Safety-Critical Centralized Nonlinear MPC for Cooperative Payload Transportation by Two Quadrupedal Robots

📄 arXiv: 2604.03200 📥 PDF

作者: Ruturaj S. Sambhus, Yicheng Zeng, Kapi Ketan Mehta, Jeeseop Kim, Kaveh Akbari Hamed

分类: cs.RO, math.OC

发布日期: 2026-04-06

💡 一句话要点

提出基于CBF的集中式非线性MPC，用于双足式机器人协同负载运输，确保安全。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 多机器人协同 负载运输 非线性模型预测控制 控制障碍函数 安全控制

📋 核心要点

  1. 现有方法在复杂环境中难以保证多机器人协同负载运输的安全性，尤其是在存在不确定性和扰动的情况下。
  2. 该论文提出基于控制障碍函数（CBF）的非线性模型预测控制（NMPC）框架，显式地保证机器人和负载的避碰安全。
  3. 通过在Unitree Go2机器人上的硬件实验验证了算法的有效性，证明了其在复杂环境下的鲁棒性和实时性。

📝 摘要（中文）

本文提出了一种安全关键的集中式非线性模型预测控制（NMPC）框架，用于双足机器人协同负载运输。互连的机器人-负载系统被建模为离散时间非线性微分代数系统，通过完整约束和交互力捕捉耦合动力学。为了确保在复杂环境中的安全性，我们开发了一种基于控制障碍函数（CBF）的NMPC公式，该公式对机器人和负载都强制执行避碰约束。所提出的方法保留了交互力作为决策变量，从而产生一个结构化的DAE约束优化控制问题，从而能够实现高效的实时实现。该算法的有效性通过在两个Unitree Go2平台上进行的大量硬件实验验证，这些平台在质量和惯性不确定性以及外部推力扰动下，在杂乱环境中执行协同负载运输。

🔬 方法详解

问题定义：论文旨在解决双足机器人协同负载运输过程中，如何在复杂环境中保证安全性的问题。现有方法在处理不确定性、扰动以及保证实时性方面存在挑战，难以同时满足安全性和性能要求。尤其是在存在障碍物时，如何避免机器人和负载发生碰撞是一个关键问题。

核心思路：论文的核心思路是将控制障碍函数（CBF）融入到非线性模型预测控制（NMPC）框架中。CBF能够提供一个安全区域，确保系统状态始终保持在安全范围内，从而避免碰撞。通过将避碰约束显式地加入到NMPC的优化问题中，可以在保证性能的同时，确保系统的安全性。

技术框架：整体框架是一个集中式的NMPC控制器，它接收来自两个机器人的状态信息，并输出控制指令。该框架包含以下主要模块： 1. 系统建模：将机器人-负载系统建模为离散时间非线性微分代数系统（DAE），考虑了机器人之间的耦合动力学和完整约束。 2. CBF设计：设计控制障碍函数，定义安全区域，并将其作为约束条件加入到NMPC的优化问题中。 3. NMPC优化：构建一个DAE约束的优化控制问题，目标是最小化控制成本，同时满足动力学约束、安全约束和控制输入约束。 4. 控制执行：将优化得到的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将CBF与集中式NMPC相结合，显式地保证了多机器人协同负载运输的安全性。此外，该方法保留了交互力作为决策变量，从而产生一个结构化的DAE约束优化控制问题，提高了计算效率，使其能够满足实时性要求。

关键设计： 1. CBF选择：选择合适的CBF函数，确保其能够有效地定义安全区域，并能够方便地计算其导数。 2. NMPC参数：调整NMPC的参数，如预测时域长度、控制权重等，以平衡性能和安全性。 3. 优化求解器：选择合适的优化求解器，以保证求解的效率和精度。 4. 交互力处理：将交互力作为决策变量，需要仔细设计优化问题，以避免出现奇异解。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

通过在两个Unitree Go2机器人上进行硬件实验，验证了所提出算法的有效性。实验结果表明，该算法能够在存在质量和惯性不确定性以及外部推力扰动的情况下，安全地完成协同负载运输任务。此外，该算法能够实现实时控制，满足实际应用的需求。

🎯 应用场景

该研究成果可应用于多种多机器人协同作业场景，例如：仓库物流中的货物搬运、建筑工地的材料运输、灾难救援中的物资输送等。通过保证协同运输过程的安全性，可以提高作业效率，降低事故风险，具有重要的实际应用价值和广阔的应用前景。

📄 摘要（原文）

This paper presents a safety-critical centralized nonlinear model predictive control (NMPC) framework for cooperative payload transportation by two quadrupedal robots. The interconnected robot-payload system is modeled as a discrete-time nonlinear differential-algebraic system, capturing the coupled dynamics through holonomic constraints and interaction wrenches. To ensure safety in complex environments, we develop a control barrier function (CBF)-based NMPC formulation that enforces collision avoidance constraints for both the robots and the payload. The proposed approach retains the interaction wrenches as decision variables, resulting in a structured DAE-constrained optimal control problem that enables efficient real-time implementation. The effectiveness of the algorithm is validated through extensive hardware experiments on two Unitree Go2 platforms performing cooperative payload transportation in cluttered environments under mass and inertia uncertainty and external push disturbances.