Dynamic Loco-manipulation on HECTOR: Humanoid for Enhanced ConTrol and Open-source Research

📄 arXiv: 2312.11868v2 📥 PDF

作者: Junheng Li, Junchao Ma, Omar Kolt, Manas Shah, Quan Nguyen

分类: cs.RO, eess.SY

发布日期: 2023-12-19 (更新: 2023-12-21)

备注: 14 pages, 13 figures

🔗 代码/项目: GITHUB

💡 一句话要点

提出基于力矩的MPC方法，实现人oids在复杂地形上的动态操作

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 人oid机器人 动态操作 模型预测控制 力矩控制 不平坦地形

📋 核心要点

  1. 人oids在运动和操作方面缺乏同步控制，限制了其动态性能的充分发挥，是目前面临的核心问题。
  2. 论文提出基于力矩的MPC方法，通过简化的刚体动力学模型，同时考虑人oids和物体的动力学特性，实现动态控制。
  3. 实验表明，HECTOR人oid能够在不平坦地形上进行动态行走和操作，并能抵抗外部扰动，验证了方法的有效性。

📝 摘要（中文）

本文提出了一种通用且有效的控制方法，通过基于力矩的模型预测控制（MPC），实现人oids动态运动和操作的同步控制与泛化。该方法旨在解决人oids在运动和操作方面存在的同步控制不足问题，从而充分发挥其动态潜力。具体而言，论文提出了一个简化的刚体动力学（SRBD）模型，该模型同时考虑了人oids和物体的动力学特性，用于人oids的操作控制。该线性动力学模型允许通过MPC问题直接求解地面反作用力和力矩，从而实现高度动态的实时控制。提出的框架具有高度的通用性和可泛化性。论文引入了HECTOR（用于增强控制和开源研究的人oid）平台，以展示其在硬件实验中的有效性。实验结果表明，HECTOR在双腿站立模式下能够保持出色的平衡，即使受到外部力扰动。此外，它还可以在各种不平坦地形上执行3D动态行走，速度达到0.6 m/s，并能携带2.5公斤的负载在不平坦地形上进行动态操作。HECTOR的仿真以及所提出的控制框架已作为开源项目提供。

🔬 方法详解

问题定义：现有的人oid机器人虽然在运动和操作方面取得了显著进展，但缺乏有效的同步控制方法，尤其是在动态环境下。这限制了人oid机器人充分发挥其动态潜力，难以完成复杂的任务，例如在崎岖地形上搬运重物。现有方法难以兼顾人oid自身和所操作物体的动力学特性，导致控制效果不佳。

核心思路：本文的核心思路是利用基于力矩的模型预测控制（MPC），通过优化地面反作用力和力矩，实现人oid机器人的动态运动和操作的同步控制。通过建立简化的刚体动力学（SRBD）模型，同时考虑人oid自身和所操作物体的动力学特性，从而能够更精确地预测和控制机器人的行为。

技术框架：整体框架包括以下几个主要模块：1）简化的刚体动力学（SRBD）模型，用于描述人oid和物体的动力学行为；2）基于力矩的MPC控制器，用于优化地面反作用力和力矩，实现动态控制；3）状态估计器，用于估计人oid的状态，例如位置、速度和姿态；4）低层控制器，用于执行MPC控制器输出的力矩指令。整个流程是，状态估计器提供当前状态，MPC控制器根据SRBD模型和目标轨迹生成力矩指令，低层控制器执行这些指令，从而控制人oid的运动和操作。

关键创新：最重要的技术创新点在于提出了一个简化的刚体动力学（SRBD）模型，该模型能够同时考虑人oid自身和所操作物体的动力学特性。与传统的只考虑人oid自身动力学的方法相比，SRBD模型能够更精确地描述人oid在操作过程中的行为，从而提高控制性能。此外，基于力矩的MPC方法能够直接优化地面反作用力和力矩，避免了复杂的运动学逆解过程，提高了控制效率。

关键设计：SRBD模型的关键设计在于如何简化动力学方程，同时保持足够的精度。论文可能采用了线性化或者其他近似方法来简化动力学方程，以便于MPC求解。MPC控制器的关键设计在于选择合适的代价函数，例如跟踪误差、控制力矩和能量消耗等。此外，状态估计器的设计也至关重要，需要选择合适的传感器和滤波算法，以获得准确的状态估计。

📊 实验亮点

实验结果表明，HECTOR人oid能够在双腿站立模式下保持出色的平衡，即使受到外部力扰动。此外，它还可以在各种不平坦地形上执行3D动态行走，速度达到0.6 m/s。更重要的是，HECTOR能够携带2.5公斤的负载在不平坦地形上进行动态操作，验证了所提出方法的有效性。

🎯 应用场景

该研究成果可应用于灾难救援、物流搬运、建筑施工等领域。人oid机器人能够在复杂和危险的环境中执行任务，例如在地震废墟中搜寻幸存者，在仓库中搬运货物，在建筑工地进行施工作业。此外，该研究还可以促进人oid机器人的进一步发展，使其更加智能化和自主化。

📄 摘要（原文）

Despite their remarkable advancement in locomotion and manipulation, humanoid robots remain challenged by a lack of synchronized loco-manipulation control, hindering their full dynamic potential. In this work, we introduce a versatile and effective approach to controlling and generalizing dynamic locomotion and loco-manipulation on humanoid robots via a Force-and-moment-based Model Predictive Control (MPC). Specifically, we proposed a simplified rigid body dynamics (SRBD) model to take into account both humanoid and object dynamics for humanoid loco-manipulation. This linear dynamics model allows us to directly solve for ground reaction forces and moments via an MPC problem to achieve highly dynamic real-time control. Our proposed framework is highly versatile and generalizable. We introduce HECTOR (Humanoid for Enhanced ConTrol and Open-source Research) platform to demonstrate its effectiveness in hardware experiments. With the proposed framework, HECTOR can maintain exceptional balance during double-leg stance mode, even when subjected to external force disturbances to the body or foot location. In addition, it can execute 3-D dynamic walking on a variety of uneven terrains, including wet grassy surfaces, slopes, randomly placed wood slats, and stacked wood slats up to 6 cm high with the speed of 0.6 m/s. In addition, we have demonstrated dynamic humanoid loco-manipulation over uneven terrain, carrying 2.5 kg load. HECTOR simulations, along with the proposed control framework, are made available as an open-source project. (https://github.com/DRCL-USC/Hector_Simulation).