螺旋桨增强型 locomotion：基于学习接触残差的解耦模型预测控制
机器人学
2025-08-06 v1
摘要
Northeastern University开发的Husky Carbon机器人作为研究平台，旨在探索姿态操控与推力矢量化的统一。与传统四足机器人不同，其关节执行器和推力装置赋予了增强的控制权限，促进了螺旋桨辅助窄巷行走。虽然统一的模型预测控制（MPC）框架可理论上优化地面反作用力和推力力，但由于系统轻量执行器的低扭矩控制带宽，该方法的可行性受限。为克服这一挑战，我们提出了一种解耦控制架构：Raibert型控制器使用基于位置的控制治理四足 locomotion，而MPC控制螺旋桨并借助学习的接触残差动力学（CRD）来补偿腿-地面冲击。这种分离方式绕过了扭矩控制速率的瓶颈，同时保留了螺旋桨MPC以显式方式通过学习残差来考虑腿-地面冲击动力学。我们通过仿真和硬件实验验证了该方法，表明带有CRD的解耦控制架构在推力恢复和类似猫的行走步态方面比没有CRD的解耦控制器更稳定。
引用
@article{arxiv.2508.03003,
title = {Thruster-Enhanced Locomotion: A Decoupled Model Predictive Control with Learned Contact Residuals},
author = {Chenghao Wang and Alireza Ramezani},
journal= {arXiv preprint arXiv:2508.03003},
year = {2025}
}