基于保守预测与收缩分析的概率安全双足机器人越 Uncertain Terrain Navigation

我们解决 enabling bipedal robots to traverse rough terrain 的挑战，通过开发确保在地形不确定性下动态可行性和质心鲁棒性的概率安全规划和控制策略。具体而言，我们提出一种高层模型预测控制（MPC）导航框架，针对双足机器人设定安全置信水平，满足以下目标：（i）enable safe traversal toward a desired goal location across a terrain map with uncertain elevations，（ii）形式化地将不确定性边界纳入 locomotion control 的质心动力学中。为建模粗糙地形，我们采用高斯过程（GP）回归估计地形高度图，并利用保守预测（CP）构建校准置信区间以捕获真实地形高度。基于此，我们构建考虑地形不确定性的收缩基可达管道，确保状态收敛和管道不变性。此外，我们引入一种基于收缩的飞轮扭矩控制律，用于简化的线性倒摆模型（LIPM），稳定关于质心（CoM）的角动量。该表述提供了概率安全性和目标可达性保证。对于给定的置信水平，我们通过演示实际 CoM 相空间轨迹和由高层规划器指定的期望轨迹的指数稳定来证明所提出控制律的前向不变性。最后，我们在 MuJoCo 中的 Digit 双足机器人仿真中评估了该规划框架的有效性。