Simultaneous Collision Detection and Force Estimation for Dynamic Quadrupedal Locomotion
作者: Ziyi Zhou, Stefano Di Cairano, Yebin Wang, Karl Berntorp
分类: cs.RO
发布日期: 2025-04-24
💡 一句话要点
提出基于IMM-KF的四足机器人碰撞检测与力估计方法，实现动态步态下的平衡控制。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 四足机器人 碰撞检测 力估计 卡尔曼滤波 模型预测控制
📋 核心要点
- 四足机器人动态运动中，准确的碰撞检测和力估计是实现稳定步态和平衡控制的关键挑战。
- 论文提出基于交互式多模型卡尔曼滤波器（IMM-KF）的解决方案，融合机器人动力学和关节编码器信息。
- 仿真和实验验证了该方法在碰撞检测、力估计和平衡控制方面的有效性，并设计了反射运动和导纳控制器。
📝 摘要（中文）
本文提出了一种针对四足机器人运动的碰撞检测和力估计方法，该方法仅使用关节编码器信息和机器人动力学。我们设计了一个交互式多模型卡尔曼滤波器（IMM-KF），用于估计机器人受到的外力和多种可能的接触模式。该方法对任何步态模式设计均保持不变。我们的方法利用基于机器人动力学和编码器信息的外力的伪测量信息。基于估计的接触模式和外力，我们设计了一种反射运动和一个导纳控制器，用于摆动腿，通过调整腿的参考运动来避免碰撞。此外，我们还实现了一个力自适应模型预测控制器，以增强平衡。仿真消融研究和实验表明了该方法的有效性。
🔬 方法详解
问题定义：四足机器人在动态运动过程中，由于环境的复杂性和不确定性，常常会发生碰撞。准确地检测碰撞并估计碰撞力对于机器人保持平衡和安全至关重要。现有的方法通常依赖于额外的传感器（如力传感器），增加了成本和复杂性，并且可能存在噪声和漂移问题。因此，如何在仅使用关节编码器信息和机器人动力学的情况下，实现准确的碰撞检测和力估计是一个重要的挑战。
核心思路：论文的核心思路是利用机器人动力学模型和关节编码器信息来推断外部作用力，并将碰撞检测和力估计问题建模为一个状态估计问题。通过设计合适的卡尔曼滤波器，可以同时估计机器人的状态和外部作用力。此外，采用交互式多模型（IMM）方法来处理不同的接触模式，提高了估计的鲁棒性。
技术框架：该方法主要包含以下几个模块：1) 基于机器人动力学模型的力估计器，利用关节编码器信息计算外部作用力的伪测量值。2) 交互式多模型卡尔曼滤波器（IMM-KF），用于融合动力学模型和伪测量值，估计机器人的状态和外部作用力，并识别当前的接触模式。3) 基于估计的接触模式和外力的碰撞避免控制器，包括反射运动和导纳控制器，用于调整摆动腿的运动轨迹，避免碰撞。4) 力自适应模型预测控制器，用于增强机器人的平衡能力。
关键创新：该方法的主要创新在于：1) 提出了一种仅使用关节编码器信息和机器人动力学模型的碰撞检测和力估计方法，无需额外的力传感器。2) 设计了一个交互式多模型卡尔曼滤波器（IMM-KF），可以同时估计机器人的状态、外部作用力和接触模式，提高了估计的准确性和鲁棒性。3) 结合碰撞避免控制器和力自适应模型预测控制器，实现了四足机器人在动态运动中的稳定平衡控制。
关键设计：IMM-KF的关键设计包括：1) 状态向量的选择，包括关节位置、速度和外部作用力。2) 状态转移矩阵和观测矩阵的构建，基于机器人动力学模型和关节编码器信息。3) 噪声协方差矩阵的设置，需要根据实际情况进行调整，以平衡动力学模型和测量值的权重。4) 接触模式的建模，需要根据机器人的运动特点和环境进行选择。5) 反射运动和导纳控制器的参数设置，需要根据机器人的动力学特性和任务要求进行调整。
🖼️ 关键图片
📊 实验亮点
仿真实验表明，该方法能够准确地检测碰撞并估计碰撞力，从而有效地避免碰撞并保持平衡。与没有碰撞避免控制器的基线方法相比，该方法能够显著提高机器人的运动稳定性和安全性。实验结果还表明，力自适应模型预测控制器能够进一步增强机器人的平衡能力，使其能够适应不同的地形和负载。
🎯 应用场景
该研究成果可应用于各种四足机器人应用场景，例如搜救、巡检、物流等。通过提高四足机器人在复杂环境中的运动能力和安全性，可以使其更好地完成各种任务。此外，该方法还可以扩展到其他类型的机器人，例如人形机器人和多足机器人，具有广泛的应用前景。
📄 摘要（原文）
In this paper we address the simultaneous collision detection and force estimation problem for quadrupedal locomotion using joint encoder information and the robot dynamics only. We design an interacting multiple-model Kalman filter (IMM-KF) that estimates the external force exerted on the robot and multiple possible contact modes. The method is invariant to any gait pattern design. Our approach leverages pseudo-measurement information of the external forces based on the robot dynamics and encoder information. Based on the estimated contact mode and external force, we design a reflex motion and an admittance controller for the swing leg to avoid collisions by adjusting the leg's reference motion. Additionally, we implement a force-adaptive model predictive controller to enhance balancing. Simulation ablatation studies and experiments show the efficacy of the approach.