[论文解读] Robust Bipedal Locomotion Control Based on Model Predictive Control and Divergent Component of Motion

Milad Shafiee, Aghil Yousefi‐Koma+1 more|arXiv (Cornell University)|Feb 28, 2017

Robotic Locomotion and Control参考文献 17被引用 6

一句话总结

本文提出了一种统一的模型预测控制（MPC）框架，整合了重心压力点（CoP）调节、步态调整以及质心动量枢轴（CMP）调制，以实现稳健的双足行走。通过利用时变发散运动分量（DCM），控制器在不平地形上增强了抗干扰能力，并在应对强烈推力时优于现有最先进方法，仿真结果表明其可分别从高达260 N的侧向推力和220 N的前向推力中恢复。

ABSTRACT

In this paper, previous works on the Model Predictive Control (MPC) and the Divergent Component of Motion (DCM) for bipedal walking control are extended. To this end, we employ a single MPC which uses a combination of Center of Pressure (CoP) manipulation, step adjustment, and Centroidal Moment Pivot (CMP) modulation to design a robust walking controller. Furthermore, we exploit the concept of time-varying DCM to generalize our walking controller for walking in uneven surfaces. Using our scheme, a general and robust walking controller is designed which can be implemented on robots with different control authorities, for walking on various environments, e.g. uneven terrains or surfaces with a very limited feasible area for stepping. The effectiveness of the proposed approach is verified through simulations on different scenarios and comparison to the state of the art.

研究动机与目标

• 开发一种统一、稳健且多功能的双足机器人行走控制器，能够应对多样化环境与干扰。
• 通过整合多种控制输入，解决现有基于DCM的MPC控制器仅依赖CoP或步态位置的局限性。
• 在步态调整不可行的情况下（如接触面小或不稳定），实现有效的干扰抑制。
• 将基于DCM的控制扩展至行走过程中质心高度可变的场景，提升轨迹平滑性与稳定性。
• 在干扰抑制能力与执行器效率方面，相较于现有最先进MPC与DCM控制器，在仿真中展现出更优性能。

提出的方法

• 构建单一MPC框架，同时控制CoP位置、步态位置与CMP（质心动量），以生成稳健的行走轨迹。
• 引入时变发散运动分量（DCM）以建模在不平地形上行走时质心高度的变化。
• 利用DCM动力学预测未来质心行为，并在MPC优化问题中施加稳定性约束。
• 引入ZMP（零力矩点）与支撑多边形边界的不等式约束，确保物理可行性。
• 将CMP调制作为控制输入，以在步态调整不可行时生成角动量实现平衡恢复。
• 以直接的时变DCM公式替代反向时间积分法进行DCM高度调节，避免轨迹不连续性。

实验结果

研究问题

• RQ1 如何通过单一MPC框架有效结合CoP调节、步态调整与CMP调制，以提升双足行走中的干扰抑制能力？
• RQ2 与固定高度DCM模型相比，使用时变DCM在多大程度上增强了控制器应对不平地形的能力？
• RQ3 在步态调整不可行的情况下，CMP调制是否能显著提升平衡恢复能力？
• RQ4 与现有基于MPC的DCM控制器相比，所提方法在最大可恢复干扰幅度方面表现如何？
• RQ5 避免反向时间积分对DCM轨迹平滑性与数值稳定性有何影响？

主要发现

• 所提控制器成功从高达260 N的侧向推力与220 N的前向推力中恢复，显著超过现有最先进方法[17, 5]的140 N与200 N限制。
• 控制器实现干扰抑制时所需步态调整更短——前向调整4.8 cm，向外调整0.05 cm，相比[17, 5]中受限的5.5 cm与0.1 cm，避免了执行器饱和。
• CMP调制使在步态调整不可行时仍能实现平衡恢复，可在CoP保持在脚掌边缘的同时生成90 N·m/s的质心角动量。
• 时变DCM公式消除了在需要多个预瞄步态时，反向时间积分方法所导致的DCM轨迹不连续性。
• 仿真结果表明，控制器在多种场景下（包括不平地形与受限步态区域）均保持稳定与可行性。
• 统一的MPC框架展现出卓越的鲁棒性与类人干扰响应特性，有效整合了踝部、髋部与步态策略于单一控制架构中。