基于在线切换时间优化的刚体接触全身模型预测控制
机器人学
2022-10-25 v3 最优化与控制
摘要
本研究提出一种在给定接触序列下，利用在线切换时间优化（STO）对具有刚体接触的机器人系统进行全身模型预测控制（MPC）的方法。我们将具有刚体接触的机器人动力学视为切换系统，并构建切换系统的最优控制问题以实现MPC。我们采用一种高效的求解算法来处理MPC问题，该算法能同时优化切换时间和轨迹。与现有低效方法不同，本高效算法能够实现在线优化及切换时间优化。通过对四足机器人动态跳跃运动的数值仿真，将所提出的在线STO MPC与传统固定切换时间MPC进行了比较。仿真对比中，所提出的MPC成功控制动态跳跃运动的案例数是传统MPC的两倍，表明该方法扩展了全身MPC的能力。我们进一步在四足机器人Unitree A1上进行了硬件实验，证明所提方法能在真实机器人上实现动态运动。
引用
@article{arxiv.2203.00997,
title = {Whole-body model predictive control with rigid contacts via online switching time optimization},
author = {Sotaro Katayama and Toshiyuki Ohtsuka},
journal= {arXiv preprint arXiv:2203.00997},
year = {2022}
}
备注
8 pages, 10 figures. This work has been accepted to be presented at the 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022)