基于可视性图与模型预测控制的仿人机器人对抗路径规划与跟踪
摘要
在本文中，我们详细介绍了用于避障、路径规划和轨迹跟踪的方法，这些方法帮助我们赢得了 RoboCup 2024 成年组自主仿人机器人足球联赛的冠军。我们的队伍在所有排位赛中保持不败，在 6 场比赛中攻入 45 球，并以 6 比 1 赢得冠军赛。在比赛期间，碰撞避让的一个主要挑战是来自双足运动的测量噪声和有限的视野（FOV）。此外，障碍物会偶尔在我们规划的轨迹中跳进跳出。有时我们的估计器会将我们的机器人置于硬约束之内。本次比赛中的任何规划器还必须具备足够的计算效率，以便实时重新规划并做出反应。这促使我们采用了这种轨迹生成与跟踪方法。在许多场景下，需要长期和短期规划。为了高效找到一条避开所有障碍物的长期通用路径，我们开发了 DAVG（动态增强可视性图，Dynamic Augmented Visibility Graphs）。DAVG 通过根据障碍物和期望的目标位姿将特定区域设置为活动状态，专注于核心路径规划。通过在图中增强状态，考虑了转弯角度，这对于大型踢足球的机器人至关重要，因为转弯可能代价更高。通过在 DAVG 生成的离散点之间进行线性插值来形成轨迹。然后使用模型预测控制（MPC）的修改版本来跟踪该轨迹，称为 cf-MPC（无碰撞 MPC，Collision-Free MPC）。这确保了短期规划。cf-MPC 无需切换公式即可考虑机器人动力学和无碰撞约束。在没有硬切换的情况下，在噪声将我们的机器人置于约束边界内的情况下，控制输入可以平滑过渡。非线性公式以约 120 Hz 运行，而二次规划版本达到约 400 Hz。
引用
@article{arxiv.2504.02184,
title = {Model Predictive Control with Visibility Graphs for Humanoid Path Planning and Tracking Against Adversarial Opponents},
author = {Ruochen Hou and Gabriel I. Fernandez and Mingzhang Zhu and Dennis W. Hong},
journal= {arXiv preprint arXiv:2504.02184},
year = {2025}
}
备注
This is a preprint version. This paper has been accepted to IEEE International Conference on Robotics and Automation (ICRA) 2025. The final published version will be available on IEEE Xplore