Probabilistic approach to feedback control enhances multi-legged locomotion on rugged landscapes
作者: Juntao He, Baxi Chong, Jianfeng Lin, Zhaochen Xu, Hosain Bagheri, Esteban Flores, Daniel I. Goldman
分类: cs.RO
发布日期: 2024-11-11 (更新: 2025-04-30)
备注: Submitted to IEEE Transactions on Robotics (T-RO)
期刊: IEEE Transactions on Robotics 2025, Volume: 41, Pages: 4776 - 4793
💡 一句话要点
提出基于概率反馈控制的多足机器人运动方法，提升崎岖地形的适应性。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 多足机器人 崎岖地形 运动控制 概率反馈 垂直身体起伏 足地接触 地形估计
📋 核心要点
- 现有双足和四足机器人虽然能在崎岖地形运动，但依赖大量传感器，多足机器人如何在复杂地形减少传感需求是核心问题。
- 论文提出一种受生物启发的垂直身体起伏波方法，通过调整身体姿态来减轻环境干扰，提升运动速度和稳定性。
- 实验结果表明，该控制框架在粗糙地形上速度提升约50%，速度方差降低约40%，并在多种复杂地形中有效。
📝 摘要（中文）
在复杂地形上实现稳健的腿式运动面临着机器人与环境交互的高度不确定性带来的挑战。虽然双足和四足机器人已展示出在崎岖地形上的良好移动性，但由于重心高和支撑面窄导致的静态稳定性低，它们严重依赖传感器来维持稳定。本文提出，多足机器人系统可以通过增加腿的数量来利用形态冗余，从而最大限度地减少在复杂地形上行进时的传感需求。研究表明，具有足够腿的多足系统可以在没有传感和控制的情况下可靠地导航噪声环境，但速度较低。本文提出了一种受生物启发的垂直身体起伏波作为一种新方法，以减轻影响机器人速度的环境干扰，并通过实验和概率模型提供支持。此外，本文还介绍了一种控制框架，该框架使用二元足-地接触传感器监测粗糙地形上的足-地接触模式，以估计地形粗糙度。控制器根据肢体平均实际足-地接触率与理想足-地接触率的偏差来调整垂直身体波，从而在粗糙的实验室地形上实现了高达 0.235 个体长的显著速度提升。与开环控制器相比，速度提高了约 50%，速度方差降低了约 40%。此外，该控制器还可在实验室外的复杂地形中运行，包括松针、机器人大小的岩石、泥浆和树叶。
🔬 方法详解
问题定义：论文旨在解决多足机器人在崎岖地形上运动时，由于环境交互不确定性高，难以实现高速、稳定的运动的问题。现有方法要么依赖大量传感器，要么在无控制情况下速度很慢，无法充分利用多足机器人的形态冗余优势。
核心思路：论文的核心思路是利用受生物启发的垂直身体起伏波来主动适应地形变化，通过调整身体姿态来优化足-地接触，从而提高运动速度和稳定性。这种方法旨在减少对复杂传感器的依赖，同时提升机器人在非结构化环境中的运动性能。
技术框架：整体框架包含以下几个主要模块：1) 二元足-地接触传感器：用于检测足部与地面的接触情况，提供离散的接触信息。2) 地形粗糙度估计器：基于足-地接触模式估计地形的粗糙程度。3) 垂直身体起伏波控制器：根据地形粗糙度信息，调整身体的垂直起伏波形，优化足-地接触。4) 运动控制模块：根据起伏波形生成关节运动指令，驱动机器人运动。
关键创新：论文的关键创新在于将垂直身体起伏波的概念引入多足机器人运动控制，并将其与概率反馈控制相结合。与传统的基于力/力矩控制的方法不同，该方法更关注足-地接触模式的优化，而非精确的力/力矩控制，从而降低了对精确环境模型的依赖。
关键设计：关键设计包括：1) 垂直身体起伏波的参数化表示，例如频率、幅值和相位等。2) 基于二元足-地接触信息的地形粗糙度估计方法，例如计算实际足-地接触率与理想足-地接触率的偏差。3) 基于偏差的反馈控制策略，例如使用PID控制器调整起伏波的参数，以最小化偏差。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的控制框架在粗糙的实验室地形上实现了高达 0.235 个体长的速度提升。与开环控制器相比，速度提高了约 50%，速度方差降低了约 40%。此外，该控制器还成功地在实验室外的复杂地形中运行，包括松针、机器人大小的岩石、泥浆和树叶，验证了其在真实环境中的可行性。
🎯 应用场景
该研究成果可应用于搜索救援、灾后重建、野外勘探等领域。多足机器人能够在复杂、崎岖的地形中自主导航，执行侦察、搬运等任务，降低人类进入危险环境的风险。此外，该方法还可以推广到其他类型的腿式机器人，提升其在非结构化环境中的适应性和运动性能。
📄 摘要（原文）
Achieving robust legged locomotion on complex terrains poses challenges due to the high uncertainty in robot-environment interactions. Recent advances in bipedal and quadrupedal robots demonstrate good mobility on rugged terrains but rely heavily on sensors for stability due to low static stability from a high center of mass and a narrow base of support. We hypothesize that a multi-legged robotic system can leverage morphological redundancy from additional legs to minimize sensing requirements when traversing challenging terrains. Studies suggest that a multi-legged system with sufficient legs can reliably navigate noisy landscapes without sensing and control, albeit at a low speed of up to 0.1 body lengths per cycle (BLC). However, the control framework to enhance speed on challenging terrains remains underexplored due to the complex environmental interactions, making it difficult to identify the key parameters to control in these high-degree-of-freedom systems. Here, we present a bio-inspired vertical body undulation wave as a novel approach to mitigate environmental disturbances affecting robot speed, supported by experiments and probabilistic models. Finally, we introduce a control framework which monitors foot-ground contact patterns on rugose landscapes using binary foot-ground contact sensors to estimate terrain rugosity. The controller adjusts the vertical body wave based on the deviation of the limb's averaged actual-to-ideal foot-ground contact ratio, achieving a significant enhancement of up to 0.235 BLC on rugose laboratory terrain. We observed a $\sim$ 50\% increase in speed and a $\sim$ 40\% reduction in speed variance compared to the open-loop controller. Additionally, the controller operates in complex terrains outside the lab, including pine straw, robot-sized rocks, mud, and leaves.