Disturbance Estimation of Legged Robots: Predefined Convergence via Dynamic Gains
作者: Bolin Li, Peiyuan Cai, Gewei Zuo, Lijun Zhu, Han Ding
分类: cs.RO
发布日期: 2025-03-02
备注: have submitted to IROS
💡 一句话要点
提出基于动态增益的腿式机器人扰动观测器，实现预定义收敛
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 腿式机器人 扰动估计 动态增益 预定义收敛 观测器设计
📋 核心要点
- 腿式机器人扰动估计面临挑战，现有方法依赖扰动或其导数的上限信息，工程适用性受限。
- 提出基于动态增益和比较函数的扰动观测器，实现扰动估计误差的预定义收敛，无需扰动上限信息。
- 实验验证了该观测器的有效性，理论分析指导了动态增益和比较函数的设计，提升工程应用价值。
📝 摘要（中文）
本研究致力于解决腿式机器人中的扰动估计问题，提出了一种新颖的连续时间在线反馈扰动观测器，该观测器利用可测量的变量。其显著特征是集成了动态增益和比较函数，保证了扰动估计误差的预定义收敛，包括最终一致有界收敛、渐近收敛和指数收敛等多种类型。详细阐述了动态增益的性质和比较函数的充分条件，以指导工程师设计所需的收敛行为。值得注意的是，该观测器无需扰动或其导数的上限信息即可有效工作，从而增强了其工程适用性。实验结果验证了所取得的理论进展。
🔬 方法详解
问题定义：腿式机器人在运动过程中会受到各种扰动，例如外部冲击、摩擦力变化等。准确估计这些扰动对于实现精确控制至关重要。然而，传统的扰动观测器通常需要已知扰动或其导数的上限信息，这在实际应用中很难获得，限制了其适用性。因此，如何在未知扰动上限的情况下，实现对扰动的准确估计，是本文要解决的关键问题。
核心思路：本文的核心思路是设计一个基于动态增益的扰动观测器。通过动态调整观测器的增益，使其能够自适应地跟踪扰动的变化，从而实现对扰动的准确估计。此外，引入比较函数来保证扰动估计误差的预定义收敛，即可以预先设定收敛速度和精度。这种设计避免了对扰动上限信息的依赖，提高了观测器的鲁棒性和工程适用性。
技术框架：该扰动观测器的整体框架是一个连续时间反馈系统。它主要包含以下几个模块：1) 状态估计模块：利用可测量的机器人状态变量（如关节角度、角速度）进行状态估计。2) 扰动观测模块：基于状态估计结果和动态增益，估计作用在机器人上的扰动。3) 反馈控制模块：根据扰动估计结果，对控制输入进行补偿，从而抑制扰动的影响。该框架的关键在于动态增益的设计和比较函数的选择，它们共同决定了扰动估计的收敛性能。
关键创新：本文最重要的技术创新在于提出了基于动态增益和比较函数的扰动观测器。与传统的扰动观测器相比，该观测器无需扰动上限信息，并且可以实现预定义的收敛性能。动态增益的设计使得观测器能够自适应地跟踪扰动的变化，而比较函数的引入则保证了扰动估计误差的收敛速度和精度。这种设计显著提高了观测器的鲁棒性和工程适用性。
关键设计：动态增益的设计是关键。作者给出了动态增益的性质和比较函数的充分条件，以指导工程师设计所需的收敛行为。具体来说，动态增益通常是一个关于时间或状态的函数，其值会随着时间的推移或状态的变化而自适应地调整。比较函数则用于描述扰动估计误差的收敛速度和精度。通过合理选择动态增益和比较函数，可以实现最终一致有界收敛、渐近收敛和指数收敛等多种类型的收敛行为。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的扰动观测器能够有效地估计腿式机器人所受到的扰动，并且实现了预定义的收敛性能。与传统的扰动观测器相比，该观测器在未知扰动上限的情况下，仍然能够保持较高的估计精度和鲁棒性。具体的性能数据和对比基线在论文中进行了详细的展示。
🎯 应用场景
该研究成果可广泛应用于各种腿式机器人，例如双足机器人、四足机器人和多足机器人。通过准确估计和补偿扰动，可以提高腿式机器人的运动控制精度、稳定性和鲁棒性，使其能够在复杂和未知的环境中执行各种任务，如搜索救援、物流运输和工业巡检等。此外，该方法还可以推广到其他类型的机器人系统，例如无人机和水下机器人。
📄 摘要（原文）
In this study, we address the challenge of disturbance estimation in legged robots by introducing a novel continuous-time online feedback-based disturbance observer that leverages measurable variables. The distinct feature of our observer is the integration of dynamic gains and comparison functions, which guarantees predefined convergence of the disturbance estimation error, including ultimately uniformly bounded, asymptotic, and exponential convergence, among various types. The properties of dynamic gains and the sufficient conditions for comparison functions are detailed to guide engineers in designing desired convergence behaviors. Notably, the observer functions effectively without the need for upper bound information of the disturbance or its derivative, enhancing its engineering applicability. An experimental example corroborates the theoretical advancements achieved.