A Non-Linear Model Predictive Task-Space Controller Satisfying Shape Constraints for Tendon-Driven Continuum Robots

📄 arXiv: 2409.09970v1 📥 PDF

作者: Maximillian Hachen, Chengnan Shentu, Sven Lilge, Jessica Burgner-Kahrs

分类: cs.RO

发布日期: 2024-09-16

备注: 8 pages, 13 figures

💡 一句话要点

提出基于模型预测控制的肌腱驱动连续体机器人任务空间控制器，满足形状约束。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 肌腱驱动连续体机器人 模型预测控制 分段常曲率 形状约束 全身避障

📋 核心要点

  1. 肌腱驱动连续体机器人需要在狭窄空间内作业，现有方法难以兼顾非线性、冗余性和实时性。
  2. 采用模型预测控制，结合分段常曲率模型进行轨迹规划，并使用局部反馈控制器处理不确定性。
  3. 仿真和硬件实验表明，该方法在位置跟踪、抗扰动和形状约束方面优于传统方法。

📝 摘要（中文）

本文提出了一种模型预测控制（MPC）方法，利用肌腱驱动连续体机器人（TDCRs）的非线性运动学和冗余性，实现全身避障，并具备30Hz的实时控制能力。该方法的核心在于集成了标称分段常曲率（PCC）模型，以高效计算可行轨迹，并结合局部反馈控制器来处理建模不确定性和扰动。仿真实验表明，与传统的基于雅可比矩阵的控制器相比，该MPC在位置跟踪方面表现更优，尤其是在扰动和用户定义的形状约束下，同时允许控制限制的加入。此外，还在硬件原型上验证了该方法，展示了其在增强远程操作任务安全性方面的潜力。

🔬 方法详解

问题定义：肌腱驱动连续体机器人（TDCRs）在微创手术和工业检测等领域具有应用潜力，但其非线性运动学和冗余性给实时控制带来了挑战。现有基于雅可比矩阵的控制方法难以有效处理这些特性，尤其是在存在扰动、形状约束和控制限制的情况下，难以保证机器人的安全性和精度。

核心思路：本文的核心思路是利用模型预测控制（MPC）框架，通过预测机器人未来的运动状态，优化控制输入，从而实现全身避障和满足形状约束。为了提高计算效率，采用分段常曲率（PCC）模型作为标称模型，简化了运动学计算。同时，为了应对建模误差和外部扰动，引入了局部反馈控制器，对标称轨迹进行修正。

技术框架：该控制框架主要包含以下几个模块：1) 标称轨迹生成器：基于分段常曲率（PCC）模型，根据当前状态和目标位姿，生成一系列可行的轨迹。2) 模型预测控制器：利用标称模型预测未来一段时间内的机器人状态，并优化控制输入（肌腱张力），以最小化目标函数，同时满足约束条件（如避障、形状约束、控制限制）。3) 局部反馈控制器：根据实际状态与标称轨迹的偏差，计算修正后的控制输入，补偿建模误差和外部扰动。4) 机器人执行器：根据最终的控制输入，驱动肌腱，控制机器人的运动。

关键创新：该方法的主要创新点在于将模型预测控制与分段常曲率模型相结合，实现了TDCRs的实时全身避障和形状约束控制。与传统的基于雅可比矩阵的控制方法相比，该方法能够更好地利用机器人的非线性运动学和冗余性，提高控制性能和鲁棒性。此外，局部反馈控制器的引入，进一步增强了系统对建模误差和外部扰动的适应能力。

关键设计：在MPC中，目标函数通常包含位置跟踪误差、形状约束违反程度和控制输入惩罚项。形状约束可以通过定义一系列关键点的空间位置约束来实现。控制限制则直接限制肌腱张力的范围。分段常曲率模型将连续体机器人离散为多个常曲率段，简化了运动学计算。局部反馈控制器通常采用PID控制或类似的线性控制策略，根据实际状态与标称轨迹的偏差，计算修正后的控制输入。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

仿真实验表明，该MPC方法在位置跟踪方面优于传统的基于雅可比矩阵的控制器，尤其是在存在扰动和用户定义的形状约束时。硬件实验验证了该方法在实际机器人上的可行性，展示了其在增强远程操作任务安全性方面的潜力。具体性能数据未知，但强调了其在复杂工况下的优越性。

🎯 应用场景

该研究成果可应用于微创手术、工业检测等领域，提高肌腱驱动连续体机器人在复杂环境下的作业能力和安全性。通过精确控制机器人的形状和位置，可以实现更精细的操作，减少对周围环境的干扰。未来，该方法有望应用于更复杂的机器人系统，例如软体机器人和蛇形机器人。

📄 摘要（原文）

Tendon-Driven Continuum Robots (TDCRs) have the potential to be used in minimally invasive surgery and industrial inspection, where the robot must enter narrow and confined spaces. We propose a Model Predictive Control (MPC) approach to leverage the non-linear kinematics and redundancy of TDCRs for whole-body collision avoidance, with real-time capabilities for handling inputs at 30Hz. Key to our method's effectiveness is the integration of a nominal Piecewise Constant Curvature (PCC) model for efficient computation of feasible trajectories, with a local feedback controller to handle modeling uncertainty and disturbances. Our experiments in simulation show that our MPC outperforms conventional Jacobian-based controller in position tracking, particularly under disturbances and user-defined shape constraints, while also allowing the incorporation of control limits. We further validate our method on a hardware prototype, showcasing its potential for enhancing the safety of teleoperation tasks.