Real-Time Safe Bipedal Robot Navigation using Linear Discrete Control Barrier Functions
作者: Chengyang Peng, Victor Paredes, Guillermo A. Castillo, Ayonga Hereid
分类: cs.RO, eess.SY
发布日期: 2024-11-06
备注: 7 pages, 10 figures
💡 一句话要点
提出基于线性离散控制障碍函数的实时安全双足机器人导航方法
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双足机器人 安全导航 离散控制障碍函数 线性倒立摆模型 实时控制
📋 核心要点
- 人形机器人实时安全导航面临挑战，现有方法难以兼顾机器人动力学约束和环境障碍物。
- 提出基于线性离散控制障碍函数（LDCBF）的统一路径和步态规划框架，保证导航安全性。
- 实验结果表明，该方法能为Digit机器人在复杂环境中实时生成安全步态，实现安全导航。
📝 摘要（中文）
本文提出了一种统一的、安全的路径和步态规划框架，用于人形机器人在真实环境中进行实时安全导航。由于人形机器人固有的欠驱动特性，路径的安全性需要同时考虑避障和机器人自身的物理限制及动力学。现有方法通常将路径规划与步态控制解耦，以降低完整机器人动力学带来的计算复杂度。本文利用线性倒立摆（LIP）模型作为模板模型来表示行走动力学，并结合航向角来评估对物理可行步态至关重要的运动学约束。此外，利用离散控制障碍函数（DCBF）进行避障，确保后续的落脚点提供安全的导航路径。为了保证实时计算，对DCBF进行了一种新的近似，产生线性DCBF（LDCBF）约束。在模拟环境中使用Digit机器人验证了该方法，结果表明该方法能够为人形机器人在随机生成的障碍物环境中实时生成安全步态。
🔬 方法详解
问题定义：人形机器人在复杂环境中安全导航是一个关键问题。现有的方法通常将路径规划和步态控制分离，忽略了机器人自身的动力学约束，导致生成的步态可能无法执行或者不稳定。此外，完整机器人动力学的计算复杂度很高，难以满足实时性要求。因此，如何在保证机器人动力学约束的前提下，实现复杂环境下的实时安全导航是一个挑战。
核心思路：本文的核心思路是将路径规划和步态控制统一到一个框架中，同时考虑机器人的动力学约束和环境障碍物。通过使用线性倒立摆（LIP）模型简化机器人动力学，并利用离散控制障碍函数（DCBF）保证安全性，从而实现实时安全导航。关键在于将复杂的非线性DCBF近似为线性形式（LDCBF），大幅降低计算复杂度。
技术框架：该框架主要包含以下几个模块：1) 基于LIP模型的步态生成器，用于生成初步的步态轨迹；2) 运动学约束评估器，用于评估步态轨迹是否满足机器人的运动学约束；3) 基于LDCBF的安全性约束器，用于保证步态轨迹的安全性，避免碰撞障碍物；4) 优化器，用于优化步态轨迹，使其满足所有约束条件，并实现实时导航。整体流程是：首先，步态生成器生成初步的步态轨迹；然后，运动学约束评估器和安全性约束器对轨迹进行评估；最后，优化器根据评估结果对轨迹进行优化，生成最终的安全步态轨迹。
关键创新：最重要的技术创新点是将非线性的离散控制障碍函数（DCBF）近似为线性形式（LDCBF）。这种近似大大降低了计算复杂度，使得可以在实时性要求较高的场景下使用DCBF来保证安全性。此外，将路径规划和步态控制统一到一个框架中，可以更好地考虑机器人的动力学约束，从而生成更安全、更稳定的步态。
关键设计：LDCBF的构建是关键。具体来说，首先计算当前状态下到障碍物的距离，然后根据LIP模型的动力学方程，预测下一步的状态。LDCBF的目标是保证下一步的状态仍然是安全的，即与障碍物的距离大于一个安全阈值。为了将DCBF线性化，本文使用一阶泰勒展开对DCBF进行近似。此外，优化器通常使用二次规划（QP）求解器，以保证实时性。安全阈值的选取需要根据具体的机器人和环境进行调整，以保证安全性和可行性。
🖼️ 关键图片
📊 实验亮点
在模拟实验中，使用Digit机器人在随机生成的障碍物环境中进行测试。实验结果表明，该方法能够实时生成安全步态，使机器人成功避开障碍物并完成导航任务。具体来说，该方法能够在100Hz的频率下进行计算，满足实时性要求。与没有使用DCBF的方法相比，该方法能够显著提高机器人的安全性，避免碰撞障碍物。
🎯 应用场景
该研究成果可应用于人形机器人在复杂环境中的自主导航，例如仓库物流、灾难救援、家庭服务等领域。通过保证机器人的安全性和稳定性，可以使其在这些场景中更好地完成任务，提高工作效率和安全性。未来，该方法可以进一步扩展到更复杂的机器人系统和环境，例如多足机器人、无人驾驶车辆等。
📄 摘要（原文）
Safe navigation in real-time is an essential task for humanoid robots in real-world deployment. Since humanoid robots are inherently underactuated thanks to unilateral ground contacts, a path is considered safe if it is obstacle-free and respects the robot's physical limitations and underlying dynamics. Existing approaches often decouple path planning from gait control due to the significant computational challenge caused by the full-order robot dynamics. In this work, we develop a unified, safe path and gait planning framework that can be evaluated online in real-time, allowing the robot to navigate clustered environments while sustaining stable locomotion. Our approach uses the popular Linear Inverted Pendulum (LIP) model as a template model to represent walking dynamics. It incorporates heading angles in the model to evaluate kinematic constraints essential for physically feasible gaits properly. In addition, we leverage discrete control barrier functions (DCBF) for obstacle avoidance, ensuring that the subsequent foot placement provides a safe navigation path within clustered environments. To guarantee real-time computation, we use a novel approximation of the DCBF to produce linear DCBF (LDCBF) constraints. We validate the proposed approach in simulation using a Digit robot in randomly generated environments. The results demonstrate that our approach can generate safe gaits for a non-trivial humanoid robot to navigate environments with randomly generated obstacles in real-time.