Real-time Coupled Centroidal Motion and Footstep Planning for Biped Robots

📄 arXiv: 2409.09939v1 📥 PDF

作者: Tara Bartlett, Ian R. Manchester

分类: cs.RO

发布日期: 2024-09-16

备注: Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2024

💡 一句话要点

提出一种快速的质心运动与足端规划算法，用于弹簧负载倒立摆式双足机器人。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 双足机器人 运动规划 质心运动 足端规划 实时控制

📋 核心要点

  1. 现有双足机器人运动规划方法计算成本高昂，难以满足实时性需求，限制了其在复杂环境中的应用。
  2. 该论文提出一种基于迭代重加权$l_1$范数最小化的足端规划方法，并结合线性化的角动量约束，显著降低了计算复杂度。
  3. 实验结果表明，该方法在2秒规划范围内，计算速度比现有方法快约十倍，并在多种模拟环境中验证了其通用性。

📝 摘要（中文）

本文提出了一种算法，该算法能够为弹簧负载倒立摆（SLIP）式双足机器人模型找到质心运动和足端规划方案，其速度远超实时性。这是通过一种新颖的动态足端规划问题表示实现的，其中环境中的每个点都被视为潜在的立足点，可以对质心施加力，使其保持在期望的轨迹上。对于双足机器人，每个时间步最多需要选择两个这样的立足点，我们使用迭代重加权的$l_1$-范数最小化来近似这个基数约束。结合角动量约束的线性化近似，这产生了一个二次规划问题，可以求解接触计划和质心轨迹，并自动发现步态。在模拟环境中，一个2秒规划范围，包含13个时间步和每个时间步可用的20个表面，可以在142毫秒内解决，比文献中现有的类似方法快大约十倍。我们展示了该程序在各种模拟环境中的通用性。

🔬 方法详解

问题定义：论文旨在解决双足机器人运动规划中，质心运动轨迹和足端位置选择的实时性问题。现有方法通常计算量大，难以在复杂环境中快速生成可行的运动方案。尤其是在考虑动态平衡和环境约束时，计算复杂度会显著增加。

核心思路：论文的核心思路是将足端规划问题转化为一个优化问题，其中每个环境点都被视为潜在的立足点，可以对质心施加力。通过选择合适的立足点，可以控制质心的运动轨迹，使其满足期望的运动目标。为了降低计算复杂度，论文采用迭代重加权的$l_1$范数最小化来近似足端选择的基数约束。

技术框架：该方法主要包含以下几个阶段：1) 定义机器人模型，采用弹簧负载倒立摆（SLIP）模型简化双足机器人；2) 将环境离散化，每个离散点作为潜在的立足点；3) 建立优化问题，目标是最小化质心轨迹与期望轨迹的偏差，同时满足动力学约束、角动量约束和足端选择约束；4) 采用迭代重加权的$l_1$范数最小化来近似足端选择的基数约束；5) 求解二次规划问题，得到接触计划和质心轨迹。

关键创新：该论文最重要的技术创新在于使用迭代重加权的$l_1$范数最小化来近似足端选择的基数约束。传统的基数约束是非凸的，难以求解。通过$l_1$范数最小化，可以将问题转化为凸优化问题，从而可以使用高效的求解器进行求解。此外，论文还采用了线性化的角动量约束，进一步降低了计算复杂度。

关键设计：论文的关键设计包括：1) 采用SLIP模型简化机器人模型，降低了动力学建模的复杂度；2) 使用迭代重加权的$l_1$范数最小化来近似足端选择的基数约束，平衡了计算效率和规划质量；3) 线性化角动量约束，简化了优化问题；4) 采用二次规划求解器，实现了快速求解。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法在2秒规划范围内，包含13个时间步和每个时间步可用的20个表面，可以在142毫秒内解决，比文献中现有的类似方法快大约十倍。这表明该方法具有很高的计算效率，能够满足实时性需求。此外，该方法还在多种模拟环境中进行了验证，证明了其通用性和鲁棒性。

🎯 应用场景

该研究成果可应用于双足机器人在复杂地形下的自主导航、搜索救援、以及人机协作等领域。快速的运动规划能力使得机器人能够实时适应环境变化，提高其在动态环境中的稳定性和鲁棒性。此外，该方法还可扩展到其他多足机器人或具有类似运动特性的系统。

📄 摘要（原文）

This paper presents an algorithm that finds a centroidal motion and footstep plan for a Spring-Loaded Inverted Pendulum (SLIP)-like bipedal robot model substantially faster than real-time. This is achieved with a novel representation of the dynamic footstep planning problem, where each point in the environment is considered a potential foothold that can apply a force to the center of mass to keep it on a desired trajectory. For a biped, up to two such footholds per time step must be selected, and we approximate this cardinality constraint with an iteratively reweighted $l_1$-norm minimization. Along with a linearizing approximation of an angular momentum constraint, this results in a quadratic program can be solved for a contact schedule and center of mass trajectory with automatic gait discovery. A 2 s planning horizon with 13 time steps and 20 surfaces available at each time is solved in 142 ms, roughly ten times faster than comparable existing methods in the literature. We demonstrate the versatility of this program in a variety of simulated environments.