浮动基机器人的本体感受外部力矩学习及其在人形 locomotion 中的应用

外部关节力矩与接触 wrench 的估计对于实现人形机器人与安全导向机器人的稳定 locomotion 至关重要。尽管人形机器人足端的接触 wrench 可用力-力矩传感器（FTS）测量，FTS 增加了系统的成本、惯量、复杂性与故障可能。本文提出一种仅利用本体感受传感器（编码器与 IMU）为浮动基机器人学习外部关节力矩的方法。学习中采用 GRU 网络并采集随机行走数据。真实机器人实验表明，该网络相比基于模型的方法（带摩擦建模的动量观测器（MOB））能以显著更小的误差估计外部力矩与接触 wrench。研究还验证了估计的接触 wrench 可用于零力矩点（ZMP）反馈控制，实现稳定行走。此外，即便机器人足端与上半身惯量改变，训练好的网络仍展现出与基于模型标定一致的性能。该结果表明移除机器人上 FTS 的可能性，从而减少了硬件传感器的弊端。总结视频见 https://youtu.be/gT1D4tOiKpo。