Physically Consistent Online Inertial Adaptation for Humanoid Loco-manipulation
作者: James Foster, Stephen McCrory, Christian DeBuys, Sylvain Bertrand, Robert Griffin
分类: cs.RO
发布日期: 2024-05-13
备注: Submitted to the 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
💡 一句话要点
提出一种物理一致的在线惯性自适应方法，用于人型机器人操作和运动
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 人型机器人 惯性参数估计 扩展卡尔曼滤波 全身控制 在线自适应
📋 核心要点
- 现有方法难以应对人型机器人在复杂环境中操作和运动时，由于外部载荷引起的模型偏差问题。
- 核心思想是利用物理一致的扩展卡尔曼滤波器在线估计惯性参数，并将其融入全身控制框架中。
- 通过仿真和硬件实验验证，该方法能够有效应对外部载荷带来的模型偏差，提升机器人的操作和运动能力。
📝 摘要（中文）
本文提出了一种在线估计和控制框架，使人型机器人能够在存在显著时变外部载荷的情况下执行操作和运动任务。该框架结合了一个物理一致的扩展卡尔曼滤波器，用于惯性参数估计，并将其耦合到一个全身控制器。通过在仿真和硬件实验中，将重量安装在Nadia机器人的手腕连杆上，模拟机器人承受较大外部载荷的情况，验证了该方法的效果。
🔬 方法详解
问题定义：论文旨在解决人型机器人在执行操作和运动任务时，由于外部载荷引起的模型偏差问题。现有方法通常忽略或难以准确估计这些外部载荷，导致控制性能下降，甚至任务失败。尤其是在“脏、乱、险”等复杂环境中，外部载荷的变化更加剧了这一问题。
核心思路：论文的核心思路是利用在线估计的方法，实时估计由于外部载荷引起的惯性参数变化，并将其反馈到控制系统中。通过这种自适应的方式，可以有效减小模型偏差，提高控制器的鲁棒性和准确性。这种方法的核心在于保证估计过程的物理一致性，避免估计结果出现不合理的物理现象。
技术框架：整体框架包含两个主要模块：一是物理一致的扩展卡尔曼滤波器（Physically Consistent Extended Kalman Filter, PC-EKF），用于在线估计惯性参数；二是全身控制器（Whole-Body Controller），用于根据估计的惯性参数进行运动控制。PC-EKF接收机器人的状态估计和力/力矩传感器数据，输出更新后的惯性参数估计。全身控制器则利用这些参数，计算关节力矩，驱动机器人运动。
关键创新：最重要的创新点在于PC-EKF的设计。传统的扩展卡尔曼滤波器在估计惯性参数时，可能产生不符合物理规律的估计结果，例如负质量或不满足惯性张量正定性的情况。PC-EKF通过引入物理约束，保证估计结果的物理合理性。这种物理一致性是提高估计准确性和稳定性的关键。
关键设计：PC-EKF的关键设计在于如何将物理约束融入到卡尔曼滤波器的更新步骤中。具体来说，论文可能采用了投影法或参数化方法，将估计结果投影到满足物理约束的参数空间中。此外，滤波器中的噪声协方差矩阵的设置也至关重要，需要根据实际情况进行调整，以平衡估计的收敛速度和稳定性。
🖼️ 关键图片
📊 实验亮点
论文通过仿真和硬件实验验证了所提出方法的有效性。在硬件实验中，通过在Nadia机器人的手腕上安装不同重量的物体，模拟外部载荷。实验结果表明，该方法能够有效估计外部载荷引起的惯性参数变化，并提高机器人的控制性能。具体的性能数据（例如位置跟踪误差、力矩控制精度等）需要在论文中查找。
🎯 应用场景
该研究成果可应用于各种人型机器人操作和运动任务，尤其是在需要机器人与环境进行物理交互的场景中，例如建筑、农业、救援等。通过提高机器人对外部载荷的适应能力，可以使其在复杂环境中更加安全可靠地完成任务，扩展其应用范围。
📄 摘要（原文）
The ability to accomplish manipulation and locomotion tasks in the presence of significant time-varying external loads is a remarkable skill of humans that has yet to be replicated convincingly by humanoid robots. Such an ability will be a key requirement in the environments we envision deploying our robots: dull, dirty, and dangerous. External loads constitute a large model bias, which is typically unaccounted for. In this work, we enable our humanoid robot to engage in loco-manipulation tasks in the presence of significant model bias due to external loads. We propose an online estimation and control framework involving the combination of a physically consistent extended Kalman filter for inertial parameter estimation coupled to a whole-body controller. We showcase our results both in simulation and in hardware, where weights are mounted on Nadia's wrist links as a proxy for engaging in tasks where large external loads are applied to the robot.