Perceptive Mixed-Integer Footstep Control for Underactuated Bipedal Walking on Rough Terrain
作者: Brian Acosta, Michael Posa
分类: cs.RO
发布日期: 2025-01-31 (更新: 2025-05-10)
💡 一句话要点
提出基于混合整数规划的足迹控制方法，实现欠驱动双足机器人崎岖地形稳健行走
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双足机器人 崎岖地形行走 混合整数规划 模型预测控制 地形感知
📋 核心要点
- 现有方法难以处理崎岖地形下双足机器人的足部落点规划，尤其是在感知不确定性和地形非凸性的挑战下。
- 论文提出一种基于混合整数规划的模型预测足迹控制（MPFC）方法，结合在线凸多边形地形分解，实现安全足迹规划。
- 通过在Cassie机器人上的户外实验，验证了所提出的感知和控制系统的有效性，实现了最先进的崎岖地形行走性能。
📝 摘要（中文）
在崎岖地形上行走需要动态双足机器人通过足部落点来稳定自身，同时避免踏入不安全区域。在线规划这些足部落点极具挑战性，因为安全地形的非凸性以及不完善的感知和状态估计。本文提出了一个完整的感知和控制系统，用于实现欠驱动双足机器人在不连续地形上的行走。首先，我们开发了模型预测足迹控制（MPFC），这是一个单一的混合整数二次规划，它假设凸多边形地形分解，以超过100 Hz的频率优化离散的立足点选择、足迹位置、踝关节扭矩、模板动力学和足迹时间。然后，我们提出了一种新颖的方法，用于在线生成凸多边形地形分解。我们的感知堆栈将安全地形分类与拟合平面多边形分离，使用单个CPU线程实时生成时间上一致的地形分割。我们通过欠驱动双足机器人Cassie的户外实验证明了我们的感知和控制堆栈的性能，实现了最先进的在不连续地形上的感知双足行走。
🔬 方法详解
问题定义：论文旨在解决欠驱动双足机器人在崎岖不连续地形上的稳健行走问题。现有方法在处理非凸地形和感知不确定性时存在局限性，难以实现快速、安全的足迹规划。传统的基于优化的方法计算复杂度高，难以满足实时性要求。
核心思路：论文的核心思路是将足迹规划问题建模为一个混合整数二次规划（MIQP）问题，利用MIQP求解器高效地搜索离散的立足点选择和连续的足迹位置。同时，提出一种在线凸多边形地形分解方法，将非凸地形近似为多个凸多边形的组合，简化了安全区域的约束。
技术框架：整体框架包含感知模块和控制模块。感知模块负责从传感器数据中提取地形信息，并将其分解为凸多边形。控制模块基于感知模块提供的地形信息，利用MPFC算法规划足迹，并控制机器人执行。具体流程为：1) 感知模块获取环境信息并进行处理；2) 地形分解模块将环境分解为凸多边形；3) MPFC模块基于凸多边形信息进行足迹规划；4) 控制器执行规划的足迹。
关键创新：论文的关键创新在于以下几点：1) 将足迹规划问题建模为混合整数二次规划问题，实现了高效的离散和连续变量优化；2) 提出了一种新颖的在线凸多边形地形分解方法，能够实时生成时间上一致的地形分割；3) 将感知和控制模块集成到一个完整的系统中，实现了端到端的崎岖地形行走。
关键设计：MPFC算法的关键设计包括：1) 使用凸多边形表示安全区域，简化了约束条件；2) 引入离散变量表示立足点选择，允许算法在多个候选立足点中进行选择；3) 优化目标包括足迹位置、踝关节扭矩、模板动力学和足迹时间，实现了全面的运动规划。地形分解算法的关键设计包括：1) 将安全地形分类与拟合平面多边形分离，提高了鲁棒性；2) 使用单个CPU线程实现实时地形分割。
🖼️ 关键图片
📊 实验亮点
通过在Cassie机器人上的户外实验，验证了所提出的感知和控制系统的有效性。实验结果表明，该系统能够使Cassie机器人在不连续地形上实现稳健行走，并且能够实时适应地形变化。与现有方法相比，该方法在崎岖地形上的行走性能得到了显著提升，实现了最先进的水平。
🎯 应用场景
该研究成果可应用于搜救机器人、物流机器人、勘探机器人等领域，使其能够在复杂、崎岖的环境中自主行走，完成各种任务。例如，在灾难现场，搜救机器人可以利用该技术在废墟中搜索幸存者；在物流领域，机器人可以在仓库或户外环境中自主搬运货物。
📄 摘要（原文）
Traversing rough terrain requires dynamic bipeds to stabilize themselves through foot placement without stepping in unsafe areas. Planning these footsteps online is challenging given non-convexity of the safe terrain, and imperfect perception and state estimation. This paper addresses these challenges with a full-stack perception and control system for achieving underactuated walking on discontinuous terrain. First, we develop model-predictive footstep control (MPFC), a single mixed-integer quadratic program which assumes a convex polygon terrain decomposition to optimize over discrete foothold choice, footstep position, ankle torque, template dynamics, and footstep timing at over 100 Hz. We then propose a novel approach for generating convex polygon terrain decompositions online. Our perception stack decouples safe-terrain classification from fitting planar polygons, generating a temporally consistent terrain segmentation in real time using a single CPU thread. We demonstrate the performance of our perception and control stack through outdoor experiments with the underactuated biped Cassie, achieving state of the art perceptive bipedal walking on discontinuous terrain. Supplemental Video: https://youtu.be/JK16KJXJxi4