Cafe-MPC：无调参全身控制的级联保真度模型预测控制框架
机器人学
2024-03-15 v3
摘要
本工作引入了一种基于优化的 locomotion 控制框架，用于动态maneuver的即时合成。 proposed 框架的核心是级联保真度模型预测控制器（Cafe-MPC）。Cafe-MPC 在预测时域内策略性地放宽规划问题（即采用递减模型保真度、越来越粗糙的时间步长以及放宽约束），以获得计算和性能收益。该问题借助针对混合系统的高效定制化多射程 iLQR（MS-iLQR）求解器求解。随后，Cafe-MPC 的动作价值函数用作新的基于价值函数的全身控制（VWBC）技术的基础，该技术无需额外调参即可实现全身控制。就此而言，本框架将全身 MPC 和更传统的全身二次规划（QP）统一为一个组件，而这两者在以往工作中被视为独立的组件。我们研究了Cafe-MPC 中级联放宽对跟踪性能和所需计算时间的影响。我们还表明，若正确配置，Cafe-MPC 可在不必增加计算成本的情况下提升全身 MPC 的性能。进一步，我们表明所提出的 VWBC 在约束处理方面优于 Riccati 反馈控制器。该框架首次实现了 MIT Mini Cheetah 上的体式跑姿 barrel roll。视频：https://youtu.be/YiNqrgj9mb8
关键词
引用
@article{arxiv.2403.03995,
title = {Cafe-Mpc: A Cascaded-Fidelity Model Predictive Control Framework with Tuning-Free Whole-Body Control},
author = {He Li and Patrick M. Wensing},
journal= {arXiv preprint arXiv:2403.03995},
year = {2024}
}
备注
submitted to IEEE Transactions on Robotics. 20 pages, 18 figures