Unified Multi-Rate Model Predictive Control for a Jet-Powered Humanoid Robot
作者: Davide Gorbani, Giuseppe L'Erario, Hosameldin Awadalla Omer Mohamed, Daniele Pucci
分类: cs.RO, eess.SY
发布日期: 2025-05-22 (更新: 2025-08-08)
备注: This paper has been accepted for publication at the 2025 IEEE-RAS 24th International Conference on Humanoid Robots (Humanoids), Seoul, 2025
💡 一句话要点
提出一种统一的多速率模型预测控制框架，用于喷气动力人形机器人。
🎯 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: 模型预测控制 多速率控制 人形机器人 喷气动力 飞行控制
📋 核心要点
- 现有方法难以有效处理喷气动力人形机器人关节和喷气发动机的不同驱动速率问题。
- 提出多速率MPC框架，将喷气动力学嵌入预测模型，统一处理不同速率的控制。
- 在iRonCub机器人上进行仿真，验证了框架在抗干扰和稳定飞行方面的有效性。
📝 摘要（中文）
本文提出了一种用于喷气动力飞行人形机器人的新型模型预测控制（MPC）框架。该控制器基于线性化的质心动量模型来表示飞行动力学，并结合二阶非线性模型来显式地考虑喷气推进的缓慢和非线性动力学。一个关键贡献是引入了一种多速率MPC公式，该公式处理机器人关节和喷气发动机的不同驱动速率，同时将喷气动力学直接嵌入到预测模型中。我们使用喷气动力人形机器人iRonCub在Mujoco中进行了仿真验证；仿真结果表明，该机器人能够从外部干扰中恢复并执行稳定的、非突兀的飞行机动，验证了所提出方法的有效性。
🔬 方法详解
问题定义：论文旨在解决喷气动力人形机器人的稳定飞行控制问题。现有方法难以同时处理机器人关节和喷气发动机的不同驱动速率，并且难以将喷气推进的非线性动力学有效融入控制策略中，导致飞行控制不稳定或不精确。
核心思路：论文的核心思路是采用多速率模型预测控制（MPC）框架，将机器人关节和喷气发动机的不同驱动速率纳入统一的控制模型中。通过显式地建模喷气推进的非线性动力学，并将其嵌入到预测模型中，从而实现更精确和稳定的飞行控制。
技术框架：该框架主要包含以下几个模块：1) 线性化的质心动量模型，用于描述机器人的整体飞行动力学；2) 二阶非线性模型，用于描述喷气推进系统的动力学特性；3) 多速率MPC控制器，用于生成控制指令，驱动机器人关节和喷气发动机。整体流程是，MPC控制器根据当前状态和预测模型，计算出最优的控制序列，然后将控制指令发送给机器人执行。
关键创新：该论文的关键创新在于提出了多速率MPC公式，能够有效地处理机器人关节和喷气发动机的不同驱动速率。传统MPC方法通常假设所有执行器的驱动速率相同，这对于喷气动力人形机器人来说是不适用的。通过引入多速率MPC，可以更精确地建模系统的动力学特性，从而提高控制性能。
关键设计：该论文的关键设计包括：1) 采用线性化的质心动量模型，简化了飞行动力学的建模；2) 使用二阶非线性模型，更精确地描述了喷气推进系统的动力学特性；3) 设计了多速率MPC控制器，能够处理不同驱动速率的执行器。具体的参数设置和损失函数等技术细节在论文中未详细说明，属于未知信息。
🖼️ 关键图片
📊 实验亮点
通过在Mujoco仿真环境中对iRonCub机器人进行测试，验证了所提出的多速率MPC框架的有效性。仿真结果表明，该机器人能够有效地从外部干扰中恢复，并执行稳定的、非突兀的飞行机动。具体的性能数据（如恢复时间、稳定裕度等）在摘要中未提及，属于未知信息。但整体结果表明，该方法能够显著提高喷气动力人形机器人的飞行控制性能。
🎯 应用场景
该研究成果可应用于喷气动力人形机器人的自主飞行、搜救、侦察等领域。通过提高机器人的飞行稳定性和控制精度，使其能够在复杂环境中执行任务，具有重要的实际应用价值和军事潜力。未来，该技术还可扩展到其他多速率控制系统，如多旋翼无人机和混合动力车辆。
📄 摘要（原文）
We propose a novel Model Predictive Control (MPC) framework for a jet-powered flying humanoid robot. The controller is based on a linearised centroidal momentum model to represent the flight dynamics, augmented with a second-order nonlinear model to explicitly account for the slow and nonlinear dynamics of jet propulsion. A key contribution is the introduction of a multi-rate MPC formulation that handles the different actuation rates of the robot's joints and jet engines while embedding the jet dynamics directly into the predictive model. We validated the framework using the jet-powered humanoid robot iRonCub, performing simulations in Mujoco; the simulation results demonstrate the robot's ability to recover from external disturbances and perform stable, non-abrupt flight manoeuvres, validating the effectiveness of the proposed approach.