Adapting Gait Frequency for Posture-regulating Humanoid Push-recovery via Hierarchical Model Predictive Control
作者: Junheng Li, Zhanhao Le, Junchao Ma, Quan Nguyen
分类: cs.RO, eess.SY
发布日期: 2024-09-22 (更新: 2025-05-28)
备注: 7 pages, 6 figures, accepted to ICRA 2025
💡 一句话要点
提出基于分层MPC的人形机器人步态频率自适应调整方法，提升抗扰动能力和姿态控制。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)
关键词: 人形机器人 抗推恢复 模型预测控制 步态频率自适应 姿态控制 分层控制 平衡控制
📋 核心要点
- 现有的人形机器人抗推恢复策略通常忽略姿态调节，尤其是在操作任务中，需要保持上身直立。
- 论文提出一种分层MPC方法，通过自适应调整步态频率，在受到未知扰动时快速恢复并维持姿态。
- 仿真实验表明，该方法使最大可恢复冲量平均提升131%，硬件实验中恢复步进时间提前125毫秒。
📝 摘要（中文）
本文提出了一种新颖的方法，通过调整步态频率来增强人形机器人在未知扰动下的抗推恢复性能，并调节身体姿态。该方法基于分层模型预测控制（MPC）方案，分析和检测预测窗口中的不稳定性，并通过调整步态频率快速恢复。该方案集成了高层非线性MPC、姿态感知步态频率自适应规划器和低层凸运动MPC。规划器预测质心（CoM）状态轨迹，评估潜在的不稳定性和姿态偏差。仿真结果表明，与基线方法相比，最大可恢复冲量平均提高了131%。硬件实验观察到恢复步进时间提前了125毫秒。同时，在0.2弧度范围内，身体姿态变化也得到了有效控制。
🔬 方法详解
问题定义：现有的人形机器人抗推恢复策略在受到外部扰动时，往往只关注整体的运动恢复，而忽略了对机器人姿态的精确控制，尤其是在需要保持特定姿态（例如上身直立）的应用场景下，这种不足会限制机器人的实际应用能力。因此，需要设计一种既能快速恢复平衡，又能有效调节姿态的抗推恢复策略。
核心思路：论文的核心思路是通过分层模型预测控制（MPC）框架，在高层规划中预测潜在的不稳定性和姿态偏差，并根据预测结果自适应地调整步态频率。通过改变步态频率，可以更灵活地调整机器人的运动轨迹，从而实现快速恢复平衡和姿态控制。
技术框架：该方法采用分层MPC架构，包含三个主要模块：1) 高层非线性MPC：负责生成全局的质心（CoM）运动轨迹，并预测潜在的不稳定性和姿态偏差。2) 姿态感知步态频率自适应规划器：根据高层MPC的预测结果，动态调整步态频率，以优化恢复策略。3) 低层凸运动MPC：根据高层规划的轨迹和步态频率，生成具体的步足运动轨迹和关节控制指令。
关键创新：该方法最重要的创新点在于将步态频率作为可调节的参数引入到抗推恢复策略中。传统的抗推恢复方法通常采用固定的步态频率，难以应对各种复杂的扰动情况。通过自适应地调整步态频率，可以更灵活地调整机器人的运动轨迹，从而提高抗推恢复的性能和姿态控制能力。此外，分层MPC架构也使得整个系统具有良好的实时性和鲁棒性。
关键设计：高层非线性MPC使用质心动力学模型进行预测，并采用合适的代价函数来优化CoM轨迹，例如，可以加入惩罚姿态偏差的项。姿态感知步态频率自适应规划器根据预测的CoM轨迹和姿态偏差，选择合适的步态频率。低层凸运动MPC则采用简化的动力学模型，并使用二次规划求解器生成步足轨迹。关键参数包括MPC的预测时域长度、步态频率的调整范围、以及代价函数中各项的权重。
🖼️ 关键图片
📊 实验亮点
仿真实验结果表明，与基线方法相比，该方法能够使人形机器人的最大可恢复冲量平均提高131%。硬件实验结果显示，该方法能够使恢复步进时间提前125毫秒，显著提高了机器人的反应速度。此外，在受到扰动时，该方法能够将身体姿态变化控制在0.2弧度以内，有效保证了机器人的姿态稳定性。
🎯 应用场景
该研究成果可应用于各种需要人形机器人具备良好平衡能力和姿态控制能力的场景，例如：复杂地形行走、人机协作操作、以及在拥挤环境中进行导航等。通过提高机器人的抗推恢复能力和姿态控制精度，可以增强机器人在这些场景下的安全性和可靠性，从而拓展人形机器人的应用范围。
📄 摘要（原文）
Current humanoid push-recovery strategies often use whole-body motion, yet they tend to overlook posture regulation. For instance, in manipulation tasks, the upper body may need to stay upright and have minimal recovery displacement. This paper introduces a novel approach to enhancing humanoid push-recovery performance under unknown disturbances and regulating body posture by tailoring the recovery stepping strategy. We propose a hierarchical-MPC-based scheme that analyzes and detects instability in the prediction window and quickly recovers through adapting gait frequency. Our approach integrates a high-level nonlinear MPC, a posture-aware gait frequency adaptation planner, and a low-level convex locomotion MPC. The planners predict the center of mass (CoM) state trajectories that can be assessed for precursors of potential instability and posture deviation. In simulation, we demonstrate improved maximum recoverable impulse by 131% on average compared with baseline approaches. In hardware experiments, a 125 ms advancement in recovery stepping timing/reflex has been observed with the proposed approach. We also demonstrate improved push-recovery performance and minimized body attitude change under 0.2 rad.