信号时序逻辑引导的模型预测控制用于抗运行时外部扰动的鲁棒双足运动
机器人学
2023-10-18 v1
摘要
本研究探讨基于形式化方法的双足运动轨迹优化（TO），重点关注机器人在不可预知时刻遭遇外部扰动的场景。我们的核心研究问题围绕在存在外部扰动时，如何保证双足机器人的任务规约正确性并最大化规约鲁棒性。我们的贡献包括设计一个基于优化的任务与运动规划框架，其生成具有外部扰动恢复形式化保证的最优控制序列。作为该框架的核心组件，模型预测控制器（MPC）将基于信号时序逻辑（STL）的任务规约编码为代价函数。特别地，我们研究了机器人遭受横向扰动从而增加因腿部自碰撞导致失败风险的挑战性场景。为此，我们综合了敏捷且安全的交叉腿机动以增强运动稳定性。本工作首次将 STL 提供的形式化保证纳入双足运动扰动恢复的轨迹优化中。我们通过仿真中的扰动实验证明了该框架的有效性。
引用
@article{arxiv.2310.11290,
title = {Signal Temporal Logic-Guided Model Predictive Control for Robust Bipedal Locomotion Resilient to Runtime External Perturbations},
author = {Zhaoyuan Gu and Rongming Guo and William Yates and Yipu Chen and Ye Zhao},
journal= {arXiv preprint arXiv:2310.11290},
year = {2023}
}