[论文解读] A Whole-Body Model Predictive Control Scheme Including External Contact Forces and CoM Height Variations

Reihaneh Mirjalili, Aghil Yousefi‐Koma+4 more|arXiv (Cornell University)|Oct 24, 2018

Robotic Locomotion and Control参考文献 13被引用 4

一句话总结

本文提出一种三阶段模型预测控制（MPC）方案，用于仿人机器人，实现实时联合规划全身运动、质心（CoM）高度变化以及外部接触力（如手部接触）的控制。通过将问题分解为凸二次规划（QP）和混合整数二次规划（MIQP），该方法可在不平地形或执行物体操作时实现反应式、物理上可行的全身运动，克服了标准线性倒立摆模型（LIPM）的局限性。

ABSTRACT

In this paper, we present an approach for generating a variety of whole-body motions for a humanoid robot. We extend the available Model Predictive Control (MPC) approaches for walking on flat terrain to plan for both vertical motion of the Center of Mass (CoM) and external contact forces consistent with a given task. The optimization problem is comprised of three stages, i. e. the CoM vertical motion, joint angles, and contact forces planning. The choice of external contact (e. g. hand contact with the object or environment) among all available locations and the appropriate time to reach and maintain a contact are all computed automatically within the algorithm. The presented algorithm benefits from the simplicity of the Linear Inverted Pendulum Model (LIPM), while it overcomes the common limitations of this model and enables us to generate a variety of whole-body motions through external contacts. Simulation and experimental implementation of several whole-body actions in multi-contact scenarios on a humanoid robot show the capability of the proposed algorithm.

研究动机与目标

• 解决在动态干扰下，仿人机器人在多接触运动规划方面的不足，如在DARPA机器人挑战赛中所观察到的问题。
• 克服线性倒立摆模型（LIPM）的局限性，该模型假设质心高度恒定且无外部接触。
• 实现对双手或其他肢体接触位置的自动选择，以维持平衡并完成任务。
• 开发一种计算高效、适合复杂动态环境的实时运动生成框架。
• 通过将问题分解为凸子问题，弥合高维非凸优化与反应式、低复杂度规划器之间的差距。

提出的方法

• 将全身运动规划分解为三个顺序的凸优化阶段：质心垂直运动、关节轨迹规划以及接触力/接触选择规划。
• 在第一阶段使用二次规划（QP）生成满足运动学约束的可行质心高度轨迹，同时考虑可达性与稳定性。
• 在第二阶段应用另一个QP，以计算关节角度与全身运动，同时满足零力矩点（ZMP）与运动学约束。
• 在第三阶段采用混合整数二次规划（MIQP），自动选择最优接触位置（如手部接触）与接触力。
• 将接触时机与力决策集成到MPC循环中，实现在任务与稳定性需求下动态切换接触。
• 在每个优化阶段均将ZMP约束与物理极限（如关节角度、可达性）作为硬约束，以确保可行性。

实验结果

研究问题

• RQ1 能否在动态场景中，通过实时MPC框架自动规划仿人机器人的质心高度变化与外部接触力？
• RQ2 如何在保持通用性与物理可行性的同时，降低多接触运动规划的计算复杂度？
• RQ3 所提方法在多大程度上可克服LIPM的简化假设，如质心高度恒定与无外部接触？
• RQ4 该算法能否在运动执行过程中自主决定何时何地建立或断开接触（如手部接触）？
• RQ5 质心高度控制的集成在多大程度上提升了机器人执行如举升物体或穿越不平地形等任务的能力？

主要发现

• 该算法成功在运动学可实现范围内规划出平滑、物理上可行的质心高度轨迹，如在搬运箱子的场景中所展示。
• 第三阶段的MIQP能自动选择最优接触位置与接触力，使机器人在质心运动可能违反ZMP约束时仍能维持平衡。
• 在多接触场景中，如穿越洞口或进行大步幅侧跨时，该算法能自主确定接触时机与位置，而无需预先指定。
• 通过动态调节质心高度与接触力，该方法实现了在不平地形或物体操作过程中的稳定全身运动。
• 通过将问题分解为凸QP与MIQP，实现实时执行，每个阶段均能在控制周期频率下高效求解。
• 通过引入关节极限与可达性约束，该算法保持了鲁棒性，即使在动态任务需求下也能防止不可行运动的发生。