论基于GPU采样的随机预测控制器对足式运动的优势

四足机器人在机动性方面表现出色，能够敏捷地在复杂地形中导航。然而，其复杂的控制系统带来了尚未完全解决的挑战。在本文中，我们引入了基于采样的随机控制策略作为传统最优控制律的替代方案，并将其应用于四足机器人。我们表明，在GPU加速的支持下，基于采样的随机方法可以有效地应用于真实的四足机器人。特别是，在本工作中，我们专注于实现步频适应，这是基于梯度方法在四足运动中的一个显著挑战。为了验证基于采样的随机控制器的有效性，我们测试了两种用于四足机器人的不同方法，并将其与传统的基于梯度的模型预测控制系统进行了比较。我们的研究结果在仿真和真实的21Kg Aliengo四足机器人上均得到了验证，表明当机器人处于零扰动或中等扰动时，我们的方法与传统模型预测控制策略不相上下；而在处理持续的外部扰动时，由于在其公式化表述中能够实现直接的步态适应策略，该方法超越了基于梯度的方法。