Walking motion estimation in legged robot for space exploration using artificial neural network

Since ancient times humanity was always fascinated by space. In the last decades, big steps were made both in far universe discovery and nearest solar system exploration. A very important role is played by robots that can accomplish various tasks and thus help scientific research by exploring extra-planetary regions, collecting soil samples, and taking pictures. The goal of this thesis is to develop an innovative technique to perform odometry for legged robots, exploiting an Artificial Neural Network (ANN) to fuse the data coming from the angular position, velocity, acceleration, and torque sensors in the legs’ joints. For this purpose in the first part of the work, a robot simulation was made, while in the second part the ANN model was built, trained, and tested. In the first part, a six-legged robot was built and then a walk was generated according to three different gaits (tripod, ripple, and wave) in order to collect data needed for the ANN. In the second part, an ANN model was built and trained using part of the data coming from the simulation. After, the performance of the model was tested by predicting the x, y, and z position of the robot and comparing them with the real ones coming from the simulation. The results showed a great accuracy of the network, with a Root Mean Square Error (RMSE) very low (in the order of cm) for almost all three coordinates and the three gaits. This proves that this innovative approach could be used in real space applications and could be combined with other techniques in order to help the robot in navigating autonomously unknown environments.

Lo spazio ha da sempre rappresentato una fonte di curiosità per l’uomo. Il desiderio di scoprire cosa ci fosse al di là dei confini del nostro pianeta ha guidato il progresso scientifico e tecnologico verso la scoperta, dall’universo più profondo, al più vicino sistema solare. In questo scenario, la robotica rappresenta un tassello fondamentale nell’esplorazione extra-planetaria, infatti, grazie alle missioni dei rover è stato possibile apportare un grande contributo alle scoperte scientifiche e alla ricerca, ad esempio raccogliendo campioni di suolo o scattando foto direttamente dalla superfici extra-planetarie. All’interno di questo scenario l’obiettivo di questo lavoro di tesi è quello di sviluppare una tecnica innovativa per l’odometria dei robot a zampe, attraverso l’utilizzo di una Rete Neurale Artificiale (ANN) per ottenere una stima della posizione del robot nello spazio, a partire dalle misure provenienti da sensori di posizione, velocità e accelerazione angolare, e di coppia nei giunti delle zampe. A tal fine, nella prima parte del lavoro è stata sviluppata la simulazione di un robot, mentre nella seconda parte è stato costruito il modello della ANN, successivamente addestrata e testata. Nella parte relativa alla simulazione è stato costruito un robot a sei zampe ed stata implementata una camminata, con tre differenti andature, con l’obiettivo di raccogliere i dati necessari alla ANN. La seconda parte prevede la realizzazione della ANN e l’addestramento tramite i dati provenienti dalla simulazione. Una volta addestrato, il modello è stato testato nel predire la posizione lungo le coordinate x, y, e z, confrontando i dati predetti con quelli reali provenienti dalla simulazione. I risultati del lavoro mostrano una grande accuratezza della rete con uno scarto quadratico medio (RMSE) nell’ordine dei cm per quasi tutte le coordinate per le tre andature. Questo porta a concludere che l’approccio innovativo sviluppato possa essere utilizzato all’interno di una missione spaziale e, combinato con altre tecniche, faccia sì che un robot a zampe possa compiere una navigazione autonoma in ambienti prima ignoti. Questi risultati aprono una nuova frontiera per i robot a zampe, i quali, con i loro vantaggi, potranno diventare i principali protagonisti della futura esplorazione spaziale.