面向离散地形动态变频仿人运动的步态网络增强隐式运动动力学模型预测控制

基于降阶模型的最优控制技术在仿人运动中难以在动态行走步态中同时调整步长和步态持续时间，这是因为它们依赖于固定时间离散化，这限制了对各种扰动的响应能力，并导致在挑战性条件下性能次优。在这项工作中，我们提出了一种步态网络增强的隐式运动动力学模型预测控制（MPC），以同时优化步态位置、步态持续时间和接触力，实现自然的变频运动。所提出的方法结合了步态网络增强的序列凸 MPC 算法，通过迭代二次规划求解多重线性约束变量。其核心是一个轻量级的步态频率网络（Gait-Net），它根据可变的 MPC 采样时间来确定优选的步态持续时间，从而将步态持续时间优化简化到参数层面。此外，它通过结合局部解，在每个序列迭代中增强和更新空间参考轨迹，从而允许将运动学约束投影到参考轨迹的设计中。我们在高保真仿真和小型仿人形机器人硬件上验证了所提出的算法，展示了其仅需一步地形预览即可实现变频和三维离散地形运动的能力。