接触隐式模型预测控制：无需预规划接触模式或轨迹的多样化四足运动控制

本文提出了一种接触隐式模型预测控制（MPC）框架，用于实时发现多接触运动，而无需预定义接触模式序列或落脚点位置。该方法利用接触隐式微分动态规划（DDP）框架，将硬接触模型与线性互补约束相融合。我们提出了基于松弛互补约束的接触冲量解析梯度，以进一步探索多种接触模式。通过利用基于硬接触模型的仿真以及通过平滑梯度计算搜索方向，我们的方法在揭示新接触模式序列的同时，识别出动态可行的状态轨迹、控制输入和接触力。然而，接触模式的拓宽并不总能确保在现实世界中的适用性。认识到这一点，我们实现了可微成本项以引导足部轨迹并生成步态模式。此外，为了应对 MPC 设定中初始展开不稳定的问题，我们采用了 DDP 的多重打靶变体。通过使用 45 kg 的 HOUND 四足机器人进行仿真和真实世界演示，验证了所提框架的有效性，在仿真中执行了各种任务，并展示了包含前向快步和前腿抬起运动的实际实验。