鲁棒逻辑行走：基于信号时序逻辑引导模型预测控制的抗扰动双足行走
机器人学
2024-11-20 v2
摘要
本研究引入了一个鲁棒规划框架，该框架利用模型预测控制（MPC）方法，并通过结合信号时序逻辑（STL）规范进行增强。这是首次将STL引导的轨迹优化应用于双足行走的研究，专门设计用于处理平移和旋转扰动。现有的恢复策略通常难以推理复杂的任务逻辑和系统地评估行走鲁棒性，因此容易因不适当的恢复策略或缺乏鲁棒性而导致失败。为解决这些问题，我们设计了一个双足行走的分析稳定性度量，并使用STL规范量化该度量，从而指导恢复轨迹的生成以实现最大鲁棒度。为了实现安全且计算高效的交叉腿动作，我们设计了数据驱动的自腿碰撞约束，其速度比传统的基于逆运动学的方法快1000倍。我们的框架在高保真动态仿真中优于最先进的行走控制器、不带STL的标准MPC以及基于线性时序逻辑的规划器，特别是在涉及交叉腿动作的场景中。此外，Cassie双足机器人在水平和旋转扰动（如船舶运动中观察到的扰动）下实现了鲁棒性能。这些环境在仿真中得到验证并部署在硬件上。此外，我们提出的方法在踏脚石和倾斜地形上的地形无关特性方面表现出多功能性。
引用
@article{arxiv.2403.15993,
title = {Robust-Locomotion-by-Logic: Perturbation-Resilient Bipedal Locomotion via Signal Temporal Logic Guided Model Predictive Control},
author = {Zhaoyuan Gu and Yuntian Zhao and Yipu Chen and Rongming Guo and Jennifer K. Leestma and Gregory S. Sawicki and Ye Zhao},
journal= {arXiv preprint arXiv:2403.15993},
year = {2024}
}