面向四足机器人loco-manipulation的非线性MPC框架与非可忽略操作手动力学
机器人学
2025-07-30 v1 最优化与控制
摘要
模型预测控制（MPC）结合简化模型模板已成为动态四足 locomotion 轨迹优化的强大工具。然而，由四足机器人执行的loco-manipulation任务引入了额外的复杂性， necessitating计算高效能够处理高DoF模型的MPC算法。本文提出了一种针对配备操作手臂且该手臂动力学相对于四足体非可忽略的四足机器人loco-manipulation任务的高效非线性MPC（NMPC）框架。该框架采用分解策略，将 locomotion模板模型（如单刚体（SRB）模型）与操作手臂的全阶动力学模型耦合，用于扭矩级控制。这种分解使NMPC问题能够以receding horizon方式实现高效的实时求解，频率为60 Hz。NMPC为 locomotion生成的最优状态和输入轨迹由低层非线性whole-body控制器（WBC）跟踪，频率为500 Hz，而操作手臂的最优扭矩命令直接施加。该分层控制架构通过大量数值仿真和硬件实验在15 kg的Unitree Go2四足机器人上增强，搭载4.4 kg、4-DoF的Kinova手臂。鉴于Kinova手臂动力学相对于Go2本体是非可忽略的，所提出的NMPC框架在执行多样化的loco-manipulation任务时展现出稳健的稳定性，能够有效处理外部扰动、有效载荷变化以及不平坦地形。
引用
@article{arxiv.2507.22042,
title = {A Nonlinear MPC Framework for Loco-Manipulation of Quadrupedal Robots with Non-Negligible Manipulator Dynamics},
author = {Ruturaj Sambhus and Kapi Ketan Mehta and Ali MirMohammad Sadeghi and Basit Muhammad Imran and Jeeseop Kim and Taizoon Chunawala and Vittorio Pastore and Sujith Vijayan and Kaveh Akbari Hamed},
journal= {arXiv preprint arXiv:2507.22042},
year = {2025}
}