Online Friction Coefficient Identification for Legged Robots on Slippery Terrain Using Smoothed Contact Gradients
作者: Hajun Kim, Dongyun Kang, Min-Gyu Kim, Gijeong Kim, Hae-Won Park
分类: cs.RO
发布日期: 2025-02-24
备注: 8 pages, IEEE RA-L (2025) accepted
期刊: IEEE Robotics and Automation Letters, April 2025, Volume 10, Issue 4, Pages: 3150-3157
💡 一句话要点
提出基于平滑接触梯度的在线摩擦系数辨识框架，用于腿式机器人在滑溜地形上的运动控制。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)
关键词: 摩擦系数辨识 腿式机器人 滑溜地形 接触动力学 平滑梯度
📋 核心要点
- 现有方法在滑溜地形上难以准确估计摩擦系数，导致腿式机器人运动控制性能下降。
- 论文提出利用接触冲量的平滑梯度，优化摩擦系数，从而实现更准确的在线辨识。
- 实验表明，该框架在不同初始条件下，能快速稳定地辨识摩擦系数，提升机器人适应性。
📝 摘要（中文）
本文提出了一种用于腿式机器人在滑溜地形上进行在线摩擦系数辨识的框架。该方法将辨识问题建模为一个优化问题，旨在最小化刚体接触动力学中实际状态与预测状态之间的残差之和，其中预测状态由摩擦系数参数化。特别地，该框架利用库仑摩擦互补条件的平滑化处理，获得接触冲量的解析平滑梯度，从而解决了非光滑接触动力学引起的梯度信息不足问题。此外，我们引入了一种拒绝方法，用于过滤掉腿式机器人在摩擦系数辨识过程中，接触初始阶段具有较高法向接触速度的数据。为了验证所提出框架的有效性，我们使用四足机器人平台KAIST HOUND在滑溜和非滑溜地形上进行了实验。实验结果表明，我们的框架能够在各种初始条件下实现快速且一致的摩擦系数辨识。
🔬 方法详解
问题定义：腿式机器人在滑溜地形上运动时，准确估计地面的摩擦系数至关重要。然而，由于接触动力学的非光滑性，传统的摩擦系数辨识方法往往面临梯度信息不足的问题，导致辨识精度和速度下降，进而影响机器人的运动控制性能。现有方法难以在在线情况下快速准确地估计摩擦系数。
核心思路：本文的核心思路是通过对库仑摩擦的互补条件进行平滑化处理，从而获得接触冲量的解析平滑梯度。利用该平滑梯度，可以更有效地优化摩擦系数，提高辨识精度和速度。此外，通过引入拒绝方法，过滤掉接触初始阶段具有较高法向接触速度的数据，进一步提升辨识的鲁棒性。
技术框架：该框架主要包含以下几个模块：1) 状态估计模块，用于获取机器人的状态信息（如位置、速度、姿态等）；2) 接触动力学模型，用于预测机器人在给定摩擦系数下的状态；3) 摩擦系数优化模块，该模块基于实际状态与预测状态之间的残差，利用平滑梯度优化摩擦系数；4) 数据过滤模块，使用拒绝方法过滤掉不适合用于摩擦系数辨识的数据。整体流程为：首先，机器人与环境发生接触；然后，状态估计模块获取机器人状态，接触动力学模型预测机器人状态；接着，数据过滤模块筛选数据；最后，摩擦系数优化模块利用筛选后的数据优化摩擦系数。
关键创新：本文最重要的技术创新在于利用接触冲量的平滑梯度进行摩擦系数辨识。传统的摩擦系数辨识方法通常直接处理非光滑的接触动力学，导致梯度信息不足。而本文通过平滑化处理，获得了接触冲量的解析平滑梯度，从而能够更有效地优化摩擦系数。与现有方法相比，该方法能够提供更准确的梯度信息，从而提高辨识精度和速度。
关键设计：论文的关键设计包括：1) 库仑摩擦互补条件的平滑函数选择，需要保证平滑后的函数具有良好的可导性；2) 优化问题的损失函数设计，需要能够有效地衡量实际状态与预测状态之间的差异；3) 拒绝方法的阈值设置，需要根据实际情况进行调整，以平衡数据过滤的严格程度和数据利用率。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的框架能够在各种初始条件下实现快速且一致的摩擦系数辨识。在滑溜地形上，该框架能够在数秒内准确估计摩擦系数，并且具有良好的鲁棒性。与传统的基于非光滑优化的方法相比，该框架能够显著提高辨识精度和速度。
🎯 应用场景
该研究成果可应用于腿式机器人在复杂地形（如滑溜、不平整地形）上的自主导航和控制。通过在线辨识摩擦系数，机器人能够更好地适应环境变化，提高运动的稳定性和鲁棒性。此外，该技术还可应用于虚拟现实、机器人仿真等领域，提高仿真环境的真实感。
📄 摘要（原文）
This paper proposes an online friction coefficient identification framework for legged robots on slippery terrain. The approach formulates the optimization problem to minimize the sum of residuals between actual and predicted states parameterized by the friction coefficient in rigid body contact dynamics. Notably, the proposed framework leverages the analytic smoothed gradient of contact impulses, obtained by smoothing the complementarity condition of Coulomb friction, to solve the issue of non-informative gradients induced from the nonsmooth contact dynamics. Moreover, we introduce the rejection method to filter out data with high normal contact velocity following contact initiations during friction coefficient identification for legged robots. To validate the proposed framework, we conduct the experiments using a quadrupedal robot platform, KAIST HOUND, on slippery and nonslippery terrain. We observe that our framework achieves fast and consistent friction coefficient identification within various initial conditions.