An Efficient Representation of Whole-body Model Predictive Control for Online Compliant Dual-arm Mobile Manipulation
作者: Wenqian Du, Ran Long, João Moura, Jiayi Wang, Saeid Samadi, Sethu Vijayakumar
分类: cs.RO
发布日期: 2024-10-30
备注: Under Review for IEEE Transactions on Robotics
💡 一句话要点
提出一种高效的全身模型预测控制方法，用于在线柔顺双臂移动操作
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱四：生成式动作 (Generative Motion)
关键词: 双臂移动操作 模型预测控制 全身运动规划 贝塞尔曲线 柔顺控制
📋 核心要点
- 双臂移动操作机器人面临在高冗余度下满足严格安全和柔顺要求的在线全身运动规划难题。
- 论文提出一种基于贝塞尔曲线参数化的双层MPC框架，高效表示全身运动轨迹，实现快速避障和柔顺控制。
- 仿真和真实实验验证了该方法在静态/动态避障和柔顺交互控制中的效率和鲁棒性。
📝 摘要（中文）
本文提出了一种高效的全身运动轨迹表示方法，用于双臂移动操作机器人的在线柔顺控制，该方法嵌入于双层模型预测控制（MPC）框架中。第一层MPC利用贝塞尔曲线参数化表示协作末端执行器的无碰撞轨迹，从而在SE(3)空间中实现快速的长时程、面向对象的运动规划，同时考虑近似的可行性约束。第二层MPC进一步应用该方法参数化全身轨迹，用于短时程的全身运动生成和预测性导纳控制，并满足全身硬约束。这种表示方法使两个MPC都具有连续性，避免了离散化方法中不准确的模型状态转移和密集的决策变量设置。该方法增强了高维空间中双层MPC框架的在线执行能力，并为混合位置/速度控制机器人生成一致的指令。仿真和真实实验表明，该方法在静态和动态避障以及与被操纵对象和外部干扰的柔顺交互控制方面具有效率和鲁棒性。
🔬 方法详解
问题定义：双臂移动操作机器人在动态环境中进行操作时，需要在线生成全身运动轨迹，同时满足各种硬约束（如关节限制、碰撞避免）和柔顺性要求。现有的基于离散化的MPC方法在高维空间中计算量大，且离散化误差可能导致不准确的模型状态转移，影响控制性能。
核心思路：论文的核心思路是利用贝塞尔曲线对末端执行器和全身运动轨迹进行参数化表示。这种连续的表示方法避免了离散化带来的误差和计算负担，同时能够有效地表达运动轨迹，并方便地进行优化。通过双层MPC框架，分别优化末端执行器的轨迹和全身运动，实现高效的运动规划和柔顺控制。
技术框架：该方法采用双层MPC框架。第一层MPC负责长时程的末端执行器轨迹规划，目标是生成无碰撞的、面向对象的运动轨迹。第二层MPC负责短时程的全身运动生成，目标是在满足全身硬约束的条件下，实现预测性的导纳控制，从而实现柔顺交互。两层MPC之间通过贝塞尔曲线参数化的轨迹进行信息传递。
关键创新：该方法最重要的创新点在于使用贝塞尔曲线对全身运动轨迹进行参数化表示。与传统的离散化方法相比，这种连续的表示方法具有更高的效率和精度，能够更好地处理高维空间的运动规划问题。此外，双层MPC框架的设计也使得该方法能够同时考虑全局的运动规划和局部的柔顺控制。
关键设计：第一层MPC使用近似的可行性约束来加速长时程的轨迹规划。第二层MPC使用预测性的导纳控制来实现柔顺交互。贝塞尔曲线的控制点数量和阶数需要根据具体的任务进行调整，以平衡轨迹的表达能力和计算复杂度。损失函数的设计需要综合考虑轨迹的平滑性、与障碍物的距离、以及柔顺控制的性能。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够有效地生成无碰撞的全身运动轨迹，并实现与环境的柔顺交互。与传统的基于离散化的MPC方法相比，该方法能够显著提高计算效率，并降低轨迹的误差。在动态避障和柔顺控制等任务中，该方法表现出良好的鲁棒性和适应性。
🎯 应用场景
该研究成果可应用于各种需要双臂移动操作机器人的场景，例如：工业自动化中的物料搬运和装配、医疗机器人中的辅助手术、以及服务机器人中的家庭服务等。该方法能够提高机器人在复杂环境中的操作效率和安全性，并实现与环境的柔顺交互，具有重要的实际应用价值和广阔的应用前景。
📄 摘要（原文）
Dual-arm mobile manipulators can transport and manipulate large-size objects with simple end-effectors. To interact with dynamic environments with strict safety and compliance requirements, achieving whole-body motion planning online while meeting various hard constraints for such highly redundant mobile manipulators poses a significant challenge. We tackle this challenge by presenting an efficient representation of whole-body motion trajectories within our bilevel model-based predictive control (MPC) framework. We utilize Bézier-curve parameterization to represent the optimized collision-free trajectories of two collaborating end-effectors in the first MPC, facilitating fast long-horizon object-oriented motion planning in SE(3) while considering approximated feasibility constraints. This approach is further applied to parameterize whole-body trajectories in the second MPC for whole-body motion generation with predictive admittance control in a relatively short horizon while satisfying whole-body hard constraints. This representation enables two MPCs with continuous properties, thereby avoiding inaccurate model-state transition and dense decision-variable settings in existing MPCs using the discretization method. It strengthens the online execution of the bilevel MPC framework in high-dimensional space and facilitates the generation of consistent commands for our hybrid position/velocity-controlled robot. The simulation comparisons and real-world experiments demonstrate the efficiency and robustness of this approach in various scenarios for static and dynamic obstacle avoidance, and compliant interaction control with the manipulated object and external disturbances.