Online Omnidirectional Jumping Trajectory Planning for Quadrupedal Robots on Uneven Terrains
作者: Linzhu Yue, Zhitao Song, Jinhu Dong, Zhongyu Li, Hongbo Zhang, Lingwei Zhang, Xuanqi Zeng, Koushil Sreenath, Yun-hui Liu
分类: cs.RO, eess.SY
发布日期: 2024-11-07 (更新: 2024-11-09)
备注: Submitted to IJRR
💡 一句话要点
提出一种四足机器人在线全向跳跃轨迹规划框架，解决复杂地形下的敏捷移动问题。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 四足机器人 跳跃轨迹规划 在线优化 全向运动 复杂地形
📋 核心要点
- 现有四足机器人跳跃研究不足以应对在线全向跳跃，且忽略了轨迹生成过程中的运动学和动力学约束。
- 论文提出一种级联在线优化框架，通过跳跃平面参数化运动，并使用加速进化算法优化轨迹。
- 实验表明，该框架能在0.1秒内生成跳跃轨迹，并在四足和人形机器人上成功验证，提升了复杂地形的适应性。
📝 摘要（中文）
本文提出了一种完整的级联在线优化框架，用于四足机器人的全向跳跃。该方案系统地包含了跳跃轨迹生成、轨迹跟踪控制器和着陆控制器。同时，它还结合了环境感知，以应对标准步态无法逾越的障碍，例如从高处平台跳跃。本文引入了一种新颖的跳跃平面来参数化全向跳跃运动，并构建了一个紧耦合的优化问题，考虑了运动学和动力学约束，同时优化质心轨迹、地面反作用力（GRF）和关节状态。为了满足在线需求，提出了一种加速进化算法作为轨迹优化器，以解决运动学和动力学约束的复杂性。为了确保着陆后环境感知的稳定性和准确性，引入了一种由粗到精的重定位方法，该方法结合了全局分支定界（BnB）搜索和最大后验（MAP）估计，以实现导航和跳跃期间的精确定位。该框架在约0.1秒内生成跳跃轨迹（具有热启动），并在不平坦地形上的两个四足机器人上成功验证。此外，该框架的通用性已扩展到人形机器人。
🔬 方法详解
问题定义：现有四足机器人跳跃方法难以实现复杂地形下的在线全向跳跃，主要痛点在于：一是缺乏对运动学和动力学约束的充分考虑，导致生成的轨迹不可行；二是计算复杂度高，难以满足在线实时性的要求；三是环境感知和着陆控制的精度不足，影响了跳跃的稳定性和可靠性。
核心思路：论文的核心思路是将全向跳跃问题分解为轨迹生成、轨迹跟踪和着陆控制三个阶段，并采用级联优化的方式进行求解。通过引入跳跃平面来参数化全向跳跃运动，将复杂的空间轨迹规划问题简化为在跳跃平面上的优化问题。同时，采用加速进化算法来解决运动学和动力学约束下的轨迹优化问题，提高计算效率。此外，还结合了环境感知和粗到精的重定位方法，提高着陆的稳定性和精度。
技术框架：该框架主要包含以下几个模块： 1. 环境感知模块：用于获取周围环境的信息，例如地形高度、障碍物位置等。 2. 跳跃轨迹生成模块：基于环境信息和机器人状态，生成满足运动学和动力学约束的跳跃轨迹。该模块采用跳跃平面参数化运动，并使用加速进化算法进行优化。 3. 轨迹跟踪控制模块：控制机器人按照生成的跳跃轨迹运动。该模块采用力矩控制方法，保证机器人运动的稳定性和精度。 4. 着陆控制模块：在机器人着陆时，进行姿态调整和减震，保证着陆的平稳性。该模块采用阻抗控制方法，根据地面反作用力调整关节力矩。 5. 重定位模块：着陆后，结合全局分支定界（BnB）搜索和最大后验（MAP）估计进行精确定位。
关键创新：论文的主要创新点在于： 1. 提出了一种新颖的跳跃平面来参数化全向跳跃运动，简化了轨迹规划问题。 2. 采用加速进化算法来解决运动学和动力学约束下的轨迹优化问题，提高了计算效率。 3. 结合了环境感知和粗到精的重定位方法，提高了着陆的稳定性和精度。 4. 提出了一个完整的级联在线优化框架，实现了四足机器人的全向跳跃。
关键设计： 1. 跳跃平面参数化：使用跳跃平面的法向量和原点位置来描述跳跃运动的方向和高度。 2. 加速进化算法：采用遗传算法作为优化器，并引入了多种加速策略，例如精英保留、交叉变异等。 3. 粗到精的重定位方法：首先使用全局分支定界（BnB）搜索进行粗略定位，然后使用最大后验（MAP）估计进行精确定位。 4. 损失函数设计：损失函数包含多个部分，例如轨迹平滑性、关节力矩约束、地面反作用力约束等。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该框架能够在约0.1秒内生成跳跃轨迹（具有热启动），并在不平坦地形上的两个四足机器人上成功验证。与传统方法相比，该方法能够更好地满足在线实时性的要求，并提高了跳跃的稳定性和精度。此外，该框架的通用性已扩展到人形机器人，证明了其具有良好的可扩展性。
🎯 应用场景
该研究成果可应用于搜救、勘探、物流等领域。在复杂地形或灾害环境中，四足机器人可以通过跳跃快速穿越障碍，提高工作效率和安全性。此外，该技术还可扩展到人形机器人，使其具备更强的运动能力和环境适应性，例如在建筑工地或医疗场所进行辅助工作。
📄 摘要（原文）
Natural terrain complexity often necessitates agile movements like jumping in animals to improve traversal efficiency. To enable similar capabilities in quadruped robots, complex real-time jumping maneuvers are required. Current research does not adequately address the problem of online omnidirectional jumping and neglects the robot's kinodynamic constraints during trajectory generation. This paper proposes a general and complete cascade online optimization framework for omnidirectional jumping for quadruped robots. Our solution systematically encompasses jumping trajectory generation, a trajectory tracking controller, and a landing controller. It also incorporates environmental perception to navigate obstacles that standard locomotion cannot bypass, such as jumping from high platforms. We introduce a novel jumping plane to parameterize omnidirectional jumping motion and formulate a tightly coupled optimization problem accounting for the kinodynamic constraints, simultaneously optimizing CoM trajectory, Ground Reaction Forces (GRFs), and joint states. To meet the online requirements, we propose an accelerated evolutionary algorithm as the trajectory optimizer to address the complexity of kinodynamic constraints. To ensure stability and accuracy in environmental perception post-landing, we introduce a coarse-to-fine relocalization method that combines global Branch and Bound (BnB) search with Maximum a Posteriori (MAP) estimation for precise positioning during navigation and jumping. The proposed framework achieves jump trajectory generation in approximately 0.1 seconds with a warm start and has been successfully validated on two quadruped robots on uneven terrains. Additionally, we extend the framework's versatility to humanoid robots.