[논문 리뷰] Adaptive Force-based Control for Legged Robots

Mohsen Sombolestan, Yiyu Chen외 1명|arXiv (Cornell University)|2020. 11. 12.

Robotic Locomotion and Control참고 문헌 23인용 수 4

한 줄 요약

이 논문은 모델 불확실성을 다루기 위해 $L_1$ 적응 제어를 이차형식 프rogramming (QP)-기반 힘 제어에 통합한 혁신적인 적응형 힘 기반 제어 프레임워크를 제안한다. 이 방법은 12kg의 Unitree A1 로봇이 거친 지형에서 최대 6kg(체중의 50%)를 지닌 채로 안정적으로 보행할 수 있도록 하며, 최대 11kg(체중의 92%)의 하중을 지닌 채로 서 있을 수 있다. 비적응형 제어기들은 모델 불확실성으로 인해 3~6kg에서 실패하는 반면, 본 방법은 그에 비해 뛰어난 성능을 보인다.

ABSTRACT

Adaptive control can address model uncertainty in control systems. However, it is preliminarily designed for tracking control. Recent advancements in the control of quadruped robots show that force control can effectively realize agile and robust locomotion. In this paper, we present a novel adaptive force-based control framework for legged robots. We introduce a new architecture in our proposed approach to incorporate adaptive control into quadratic programming (QP) force control. Since our approach is based on force control, it also retains the advantages of the baseline framework, such as robustness to uneven terrain, controllable friction constraints, or soft impacts. Our method is successfully validated in both simulation and hardware experiments. While the baseline QP control has shown a significant degradation in the body tracking error with a small load, our proposed adaptive force-based control can enable the 12-kg Unitree A1 robot to walk on rough terrains while carrying a heavy load of up to 6 kg (50% of the robot weight). When standing with four legs, our proposed adaptive control can even allow the robot to carry up to 11 kg of load (92% of the robot weight) with less than 5-cm tracking error in the robot height.

연구 동기 및 목표

• 다리가 달린 로봇 제어에서 모델 불확실성, 특히 알 수 없고 시간에 따라 변하는 하중 조건에서 이를 해결하기 위해.
• 이전에는 궤도 추적에 사용된 적응 제어를 다이나믹한 다리가 달린 로봇의 힘 기반 제어로 확장하기 위해.
• 시스템 다이나믹스의 불확실성에 적응할 수 있도록 하면서도 QP 기반 힘 제어의 강건성과 유연성을 유지하기 위해.
• 엄격한 이론적 분석을 통해 외부 외란과 모델 정확도 부족 상황에서도 안정성을 확보하기 위해.
• Unitree A1 로봇에서 고정밀 시뮬레이션과 실제 하드웨어 실험을 통해 프레임워크를 검증하기 위해.

제안 방법

• 다이나믹한 모델 불확실성을 다룰 수 있도록 QP 기반 힘 제어 프레임워크 내부에 $L_1$ 적응 제어를 통합한 새로운 제어 아키텍처를 도입한다.
• 제어 입력의 매끄러움과 강건성을 확보하기 위해 적응 법칙에 저역통과 필터를 사용하여, 외란 상황에서도 안정적인 성능을 달성한다.
• 적응을 위한 안정적인 비선형 기준 궤적을 정의하기 위해 제어 리아프노프 함수(CL) 기반 기준 모델을 활용한다.
• 추정된 시스템 불확실성에 기반해 실시간으로 힘 명령을 조정하는 적응 제어 법칙을 유도하여, 힘 추적과 안정성을 유지한다.
• 닫힌 루프 시스템이 유한한 외란과 모델 오차 상황에서도 안정성을 유지함을 입증하기 위해 입력-상태 안정성(ISS) 분석을 적용한다.
• 적응 메커니즘을 QP 최적화 계층에 통합하여, 마찰력과 충격력 제약 조건을 유지하면서도 실시간 적응을 가능하게 한다.

Figure 1: Our proposed adaptive force-control approach is successfully validated in experiment on the 12-kg A1 robot walking while carrying an unknown load of up to 6 kg (50% of body weight). Experiment video: https://youtu.be/tWlO7b-EhP4

실험 결과

연구 질문

• RQ1 다리가 달린 로봇에서 궤도 추적에서 힘 기반 제어로의 적응 제어 확장이 성공적으로 가능할 수 있는가?
• RQ2 $L_1$ 적응 제어를 QP 기반 힘 제어 프레임워크에 통합하여, 모델 불확실성 하에서도 안정성과 성능을 유지할 수 있는가?
• RQ3 적응형 힘 기반 제어를 사용할 경우, 4족 보행 로봇이 균형과 궤적 추적 정확도를 유지하면서 지닌 수 있는 최대 하중은 얼마인가?
• RQ4 알 수 없고 시간에 따라 변하는 하중 조건에서, 제안된 방법이 비적응형 QP 제어보다 어떻게 비교되는가?
• RQ5 적응형 힘 기반 제어 프레임워크는 불균일한 지형과 부드러운 충격 상황에서도 강건성을 유지할 수 있는가?

주요 결과

• 적응형 힘 기반 제어기를 사용한 12kg의 Unitree A1 로봇은 거친 지형에서 6kg의 하중(체중의 50%)을 지닌 채로 안정적으로 보행할 수 있었고, 비적응형 기준 제어기는 3kg에서 실패하였다.
• 적응형 제어기를 사용할 경우, 로봇은 11kg의 하중(체중의 92%)을 지닌 채로 서 있을 수 있었으며, 높이 추적 오차는 5cm 이내를 유지하였다. 반면 비적응형 제어기는 6kg에서 서 있는 것을 실패하였다.
• 시뮬레이션 결과, 로봇은 6kg의 하중과 알 수 없는 외란이 존재하는 불균일하고 급경사 지형을 안정적으로 올라가며 최소한의 추적 오차를 기록하였다.
• 11kg의 하중을 지닌 상태에서 서 있을 때, 적응형 제어기는 로봇의 높이 추적 오차가 3cm 이하, 피치 각도 오차가 8° 이하로 유지되었다.
• 실험 결과, 입력-상태 안정성(ISS)이 확인되었으며, 소규모의 일정한 추적 오차가 존재하더라도 시스템은 외란 상황에서도 유계로 유지되었다.
• 프레임워크는 기존의 힘 기반 제어의 장점을 성공적으로 유지하였으며, 불균일한 지형에 대한 강건성, 조절 가능한 마찰 제약 조건, 부드러운 충격 처리 능력 등이 포함되었다.

Figure 2: Control Architecture Overview. Block diagram of control architecture for A1 robot.