基于分层模型预测控制的非抓取式运动-操作接触优化
机器人学
2022-10-10 v1
摘要
近期关于四足机器人的研究集中于利用机械臂进行运动或移动操作。腿式机器人可使用非抓取式操作基元（如平面推）来操控更重更大的物体，将其驱动至期望位置。本文提出一种新颖的分层模型预测控制（MPC）用于操作任务的接触优化。通过两个级联 MPC，我们将运动-操作问题拆分为两部分：第一个优化机器人与物体之间的接触力与接触位置，第二个通过机器人运动调节期望的交互力。我们的方法在仿真与硬件实验中均成功验证。当基线运动 MPC 无法跟随物体期望轨迹时，所提方法能以最小跟踪误差有效控制物体的位置与姿态。该能力还使我们在运动-操作任务中能对机器人与物体进行避障。
引用
@article{arxiv.2210.03442,
title = {Contact Optimization for Non-Prehensile Loco-Manipulation via Hierarchical Model Predictive Control},
author = {Alberto Rigo and Yiyu Chen and Satyandra K. Gupta and Quan Nguyen},
journal= {arXiv preprint arXiv:2210.03442},
year = {2022}
}
备注
7 pages, 9 figures