基于分层架构与模型预测控制的受限落脚点运动

实时计算腿式机器人的稳定且最优的控制动作是困难的，因为这些机器人具有非线性、混合和高维的特性。系统的混合性质引入了离散变量和连续变量的组合，这对数值最优控制造成问题。为应对这些挑战，我们提出了一种分层架构，将离散变量的选择与平滑的模型预测控制器（MPC）分离。该分层 formulation 通过结合无梯度方法和基于梯度的方法，实现了在线灵活性和最优性，同时不牺牲实时性能。该架构利用基于采样的方法确定离散变量，并使用这些固定的离散变量进行经典的平滑MPC formulation。我们在跨越间隙和踩上高度各异地形的四足机器人上展示了结果。在仿真中，我们在仿人机器人上展示了该控制器用于间隙穿越。分层方法被证明比常见的启发式方法更优、更可靠，且比纯采样方法计算更快。