使用位姿优化的抗扰动模型预测控制实现人机协同搬运
机器人学
2025-06-19 v3
摘要
本文提出了一种用于人机协同搬运的新型控制算法，该算法使用配备移动底座和机械臂的机器人操作器。我们将常规模型预测控制（MPC）与一种新颖的位姿优化机制相结合，以更有效地缓解任务过程中的扰动（如人类行为不确定性或机器人执行噪声）。我们方法的核心涉及两步迭代设计：在每个规划周期，我们从候选集中确定机械臂的最优位姿（关节角度配置），旨在实现最低的估计控制成本。该选择基于求解抗扰动的离散代数 Riccati 方程（DARE），该方程还确定了机器人全身控制（包括移动底座和机械臂）的最优输入。为了验证所提方法的有效性，我们提供了抗扰动 DARE 的理论推导，并在不同条件下（包括不同轨迹和不同级别的扰动）使用 Fetch 机器人进行了模拟实验和硬件演示。结果表明，我们提出的方法优于基线算法。
引用
@article{arxiv.2404.00514,
title = {Human-Robot Co-Transportation using Disturbance-Aware MPC with Pose Optimization},
author = {Al Jaber Mahmud and Amir Hossain Raj and Duc M. Nguyen and Weizi Li and Xuesu Xiao and Xuan Wang},
journal= {arXiv preprint arXiv:2404.00514},
year = {2025}
}
备注
8 pages, 6 figures