用于腿式机器人安全轨迹规划与控制的收敛iLQR方法

为了执行高度动态和敏捷的机动动作，腿式机器人通常在欠驱动域（例如脚离地时）中停留，此时系统对其加速度的控制能力有限，且在转换到新域（例如脚触地）之前可用时间受限。同时，这些转换会瞬时改变系统状态，可能使扰动被映射到离目标轨迹任意远的位置。这些特性使得局部反馈控制器在系统经历欠驱动域和混合冲击事件时难以有效从扰动中恢复。为此，我们利用表征扰动沿混合轨迹演化的基本解矩阵及其2-范数（表示扰动的最坏情况增长）。本文中，最坏情况扰动分析被用于显式推理混合轨迹的跟踪性能，并被纳入iLQR框架中，在考虑LQR跟踪控制器下轨迹闭环收敛性的同时优化轨迹。所生成的收敛轨迹比传统方法生成的轨迹能更有效地从扰动中恢复，对大扰动更鲁棒，且使用更少的反馈控制代价。