through Emergent Ordering of RBF Neurons on Central Pattern Generator for Hexapod Walking Robot

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F21%3A00355327" target="_blank" >RIV/68407700:21230/21:00355327 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Gait Genesis Through Emergent Ordering of RBF Neurons on Central Pattern Generator for Hexapod Walking Robot

Popis výsledku v původním jazyce

The neurally based gait controllers for multi-legged robots are designed to reproduce the plasticity observed in animal locomotion. In animals, gaits are regulated by Central Pattern Generator (CPG), a recurrent neural network producing rhythmical signals prescribing each leg’s action timing, leading to coordinated motion of multiple legs. The biomimetic CPG-RBF architecture, where leg motion timing is encoded by Radial Basis Function (RBF) neurons coupled with CPG, is used in recent gait controllers. However, the RBF neurons coupling is usually parameterized by the supervisor. Therefore, the RBF parameters get outdated when the CPG signal’s wave-form changes. We propose self-supervised dynamics for RBF parameters adapting to a given CPG and producing the required gait rhythm. The method orders the leg activity with respect to inter-leg coordination rules and maps the activity onto CPG states. The proposed dynamics produce rhythmic control for three different hexapod gaits and adapts to the CPG parametric changes.

Název v anglickém jazyce

Gait Genesis Through Emergent Ordering of RBF Neurons on Central Pattern Generator for Hexapod Walking Robot

Popis výsledku anglicky

The neurally based gait controllers for multi-legged robots are designed to reproduce the plasticity observed in animal locomotion. In animals, gaits are regulated by Central Pattern Generator (CPG), a recurrent neural network producing rhythmical signals prescribing each leg’s action timing, leading to coordinated motion of multiple legs. The biomimetic CPG-RBF architecture, where leg motion timing is encoded by Radial Basis Function (RBF) neurons coupled with CPG, is used in recent gait controllers. However, the RBF neurons coupling is usually parameterized by the supervisor. Therefore, the RBF parameters get outdated when the CPG signal’s wave-form changes. We propose self-supervised dynamics for RBF parameters adapting to a given CPG and producing the required gait rhythm. The method orders the leg activity with respect to inter-leg coordination rules and maps the activity onto CPG states. The proposed dynamics produce rhythmic control for three different hexapod gaits and adapts to the CPG parametric changes.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GC21-33041J" target="_blank" >GC21-33041J: Učení plánování pohybu ve složitých úlohách</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 21st Conference Information Technologies – Applications and Theory (ITAT 2021)

ISBN

—

ISSN

1613-0073

e-ISSN

1613-0073

Počet stran výsledku

9

Strana od-do

114-122

Název nakladatele

CEUR Workshop Proceedings

Místo vydání

Aachen

Místo konání akce

Heľpa

Datum konání akce

24. 9. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—