面向足式机器人非线性模型预测控制的基于优化的参考轨迹生成器
机器人学
2023-01-09 v3
摘要
模型预测控制（MPC）方法在机器人领域被广泛使用，因为它们保证可行性并允许在机器人运动过程中计算更新后的轨迹。为了获得良好性能，它们通常需要针对跟踪项的启发式参考以及对代价函数参数的适当整定。例如，当足式机器人需要对来自环境的扰动（如被推后恢复）作出反应，或以静不稳定步态跟踪特定目标时，算法的有效性可能会下降。在这项工作中，我们提出了一种新颖的基于优化的参考生成器，其利用线性倒立摆（LIP）模型来计算质心参考轨迹，同时考虑步态可能的欠驱动特性（如小跑步态）。所获得的轨迹用作我们之前工作中提出的非线性MPC代价函数的参考。我们还给出了一种表述，可在无需整定代价项权重的情况下保证到达目标响应时间的界限。此外，利用优化后的参考对落脚点的位置进行修正以驱动机器人朝向目标。我们在Aliengo机器人的不同场景下的仿真与实验中均证明了该方法的有效性。
引用
@article{arxiv.2207.10175,
title = {Optimization-Based Reference Generator for Nonlinear Model Predictive Control of Legged Robots},
author = {Angelo Bratta and Michele Focchi and Niraj Rathod and Claudio Semini},
journal= {arXiv preprint arXiv:2207.10175},
year = {2023}
}