双足机器人强鲁Push恢复：基于多域混合系统的降阶模型预测控制
机器人学
2025-04-29 v1
摘要
本文提出了一种新型控制框架，以实现双足机器人在 locomotion 期间的稳健push恢复。关键贡献在于将 locomotion 的混合系统模型统一到一个降阶模型预测控制器中，用于确定：脚位、步时和脚踝控制。所提出的降阶模型是带有零力矩点坐标的增强线性倒摆模型；这集成到了模型预测控制框架中，以实现对外部扰动的稳健控制。通过显式地利用 locomotion 的混合动力学，我们的方法在各种行走高度、速度、步持续时间以及对于平足和更复杂的多域heel-to-toe行走模式中均显著提高了稳定性和鲁棒性。该框架在Cassie——一种3D欠受控机器人上进行高保真仿真验证，展示了实时可行性和显著改善的稳定性。结果表明该方法在动态环境中的鲁棒性得到了显著提升。
引用
@article{arxiv.2504.18698,
title = {Robust Push Recovery on Bipedal Robots: Leveraging Multi-Domain Hybrid Systems with Reduced-Order Model Predictive Control},
author = {Min Dai and Aaron D. Ames},
journal= {arXiv preprint arXiv:2504.18698},
year = {2025}
}
备注
accepted at ACC2025