面向鲁棒外骨骼运动的基于数据驱动预测控制
机器人学
2024-10-28 v2
摘要
外骨骼运动必须具有鲁棒性，同时能适应不同用户在有/无负载下的情况。为应对这些挑战，本文引入了一种数据驱动预测控制（DDPC）框架，用于合成下肢外骨骼的行走步态，该框架利用Hankel矩阵和状态转移矩阵构建其数据驱动模型。所提出的方法通过多层架构利用DDPC。在顶层，DDPC作为规划器，利用Hankel矩阵和状态转移矩阵生成一个数据驱动模型，该模型能够学习并适应不同的用户和负载。在底层，我们的方法结合了逆运动学和基于无源性的控制，将DDPC规划的轨迹映射到下肢外骨骼的全阶状态。我们通过在Atalante下肢外骨骼上进行的数值仿真和硬件实验，验证了该方法在不同负载下的有效性。此外，我们还与基于降阶线性倒立摆（LIP）模型的模型预测控制（MPC）框架进行了对比分析。通过此对比，本文证明了DDPC能够在考虑模型不确定性和未知扰动的情况下，实现多种速度下的鲁棒双足行走。
引用
@article{arxiv.2403.15658,
title = {Data-Driven Predictive Control for Robust Exoskeleton Locomotion},
author = {Kejun Li and Jeeseop Kim and Xiaobin Xiong and Kaveh Akbari Hamed and Yisong Yue and Aaron D. Ames},
journal= {arXiv preprint arXiv:2403.15658},
year = {2024}
}