An End-to-End Framework for Optimizing Foot Trajectory and Force in Dry Adhesion Legged Wall-Climbing Robots
作者: Jichun Xiao, Jiawei Nie, Lina Hao, Zhi Li
分类: cs.RO
发布日期: 2025-04-28 (更新: 2025-05-08)
💡 一句话要点
提出足端轨迹与力优化框架，提升干式粘附腿式攀爬机器人稳定性
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)
关键词: 攀爬机器人 足端轨迹规划 力优化 干式粘附 GRU预测模型
📋 核心要点
- 现有干式粘附攀爬机器人足端轨迹规划缺乏对粘附和分离力的优化，影响攀爬稳定性。
- 提出端到端足端轨迹与力优化框架，通过轨迹调整优化足端力，提升攀爬性能。
- 实验表明，该框架能显著降低最大分离力和振动幅度，提升攀爬机器人的稳定性。
📝 摘要（中文）
针对干式粘附腿式攀爬机器人足端轨迹规划中，足端分离、摆动和粘附阶段对攀爬稳定性的影响问题，本文提出了一个端到端的足端轨迹与力优化框架（FTFOF）。该框架通过调整足端轨迹来优化足端粘附和分离力，以通用足端轨迹约束和用户自定义参数为输入，生成最优的单足轨迹。框架集成了三段$C^2$连续Bezier曲线，适用于各种足端结构，从而生成有效的攀爬轨迹。基于扩张的GRU预测模型建立了足端轨迹与相应足端力之间的关系。多目标优化算法结合冗余分层策略，确定了适用于特定任务的最佳足端轨迹，从而确保分离力、粘附力和振动幅度方面的最佳性能。在四足攀爬机器人MST-M3F上的实验验证表明，与现有腿式攀爬机器人中常用的轨迹相比，该框架在最大分离力方面降低了28%，振动幅度降低了82%，从而确保了干式粘附腿式攀爬机器人的稳定攀爬。
🔬 方法详解
问题定义：干式粘附腿式攀爬机器人在攀爬过程中，足端的粘附和分离力是保证稳定性的关键。传统的足端轨迹规划方法通常没有直接优化这些力，而是依赖于一些启发式规则或简单的轨迹形状（如直线或圆弧）。这导致攀爬过程中可能出现过大的分离力或振动，从而影响机器人的稳定性和效率。因此，需要一种能够直接优化足端力和轨迹的规划方法。
核心思路：本文的核心思路是通过优化足端轨迹来间接优化足端粘附和分离力。作者认为，足端轨迹的形状和速度直接影响足端与墙面之间的相互作用力。因此，通过设计一个能够灵活调整轨迹形状的框架，并结合力预测模型和优化算法，可以找到一组最优的轨迹参数，使得足端力满足特定的性能指标（如最小化最大分离力、最小化振动幅度）。
技术框架：FTFOF框架主要包含以下几个模块：1) 轨迹生成模块：使用三段$C^2$连续Bezier曲线生成足端轨迹，保证轨迹的平滑性。2) 力预测模块：使用基于扩张的GRU模型预测给定轨迹下的足端力。3) 优化模块：使用多目标优化算法，根据用户定义的性能指标，搜索最优的轨迹参数。4) 冗余分层策略：用于处理多目标优化中的冲突，确定各个目标的优先级。整个框架以用户定义的轨迹约束和参数为输入，输出优化后的足端轨迹。
关键创新：该论文的关键创新在于：1) 提出了一个端到端的足端轨迹和力优化框架，将轨迹规划和力优化结合起来。2) 使用基于扩张的GRU模型预测足端力，避免了复杂的力学建模。3) 采用多目标优化算法和冗余分层策略，能够同时优化多个性能指标，并处理目标之间的冲突。与现有方法相比，该框架能够更有效地优化足端力和轨迹，从而提高攀爬机器人的稳定性和效率。
关键设计：1) 轨迹生成：使用三段$C^2$连续Bezier曲线，保证轨迹的平滑性，并提供足够的自由度来调整轨迹形状。Bezier曲线的控制点是优化变量。2) 力预测：使用基于扩张的GRU模型，输入足端轨迹，输出足端力。GRU模型的训练数据来自实验或仿真。3) 优化目标：包括最小化最大分离力、最小化振动幅度等。4) 优化算法：采用NSGA-II等多目标优化算法。5) 冗余分层策略：根据用户定义的优先级，对优化目标进行分层优化。
🖼️ 关键图片
📊 实验亮点
实验结果表明，与常用的轨迹规划方法相比，该框架在最大分离力方面降低了28%，振动幅度降低了82%。这些显著的性能提升表明，该框架能够有效地优化足端轨迹和力，从而提高攀爬机器人的稳定性。实验是在四足攀爬机器人MST-M3F上进行的，验证了该框架在实际机器人系统中的有效性。
🎯 应用场景
该研究成果可应用于各种干式粘附腿式攀爬机器人，例如墙壁检测机器人、高空作业机器人、搜救机器人等。通过优化足端轨迹和力，可以提高这些机器人的攀爬稳定性和效率，使其能够在更复杂的环境中执行任务。此外，该框架也可以推广到其他类型的机器人，例如吸盘式攀爬机器人或磁力吸附式攀爬机器人。
📄 摘要（原文）
Foot trajectory planning for dry adhesion legged climbing robots presents challenges, as the phases of foot detachment, swing, and adhesion significantly influence the adhesion and detachment forces essential for stable climbing. To tackle this, an end-to-end foot trajectory and force optimization framework (FTFOF) is proposed, which optimizes foot adhesion and detachment forces through trajectory adjustments. This framework accepts general foot trajectory constraints and user-defined parameters as input, ultimately producing an optimal single foot trajectory. It integrates three-segment $C^2$ continuous Bezier curves, tailored to various foot structures, enabling the generation of effective climbing trajectories. A dilate-based GRU predictive model establishes the relationship between foot trajectories and the corresponding foot forces. Multi-objective optimization algorithms, combined with a redundancy hierarchical strategy, identify the most suitable foot trajectory for specific tasks, thereby ensuring optimal performance across detachment force, adhesion force and vibration amplitude. Experimental validation on the quadruped climbing robot MST-M3F showed that, compared to commonly used trajectories in existing legged climbing robots, the proposed framework achieved reductions in maximum detachment force by 28 \%, vibration amplitude by 82 \%, which ensures the stable climbing of dry adhesion legged climbing robots.