基于全身模型预测控制与最优区域选择的感知型运动
机器人学
2024-02-07 v2
摘要
在具有挑战性的工业环境中实时合成腿式运动机动仍是一个开放问题，需要同时确定未来数步的落脚位置，并生成接近机器人极限的全身运动。状态估计与感知误差施加了在模型预测控制（MPC）框架中快速重规划运动的实际约束。我们首先观察到，感知型运动流水线的计算瓶颈在于接触表面选择的组合复杂性。在选定表面上重规划接触位置可以以MPC频率（50-100 Hz）完成。随后，全身运动生成通常遵循机器人基座的参考轨迹以促进收敛。我们提出去除该约束，通过利用最先进的全身MPC（Croccodyl）来鲁棒地处理接触打滑等意外事件。我们的贡献被集成到一个完整的感知型运动框架中，在多样化地形条件下得到验证，并在推动机器人驱动极限的挑战性试验以及ICRA 2023四足机器人挑战赛仿真中进行了演示。
引用
@article{arxiv.2305.08926,
title = {Perceptive Locomotion through Whole-Body MPC and Optimal Region Selection},
author = {Thomas Corbères and Carlos Mastalli and Wolfgang Merkt and Ioannis Havoutis and Maurice Fallon and Nicolas Mansard and Thomas Flayols and Sethu Vijayakumar and Steve Tonneau},
journal= {arXiv preprint arXiv:2305.08926},
year = {2024}
}