用于腿式机器人接触隐式稳定的混合 iLQR 模型预测控制
机器人学
2023-11-08 v2
摘要
模型预测控制（MPC）是一种流行的机器人控制策略，但对于具有接触的系统而言因其混合动力学复杂性而难以应用。为实现含接触系统的 MPC，动态模型常被简化或接触序列被固定以高效规划轨迹。本工作中，我们将混合迭代线性二次调节器扩展为以 MPC 方式工作（HiLQR MPC）：1）修改接触模式不对齐时的代价函数计算方式；2）在刚体动力学仿真中利用并行化；3）使用刚体动力学的高效解析导数计算。由此得到一个可修改参考行为的接触序列并整体规划全身运动——这对处理大幅扰动至关重要。HiLQR MPC 在两个系统上测试：首先在简单驱动弹跳球混合系统上验证混合代价修正；随后在四足机器人（Unitree A1）上与采用质心动力学假设的方法比较。HiLQR MPC 在仿真与硬件测试中均优于质心方法。
引用
@article{arxiv.2207.04591,
title = {Hybrid iLQR Model Predictive Control for Contact Implicit Stabilization on Legged Robots},
author = {Nathan J. Kong and Chuanzheng Li and Aaron M. Johnson},
journal= {arXiv preprint arXiv:2207.04591},
year = {2023}
}
备注
in IEEE Transactions on Robotics, 2023. arXiv admin note: substantial text overlap with arXiv:2103.14584