基于 Koopman 算子的二维四足动物跑锯、冲刺与步态转换线性模型预测控制
机器人学
2025-07-22 v1
摘要
四足动物机器人进行在线最优控制将使其能够在新场景中规划运动。线性模型预测控制（LMPC）已成为实现实时控制的实用方法。在 LMPC 中，针对有限时域构建含二次代价和线性约束的优化问题，并实时求解。然而，LMPC 依赖对运动方程（EOM）的线性化，可能导致解的质量较差。本文采用 Koopman 算子理论和扩展动态模式分解（EDMD）在高维空间构建系统的线性模型，从而保留 EOM 的非线性特性。我们分别对空中相位和地面接触相位建模，使用 LMPC 实现了水平与粗糙地形下的跑锯、冲刺以及从冲刺到跑锯和跑锯到冲刺的步态转换。本文的主要创新性在于运用 Koopman 算子理论构建四足动物系统的混合模型，并展示了在线生成多种步态及其转换的能力。
引用
@article{arxiv.2507.14605,
title = {Koopman Operator Based Linear Model Predictive Control for 2D Quadruped Trotting, Bounding, and Gait Transition},
author = {Chun-Ming Yang and Pranav A. Bhounsule},
journal= {arXiv preprint arXiv:2507.14605},
year = {2025}
}