面向腿式运动的带环境自适应的模型预测控制

腿式运动中的重规划对于跟踪期望的用户速度、适应地形并抑制外部扰动至关重要。本工作中，我们提出并在实验中测试了一种面向腿式机器人的实时非线性模型预测控制 (NMPC)，以在各种地形上实现动态运动。我们引入基于机动性的准则来定义 NMPC 代价，在最大化腿部机动性的同时增强四足机器人的运动能力，并改善对地形特征的适应。我们的 NMPC 基于实时迭代方案，能以 $25\,\mathrm{Hz}$ 频率在线重规划，预测时域为 $2$ 秒。我们使用质心坐标系下定义的单刚体动力学模型以提高计算效率。在仿真中，NMPC 被测试用于穿越一组不同尺寸的托盘、走入 V 形烟囱以及在不平地形上运动。在实际实验中，我们展示了带机动性特征的 NMPC 的有效性：其使 IIT 的 $87\, \mathrm{kg}$ 四足机器人 HyQ 能在平地全向行走、穿越静态托盘，并在行走中适应被重新放置的托盘。