Whole-body MPC and sensitivity analysis of a real time foot step sequencer for a biped robot Bolt
作者: Constant Roux, Côme Perrot, Olivier Stasse
分类: cs.RO
发布日期: 2024-12-02
期刊: 2024 IEEE-RAS International Conference on Humanoid Robots (Humanoids)
💡 一句话要点
针对双足机器人Bolt，提出基于全身MPC和步态序列器的实时步态控制方法。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双足机器人 全身模型预测控制 步态序列器 运动控制 鲁棒性 敏感性分析 实时控制
📋 核心要点
- 双足机器人运动控制面临复杂动力学和环境干扰的挑战，需要鲁棒的控制策略。
- 论文提出结合全身模型预测控制和步态序列器，实现对双足机器人Bolt的精确运动控制。
- 仿真结果验证了该方法在速度跟踪、抗推和防滑方面的有效性，并进行了理论敏感性分析。
📝 摘要（中文）
本文提出了一种用于双足机器人Bolt的新型控制器。该方法利用全身模型预测控制（MPC）与步态序列器相结合，以实现稳健的运动。仿真结果表明，该控制器能够有效地跟踪速度，并具有从推力和滑移中恢复的能力。此外，我们还提供了步态序列问题的理论敏感性分析，以加深对结果的理解。
🔬 方法详解
问题定义：双足机器人的运动控制是一个复杂的问题，尤其是在面对外部干扰（如推力或滑移）时。传统的控制方法可能难以保证机器人的稳定性和运动性能。因此，需要一种能够实时调整步态并具有鲁棒性的控制策略。
核心思路：论文的核心思路是将全身模型预测控制（Whole-body MPC）与步态序列器相结合。MPC能够预测未来状态并优化控制输入，而步态序列器则负责生成合理的步态序列。通过二者的协同作用，可以实现对机器人运动的精确控制，并提高其抗干扰能力。
技术框架：该控制器的整体框架包括以下几个主要模块：1) 全身动力学模型：用于描述机器人的运动学和动力学特性。2) 模型预测控制器（MPC）：基于动力学模型，预测机器人在未来一段时间内的状态，并优化控制输入（如关节力矩）。3) 步态序列器：根据当前状态和目标速度，生成一系列的足端落脚点。4) 状态估计器：用于估计机器人的当前状态，例如位置、速度和姿态。这些模块协同工作，实现对机器人的实时控制。
关键创新：该方法的一个关键创新在于将全身MPC与步态序列器紧密结合。传统的MPC方法通常需要预先定义好的步态，而该方法能够根据环境和任务需求，动态地调整步态序列，从而提高了机器人的适应性和鲁棒性。此外，论文还对步态序列问题进行了理论敏感性分析，为理解控制器的性能提供了理论依据。
关键设计：MPC的设计中，需要选择合适的优化目标和约束条件。优化目标通常包括跟踪目标速度、最小化控制力矩等。约束条件则包括关节力矩限制、足端摩擦锥约束等。步态序列器的设计需要考虑步长的选择、步宽的调整以及落脚点的稳定性。此外，状态估计器的精度也会影响控制器的性能，因此需要选择合适的传感器和滤波算法。
🖼️ 关键图片
📊 实验亮点
仿真结果表明，该控制器能够有效地跟踪目标速度，并且具有较强的抗推和防滑能力。具体而言，该控制器能够在受到外部推力后迅速恢复平衡，并且能够在地面摩擦系数较低的情况下保持稳定行走。此外，理论敏感性分析为理解步态序列问题提供了有价值的见解。
🎯 应用场景
该研究成果可应用于各种双足机器人应用场景，例如：复杂地形行走、人机协作、搜救任务等。通过提高双足机器人的运动稳定性和鲁棒性，可以使其在更广泛的环境中执行任务，并为人类提供更安全、更高效的服务。未来的研究方向包括将该方法应用于更复杂的机器人平台，并探索其在不同任务中的性能。
📄 摘要（原文）
This paper presents a novel controller for the bipedal robot Bolt. Our approach leverages a whole-body model predictive controller in conjunction with a footstep sequencer to achieve robust locomotion. Simulation results demonstrate effective velocity tracking as well as push and slippage recovery abilities. In addition to that, we provide a theoretical sensitivity analysis of the footstep sequencing problem to enhance the understanding of the results.