LQR-ArUco Fusion: Robust Hierarchical Control for Navigation and Asymmetric Manipulation in Two-Wheeled Robots
作者: Anupam Chatterjee, Arpita Kumari
分类: cs.RO, eess.SY
发布日期: 2026-09-28
备注: 6 pages, 9 figures, 2 tables. Accepted for presentation at the 2026 IEEE International Conference on Intelligent Navigation and Systems (CINS), Dubai, UAE
💡 一句话要点
提出层次控制框架以解决双轮机器人导航与不对称操作问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双轮机器人 层次控制 导航 不对称操作 动态稳定性 视觉系统 物理干扰
📋 核心要点
- 双轮倒立摆机器人在不对称物体操作时面临动态不稳定性和导航漂移的问题，现有方法无法有效解决这些挑战。
- 本文提出的层次控制框架通过将任务分为高延迟的全局导航和低延迟的物理干扰拒绝，来提高导航精度和稳定性。
- 实验结果表明，双回路控制方法使机器人能够在复杂环境中准确导航，并有效适应动态变化的地形。
📝 摘要（中文）
本文提出了一种层次控制框架，以应对双轮倒立摆机器人在进行不对称物体操作时所面临的严重动态不稳定性和导航漂移问题。双轮平台虽然具有高度的机动性，但其持续的平衡调整使得车载里程计在精确导航时极为不可靠。此外，侧装机械臂在提升负载时会引入未驱动的横向滚动力矩，尤其在不平坦地形上更为复杂。为了解决这些耦合问题，本文架构将工作负载分为两个部分：一个离线视觉系统跟踪顶部的ArUco标记，以提供高延迟的全局航点导航，绕过里程计漂移；同时，低延迟的车载控制回路利用惯性和编码器数据拒绝主动物理干扰。通过物理实验，证明该双回路方法使定制机器人能够准确导航，抵御速度颠簸带来的瞬态冲击，适应动态的跷跷板坡道，并在狭窄的轮距上安全搬运负载。
🔬 方法详解
问题定义：本文旨在解决双轮倒立摆机器人在进行不对称物体操作时的动态不稳定性和导航漂移问题。现有方法在处理这些问题时，往往依赖于不可靠的车载里程计，导致导航精度不足。
核心思路：论文提出的层次控制框架通过分离高延迟的全局导航和低延迟的物理干扰拒绝来应对上述挑战。离线视觉系统负责全局航点导航，而车载控制回路则实时处理物理干扰，确保机器人稳定性。
技术框架：整体架构包括两个主要模块：一个是离线视觉系统，用于跟踪ArUco标记并提供全局导航信息；另一个是车载控制回路，利用惯性传感器和编码器数据来实时调整机器人的姿态，抵消外部干扰。
关键创新：该研究的核心创新在于将导航和控制任务分离，通过双回路控制策略有效解决了动态不稳定性和导航漂移问题。这种方法与传统依赖单一控制策略的方案有本质区别。
关键设计：在设计中，离线视觉系统的延迟被优化以确保导航信息的及时性，而车载控制回路则采用了高频率的传感器数据采集，以快速响应外部扰动。
🖼️ 关键图片
📊 实验亮点
实验结果显示，采用双回路控制方法的机器人在面对速度颠簸时能够有效抵御瞬态冲击，并在动态跷跷板坡道上保持稳定，成功搬运负载而不倾覆。相比传统方法，导航精度显著提高，适应性增强。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、物流搬运和复杂环境下的自主导航等。通过提高双轮机器人的稳定性和导航精度，能够在实际操作中更好地适应动态变化的环境，提升工作效率和安全性。
📄 摘要（原文）
We propose a hierarchical control framework to address severe dynamic instabilities and navigational drift that arise when a two-wheeled inverted pendulum (TWIP) robot attempts asymmetric object manipulation. While two-wheeled platforms are highly manoeuvrable, their constant balancing adjustments make onboard odometry highly unreliable for precise navigation. Furthermore, the addition of a side-mounted robotic arm introduces unactuated lateral roll moments when a payload is lifted, a challenge heavily compounded on uneven terrain. To solve these coupled problems, our architecture divides the workload. An offboard vision system tracks overhead ArUco markers to provide high-latency global waypoint navigation, bypassing odometry drift. Simultaneously, a low-latency onboard control loop rejects active physical disturbances using inertial and encoder data. In our physical experiments, this dual-loop approach enabled the custom-built robot to navigate accurately, reject transient impacts from speed bumps, adapt to a dynamic seesaw ramp, and carry a payload securely without falling over its narrow wheelbase.