面向接触位置不确定性的腿式机器人多接触随机预测控制
机器人学
2024-06-14 v2 系统与控制
系统与控制
摘要
在存在不确定性的情况下进行轨迹优化是机器人与环境接触时面临的一项挑战性问题。由于估计误差、控制缺陷以及用于控制规划的模型与真实机器人动力学之间的模型失配，此类不确定性不可避免。这会导致控制策略可能在非预期位置发生接触而违反接触位置约束，进而产生不安全的运动规划。本工作通过考虑模型动力学上的加性不确定性，并将接触位置机会约束作为机器人完整运动学函数，利用随机非线性模型预测控制（SNMPC）解决鲁棒的运动学-动力学全身轨迹优化问题。我们展示了在全身轨迹优化中，SNMPC 相较于经典非线性 MPC（NMPC）在接触位置约束满足（安全性）方面的优势。我们对四足机器人进行了大量蒙特卡洛仿真，使其在小踏石上执行敏捷小跑和跳跃运动，此时接触位置满足变得至关重要。我们的结果表明，SNMPC 能够以 100% 的成功率安全执行所有运动，而 NMPC 在所有运动中失败了 48.3%。
引用
@article{arxiv.2309.04469,
title = {Multi-contact Stochastic Predictive Control for Legged Robots with Contact Locations Uncertainty},
author = {Ahmad Gazar and Majid Khadiv and Andrea Del Prete and Ludovic Righetti},
journal= {arXiv preprint arXiv:2309.04469},
year = {2024}
}