Deformable Multibody Modeling for Model Predictive Control in Legged Locomotion with Embodied Compliance

📄 arXiv: 2504.20301v1 📥 PDF

作者: Keran Ye, Konstantinos Karydis

分类: cs.RO

发布日期: 2025-04-28

备注: 8 pages, 8 figures, Accepted by IEEE Int. Conf. on Robotics and Automation (ICRA) 2025

💡 一句话要点

提出可变形多体建模方法，用于具身顺应腿足机器人模型预测控制

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 腿足机器人 模型预测控制 可变形多体系统 具身顺应 动力学建模 柔性结构 步态控制

📋 核心要点

  1. 现有腿足机器人控制方法难以有效处理机器人本体的柔性形变，影响了控制精度和稳定性。
  2. 论文提出一种统一的刚性和柔性体描述方法，构建可变形多体系统模型，并引入质心复合预测形变惯性张量。
  3. 实验表明，该方法能有效稳定具有柔性脊柱的四足机器人步态，且地面反作用力分布更合理，鲁棒性良好。

📝 摘要（中文）

本文提出了一种稳定具身顺应腿足机器人动态步态的方法。该方法引入了刚性和柔性体的统一描述，以近似它们的形变，并提出了可变形多体系统的公式。我们开发了可变形多体系统的质心复合预测形变惯性(CCPDI)张量，并展示了如何将其与标准模型预测控制器(MPC)集成。仿真结果表明，所提出的控制框架可以在相同的MPC配置下，稳定具有刚性和柔性脊柱的四足机器人的小跑步态。与标准MPC相比，基于CCPDI的MPC将地面反作用力分配得更接近于身体平衡的启发式方法，因此更有可能稳定柔性机器人的步态。参数研究表明，该方法在关键参数值的合适范围内保持了一定程度的鲁棒性。

🔬 方法详解

问题定义：论文旨在解决腿足机器人，特别是具有柔性结构的腿足机器人，在动态运动控制中面临的挑战。传统的模型预测控制（MPC）方法通常假设机器人是完全刚性的，这在处理具有显著柔性形变的机器人时会导致模型失配，从而降低控制性能和稳定性。现有方法难以准确建模和预测柔性结构对机器人整体动力学的影响。

核心思路：论文的核心思路是将刚性和柔性体进行统一描述，从而能够近似表示机器人的形变。通过建立可变形多体系统的动力学模型，并引入质心复合预测形变惯性（CCPDI）张量，可以更准确地预测机器人在运动过程中的惯性特性。这种方法允许MPC控制器更好地适应机器人的形变，从而提高控制精度和稳定性。

技术框架：该方法主要包含以下几个关键模块：1) 刚性和柔性体的统一描述：使用一种统一的数学框架来描述刚性和柔性体的运动和形变。2) 可变形多体系统建模：基于统一的描述，建立可变形多体系统的动力学模型。3) CCPDI张量计算：开发一种计算CCPDI张量的方法，该张量能够反映机器人在运动过程中由于形变引起的惯性变化。4) MPC控制器集成：将CCPDI张量集成到标准的MPC控制器中，使控制器能够利用更准确的动力学模型进行预测和控制。

关键创新：论文的关键创新在于提出了CCPDI张量，它能够有效地捕捉可变形多体系统在运动过程中由于形变引起的惯性变化。与传统的刚体模型相比，CCPDI张量能够更准确地反映机器人的动力学特性，从而提高控制性能。此外，该方法提供了一种统一的刚性和柔性体描述，简化了建模过程。

关键设计：论文的关键设计包括：1) 柔性体的形变近似方法，具体如何选择形变基函数或有限元方法来描述柔性体的形变是关键。2) CCPDI张量的具体计算公式，需要考虑如何高效地计算该张量，并将其集成到MPC控制器中。3) MPC控制器的参数设置，需要根据机器人的具体特性和任务要求进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

仿真实验表明，所提出的基于CCPDI的MPC控制器能够有效地稳定具有柔性脊柱的四足机器人的小跑步态。与标准MPC相比，该方法能够将地面反作用力分配得更接近于身体平衡的启发式方法，从而提高控制性能。参数研究表明，该方法在关键参数值的合适范围内保持了一定程度的鲁棒性，验证了其在实际应用中的可行性。

🎯 应用场景

该研究成果可应用于各种具有柔性结构的腿足机器人，例如仿生机器人、搜救机器人和外骨骼机器人。通过更精确地建模和控制机器人的形变，可以提高机器人在复杂环境中的运动能力和适应性。此外，该方法还可以应用于其他领域，例如柔性机械臂和可变形飞行器等。

📄 摘要（原文）

The paper presents a method to stabilize dynamic gait for a legged robot with embodied compliance. Our approach introduces a unified description for rigid and compliant bodies to approximate their deformation and a formulation for deformable multibody systems. We develop the centroidal composite predictive deformed inertia (CCPDI) tensor of a deformable multibody system and show how to integrate it with the standard-of-practice model predictive controller (MPC). Simulation shows that the resultant control framework can stabilize trot stepping on a quadrupedal robot with both rigid and compliant spines under the same MPC configurations. Compared to standard MPC, the developed CCPDI-enabled MPC distributes the ground reactive forces closer to the heuristics for body balance, and it is thus more likely to stabilize the gaits of the compliant robot. A parametric study shows that our method preserves some level of robustness within a suitable envelope of key parameter values.