A receding-horizon multi-contact motion planner for legged robots in challenging environments
作者: Daniel S. J. Derwent, Simon Watson, Bruno V. Adorno
分类: cs.RO
发布日期: 2026-02-11
备注: Submitted to Robotics and Autonomous Systems For supplementary video, see https://www.youtube.com/watch?v=RJp8DCmhDa4
💡 一句话要点
提出一种基于后退水平面的多接触运动规划器，用于腿式机器人在复杂环境中导航。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 腿式机器人 运动规划 多接触规划 后退水平面 二次规划
📋 核心要点
- 现有腿式机器人运动规划方法在复杂环境中存在局限性，难以应对狭窄空间、大间隙等挑战，且对环境变化缺乏快速反应能力。
- 该论文提出一种后退水平面多接触运动规划器，能够同时规划接触位置和全身轨迹，简化实现并提高对环境变化的适应性。
- 实验结果表明，该规划器在短规划范围内速度优于现有技术，长规划范围则能生成更高质量的运动计划，减少姿态变化。
📝 摘要（中文）
本文提出了一种新颖的后退水平面多接触运动规划器，用于腿式机器人在复杂场景中的运动规划，能够规划如烟囱攀爬、通过狭窄通道或跨越大间隙等运动。该方法为现有技术增加了新的能力，包括对新信息做出反应并进行重新规划，以及同时规划接触位置和全身轨迹，从而简化了实现过程，并消除了对后处理或复杂的多阶段方法的需求。我们的方法比其他基于势场的方法更不易陷入局部最小值问题，并且我们的基于二次规划的姿势生成器比现有算法更快地返回节点。严格的统计分析表明，在较短的规划范围内（例如，提前一步），我们的规划器在所有测试场景中都比现有技术更快（平均快 45% 到 98%，具体取决于场景），但规划的运动效率较低（平均需要多 5% 到 700% 的姿态变化）。在除烟囱行走之外的所有场景中，更长的规划范围（例如，提前四步）延长了平均规划时间（比现有技术快 73% 到慢 400%），但产生了更高质量的运动计划（比现有技术少 8% 到 47% 的姿态变化）。
🔬 方法详解
问题定义：论文旨在解决腿式机器人在复杂环境中运动规划的问题，例如烟囱攀爬、通过狭窄通道或跨越大间隙。现有方法通常需要复杂的后处理或多阶段方法，并且容易陷入局部最小值，难以快速适应环境变化。
核心思路：论文的核心思路是采用后退水平面规划（Receding Horizon Planning）策略，结合多接触点优化，使得机器人能够根据当前环境信息动态调整运动轨迹和接触点位置。通过同时规划接触位置和全身轨迹，避免了传统方法中先确定接触点再规划轨迹的局限性。
技术框架：该运动规划器主要包含以下几个模块：1) 环境感知模块：用于获取周围环境信息，例如障碍物位置和形状；2) 后退水平面规划模块：基于当前状态和环境信息，在有限的时间范围内规划机器人的运动轨迹和接触点位置；3) 姿势生成模块：基于二次规划（Quadratic Programming）生成机器人的全身姿势，确保运动的可行性和稳定性；4) 运动执行模块：将规划的运动轨迹发送给机器人控制器，控制机器人执行运动。
关键创新：该方法的主要创新点在于：1) 能够同时规划接触位置和全身轨迹，避免了传统方法中接触点规划和轨迹规划分离的问题；2) 采用后退水平面规划策略，能够对环境变化做出快速反应，实现动态运动规划；3) 基于二次规划的姿势生成器能够快速生成可行的机器人姿势。
关键设计：该方法使用二次规划来优化机器人的姿势，目标函数包括：1) 最小化关节力矩；2) 保持平衡；3) 避免碰撞。后退水平面的长度是一个关键参数，较短的水平面可以提高规划速度，但可能导致运动效率较低；较长的水平面可以提高运动效率，但会增加规划时间。论文通过实验分析了不同水平面长度对规划性能的影响。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在短规划范围内（提前一步），该规划器比现有技术平均快 45% 到 98%。在长规划范围内（提前四步），虽然规划时间有所增加，但运动计划的质量更高，姿态变化减少了 8% 到 47%。在烟囱行走场景中，该方法表现出良好的鲁棒性，能够成功规划出可行的运动轨迹。
🎯 应用场景
该研究成果可应用于搜救机器人、工业巡检机器人、以及其他需要在复杂环境中作业的腿式机器人。例如，在灾难现场，机器人可以利用该规划器穿越废墟，寻找幸存者；在工业环境中，机器人可以利用该规划器进行设备维护和巡检，提高工作效率和安全性。该技术还有潜力应用于外骨骼机器人，帮助行动不便的人士进行日常活动。
📄 摘要（原文）
We present a novel receding-horizon multi-contact motion planner for legged robots in challenging scenarios, able to plan motions such as chimney climbing, navigating very narrow passages or crossing large gaps. Our approach adds new capabilities to the state of the art, including the ability to reactively re-plan in response to new information, and planning contact locations and whole-body trajectories simultaneously, simplifying the implementation and removing the need for post-processing or complex multi-stage approaches. Our method is more resistant to local minima problems than other potential field based approaches, and our quadratic-program-based posture generator returns nodes more quickly than those of existing algorithms. Rigorous statistical analysis shows that, with short planning horizons (e.g., one step ahead), our planner is faster than the state-of-the-art across all scenarios tested (between 45% and 98% faster on average, depending on the scenario), while planning less efficient motions (requiring 5% fewer to 700% more stance changes on average). In all but one scenario (Chimney Walking), longer planning horizons (e.g., four steps ahead) extended the average planning times (between 73% faster and 400% slower than the state-of-the-art) but resulted in higher quality motion plans (between 8% more and 47% fewer stance changes than the state-of-the-art).