Feelbert: A Feedback Linearization-based Embedded Real-Time Quadrupedal Locomotion Framework
作者: Aristide Emanuele Casucci, Federico Nesti, Mauro Marinoni, Giorgio Buttazzo
分类: cs.RO, eess.SY
发布日期: 2025-04-28 (更新: 2025-04-29)
备注: Submitted to IEEE Transactions on Robotics
💡 一句话要点
Feelbert：一种基于反馈线性化的嵌入式实时四足机器人运动框架
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 四足机器人 运动控制 反馈线性化 嵌入式系统 实时控制 步态规划 落脚点规划
📋 核心要点
- 现有四足机器人运动框架较少关注控制器的时间可预测性，难以满足实时性要求。
- Feelbert利用反馈线性化控制，以足端加速度为控制变量，推导出适用于所有机器人构型的闭环控制律。
- Feelbert在ROS 2和Raspberry Pi 5上进行了测试，在参考跟踪和时间可预测性方面均表现出令人满意的结果。
📝 摘要（中文）
本文提出Feelbert，一个模块化的四足机器人运动控制框架，适用于在硬实时约束下的嵌入式系统上执行。它利用反馈线性化控制技术，为机器人本体获得一个闭环控制律，该控制律对机器人的所有构型都有效。该控制律是在定义了一个合适的刚体模型后推导出来的，该模型使用足端的加速度作为控制变量，而不是估计的接触力。此外，本文还提出了一种新颖的算法，利用虚轮的概念来计算落脚点和步态时间参数，以及一种启发式算法来为当前的速度指令选择最佳步态计划。该框架完全用C++开发，不依赖第三方库，也没有动态内存分配，以确保可预测性和实时性能。Feelbert既可以编译并在嵌入式系统上执行，用于关键应用，也可以集成到更大的系统中，如机器人操作系统2（ROS 2）。因此，Feelbert在两种情况下都进行了测试，无论集成到ROS 2中还是作为独立应用程序在Raspberry Pi 5上编译，都在参考跟踪和时间可预测性方面都表现出令人满意的结果。
🔬 方法详解
问题定义：四足机器人需要在复杂地形上进行稳定可靠的运动控制，但现有控制框架通常难以保证在嵌入式系统上的实时性和时间可预测性。现有方法依赖于复杂的力估计和动态内存分配，导致难以满足硬实时约束。
核心思路：Feelbert的核心思路是利用反馈线性化控制，将复杂的非线性系统转化为线性系统，从而简化控制器的设计。通过将足端加速度作为控制变量，避免了对接触力的直接估计，降低了计算复杂度。同时，避免动态内存分配，确保了程序执行的时间可预测性。
技术框架：Feelbert框架包含以下主要模块：1) 刚体模型：使用足端加速度作为控制变量的机器人模型。2) 反馈线性化控制器：基于刚体模型，推导出闭环控制律。3) 落脚点规划器：使用虚轮概念计算落脚点。4) 步态规划器：使用启发式算法选择最佳步态。5) C++实现：整个框架使用C++实现，不依赖第三方库，没有动态内存分配。
关键创新：Feelbert的关键创新在于：1) 使用足端加速度作为控制变量，简化了控制器的设计，避免了对接触力的直接估计。2) 提出了一种基于虚轮概念的新颖落脚点规划算法。3) 整个框架的设计注重实时性和时间可预测性，适用于嵌入式系统。
关键设计：落脚点规划器使用虚轮的概念，根据机器人的速度和地形信息，计算出合适的落脚点。步态规划器使用启发式算法，根据当前的速度指令，选择最佳的步态。整个框架使用C++实现，并避免了动态内存分配，以确保实时性和时间可预测性。具体参数设置和损失函数等细节在论文中未详细描述，属于未知信息。
🖼️ 关键图片
📊 实验亮点
Feelbert在ROS 2和Raspberry Pi 5上进行了测试，结果表明其在参考跟踪和时间可预测性方面均表现出令人满意的结果。具体的性能数据和对比基线在摘要中未提供，属于未知信息。但强调了该框架在不同平台上的适用性和良好的实时性能。
🎯 应用场景
Feelbert适用于需要在复杂地形上进行稳定可靠运动的四足机器人，例如搜救、巡检、物流等领域。其高实时性和时间可预测性使其能够应用于对时间约束有严格要求的关键任务。未来，Feelbert可以进一步扩展到更多类型的机器人和更复杂的环境。
📄 摘要（原文）
Quadruped robots have become quite popular for their ability to adapt their locomotion to generic uneven terrains. For this reason, over time, several frameworks for quadrupedal locomotion have been proposed, but with little attention to ensuring a predictable timing behavior of the controller. To address this issue, this work presents Feelbert, a modular control framework for quadrupedal locomotion suitable for execution on an embedded system under hard real-time execution constraints. It leverages the feedback linearization control technique to obtain a closed-form control law for the body, valid for all configurations of the robot. The control law was derived after defining an appropriate rigid body model that uses the accelerations of the feet as control variables, instead of the estimated contact forces. This work also provides a novel algorithm to compute footholds and gait temporal parameters using the concept of imaginary wheels, and a heuristic algorithm to select the best gait schedule for the current velocity commands. The proposed framework is developed entirely in C++, with no dependencies on third-party libraries and no dynamic memory allocation, to ensure predictability and real-time performance. Its implementation allows Feelbert to be both compiled and executed on an embedded system for critical applications, as well as integrated into larger systems such as Robot Operating System 2 (ROS 2). For this reason, Feelbert has been tested in both scenarios, demonstrating satisfactory results both in terms of reference tracking and temporal predictability, whether integrated into ROS 2 or compiled as a standalone application on a Raspberry Pi 5.