Performance Evaluation of Trajectory Tracking Controllers for a Quadruped Robot Leg

📄 arXiv: 2504.08698v1 📥 PDF

作者: Hossein Shojaei, Hamid Rahmanei, Seyed Hossein Sadati

分类: cs.RO, eess.SY

发布日期: 2025-04-11

备注: Published in IEEE Xplore

DOI: 10.1109/ICRoM60803.2023.10412397

💡 一句话要点

提出一种自适应转置雅可比方法，用于四足机器人腿部的轨迹跟踪控制。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 四足机器人 轨迹跟踪 自适应控制 转置雅可比 PI算法

📋 核心要点

  1. 腿式机器人动态模型的复杂性使得轨迹跟踪任务难以实现，需要无模型控制器。
  2. 提出一种自适应转置雅可比方法，通过自适应PI算法调整控制增益，以应对动态模型复杂性。
  3. 仿真结果表明，该方法在降低过冲、均方根误差和控制输入能量方面优于传统方法，且对初始条件和质量不确定性更鲁棒。

📝 摘要（中文）

针对腿式机器人动态模型的复杂性，本文提出了一种自适应转置雅可比方法，用于轨迹跟踪任务，该方法利用自适应PI算法调整控制增益。通过均方根误差和控制输入能量准则，将所提出的控制算法与传统转置雅可比和滑模控制算法的性能进行了比较。为了评估所提出控制系统的有效性，在MATLAB/Simulink软件中对四足机器人腿部进行了半椭圆路径跟踪仿真。结果表明，所提出的自适应转置雅可比方法降低了过冲和均方根误差，同时降低了控制输入能量。此外，与传统的滑模控制相比，转置雅可比和自适应转置雅可比对初始条件的变化更具鲁棒性。此外，由于其基于模型的特性，滑模控制在参数不确定性高达20%时表现良好，而转置雅可比和所提出的自适应转置雅可比算法即使在更高的质量不确定性下也显示出良好的结果。

🔬 方法详解

问题定义：腿式机器人轨迹跟踪控制面临动态模型复杂性的挑战，传统的基于模型的控制方法难以精确建模，而无模型控制方法可能存在精度和鲁棒性问题。现有方法，如传统转置雅可比和滑模控制，在应对模型不确定性和外部扰动时存在局限性。

核心思路：本文的核心思路是利用自适应控制的思想，改进传统的转置雅可比方法。通过引入自适应PI算法，实时调整控制增益，从而在不需要精确模型的情况下，提高轨迹跟踪的精度和鲁棒性。这种方法旨在平衡控制性能和对模型不确定性的适应能力。

技术框架：该控制系统的整体框架包括以下几个主要模块：1) 期望轨迹生成模块，用于生成目标轨迹；2) 机器人腿部动力学模型（用于仿真，实际控制中避免直接使用）；3) 自适应转置雅可比控制器，这是核心模块，包含转置雅可比控制和自适应PI增益调整；4) 机器人腿部运动学模型，用于计算关节角度和末端执行器位置；5) 仿真环境，用于评估控制器的性能。

关键创新：该论文的关键创新在于将自适应PI算法与转置雅可比控制相结合。传统的转置雅可比方法使用固定的控制增益，难以适应动态变化和模型不确定性。通过自适应PI算法，可以根据实际误差动态调整增益，从而提高控制器的鲁棒性和精度。与滑模控制相比，该方法对模型依赖性更低，更易于实现。

关键设计：自适应PI算法的关键参数包括比例增益Kp和积分增益Ki。这些增益的调整策略需要仔细设计，以保证系统的稳定性和收敛速度。论文中可能涉及到Kp和Ki的更新公式，以及如何根据误差信号调整这些参数。此外，仿真环境的设置，包括机器人腿部的几何参数、质量参数和摩擦系数等，也会影响控制器的性能评估。

📊 实验亮点

仿真结果表明，所提出的自适应转置雅可比方法在半椭圆路径跟踪任务中，降低了过冲和均方根误差，并减少了控制输入能量。与传统转置雅可比和滑模控制相比，该方法对初始条件的变化更具鲁棒性，并且在更高的质量不确定性下仍能保持良好的控制性能。具体性能提升数据未知，需要在论文中查找。

🎯 应用场景

该研究成果可应用于各种腿式机器人，如四足机器人、双足机器人和外骨骼机器人，提高其在复杂环境下的运动控制精度和稳定性。该方法在搜索救援、物流运输、巡检等领域具有潜在应用价值，能够提升机器人在非结构化环境中的适应性和自主性。

📄 摘要（原文）

The complexities in the dynamic model of the legged robots make it necessary to utilize model-free controllers in the task of trajectory tracking. In This paper, an adaptive transpose Jacobian approach is proposed to deal with the dynamic model complexity, which utilizes an adaptive PI-algorithm to adjust the control gains. The performance of the proposed control algorithm is compared with the conventional transpose Jacobian and sliding mode control algorithms and evaluated by the root mean square of the errors and control input energy criteria. In order to appraise the effectiveness of the proposed control system, simulations are carried out in MATLAB/Simulink software for a quadruped robot leg for semi-elliptical path tracking. The obtained results show that the proposed adaptive transpose Jacobian reduces the overshoot and root mean square of the errors and at the same time, decreases the control input energy. Moreover, transpose Jacobin and adaptive transpose Jacobian are more robust to changes in initial conditions compared to the conventional sliding mode control. Furthermore, sliding mode control performs well up to 20% uncertainties in the parameters due to its model-based nature, whereas the transpose Jacobin and the proposed adaptive transpose Jacobian algorithms show promising results even in higher mass uncertainties.