基于步间动力学的数据驱动自适应鲁棒双足 locomotion
机器人学
2023-08-08 v2 系统与控制
系统与控制
摘要
本文提出一种在线框架，用于合成双足机器人的敏捷运动，以适应未知环境、建模误差和外部扰动。为此，我们利用步间（S2S）动力学，其已在欠驱动机器人上实现动态行走方面被证明有效——前提是已知动力学与环境。本文考虑模型与环境不确定的情况，提出一种S2S动力学的数据驱动表示，可通过既数据高效又易于实现的自适应控制方法学习。所学得的S2S控制器生成期望的离散落足点，随后通过跟踪由给定落足点综合出的期望输出，在双足机器人全阶动力学上实现。所提方法的益处有二。首先，与非自适应基线控制器相比，提升了机器人以给定期望速度行走的能力。其次，数据驱动方法在各种未知扰动下实现了稳定且敏捷的运动：额外的未建模负载、较大的机器人模型误差、外部扰动力、有偏的速度估计以及斜坡地形。这通过对双足机器人Cassie在高保真仿真中受上述扰动影响的深入评估得以证明。
引用
@article{arxiv.2209.08458,
title = {Data-driven Adaptation for Robust Bipedal Locomotion with Step-to-Step Dynamics},
author = {Min Dai and Xiaobin Xiong and Jaemin Lee and Aaron D. Ames},
journal= {arXiv preprint arXiv:2209.08458},
year = {2023}
}