[论文解读] Impact-Aware Task-Space Quadratic-Programming Control

Yuquan Wang, Niels Dehio+2 more|arXiv (Cornell University)|Jun 3, 2020

Robotic Locomotion and Control参考文献 90被引用 13

一句话总结

本文提出了一种影响感知的任务空间二次规划（QP）控制框架，通过重新表述约束以考虑摩擦冲击后的状态突变，增强了在三维空间中对摩擦冲击的鲁棒性。通过利用一步 ahead 的冲击预测，将解析计算的可行冲击后状态多面体集和硬件耐受边界整合到 QP 搜索空间中，控制器在不修改核心 QP 结构的前提下，确保了安全、高速的接触任务，已在 Panda 和 HRP-4 机器人上验证，冲击速度最高达 0.25 m/s。

ABSTRACT

Robots usually establish contacts at rigid surfaces with near-zero relative velocities. Otherwise, impact-induced energy propagates in the robot's linkage and may cause irreversible damage to the hardware. Moreover, abrupt changes in task-space contact velocity and peak impact forces also result in abrupt changes in robot joint velocities and torques; which can compromise controllers' stability, especially for those based on smooth models. In reality, several tasks would require establishing contact with moderately high velocity. We propose to enhance task-space multi-objective controllers formulated as a quadratic program to be resilient to frictional impacts in three dimensions. We devise new constraints and reformulate the usual ones to be robust to the abrupt joint state changes mentioned earlier. The impact event becomes a controlled process once the optimal control search space is aware of: (1) the hardware-affordable impact bounds and (2) analytically-computed feasible set (polyhedra) that constrain post-impact critical states. Prior to and nearby the targeted contact spot, we assume, at each control cycle, that the impact will occur at the next iteration. This somewhat one-step preview makes our controller robust to impact time and location. To assess our approach, we experimented its resilience to moderate impacts with the Panda manipulator and achieved swift grabbing tasks with the HRP-4 humanoid robot.

研究动机与目标

• 在机器人中实现安全、高速的接触任务，其中冲击是故意的，例如抓取或敲打，而无需依赖接近零速度的接触规划。
• 解决基于优化的控制器在摩擦性三维冲击期间因关节速度和力矩突变而导致的不稳定性和硬件损坏风险。
• 在不引入新决策变量的前提下，增强现有的任务空间 QP 控制框架，保持其结构和效率。
• 提供一种保守且基于解析的边界方法，利用由库仑摩擦定律和动量守恒导出的凸多面体，对冲击后状态进行边界限定。
• 在 Panda 机械臂和 HRP-4 人形机器人上，通过实验验证该方法在中等冲击速度下执行快速抓取任务的性能。

提出的方法

• 该方法将硬件可承受的冲击边界和解析推导出的可行冲击后状态集（多面体）作为新约束引入 QP 优化问题。
• 利用冲击发生的一步 ahead 预测，实时修改 QP 搜索空间，以预测冲击发生的时间和位置。
• 使用闭式表达的影响感知模板，将三维空间中的库仑摩擦和动量守恒纳入冲击后状态约束。
• 控制器将冲量多面体（表示所有可行冲击结果）投影到关节空间和任务空间，以确保在状态不连续跳变下的可行性。
• 通过多面体可行集的半空间表示，重新表述约束，使其在速度和力突然跳跃时仍保持可行性。
• 该方法被集成到 mc_rtc 框架中，实现了对原始 QP 公式最小改动的实时控制。

实验结果

研究问题

• RQ1 任务空间 QP 控制器能否在不引入新决策变量的前提下，对高速、摩擦性三维冲击具备鲁棒性？
• RQ2 如何利用由物理冲击定律导出的凸多面体，对冲击后关节状态进行解析边界限定？
• RQ3 一步 ahead 的冲击预测能在多大程度上提升对冲击时间与位置不确定性的鲁棒性？
• RQ4 能否有效将硬件耐受极限整合到 QP 约束集中，以防止在故意冲击过程中的损坏？
• RQ5 影响感知 QP 在涉及浮地基和固定基机器人的高速接触任务真实场景中表现如何？

主要发现

• 影响感知 QP 控制器在 HRP-4 人形机器人抓取任务中成功将接触速度控制在 0.25 m/s，而无需预减速或轨迹规划。
• 实验测得的冲量始终在预测的冲量集合范围内，证实了通过解析方法构建的多面体可行区域的准确性。
• 由于重新表述的搜索空间考虑了不连续性，控制器即使在冲击后状态发生突变时仍能保持约束可行性和稳定性。
• HRP-4 机器人成功实现了双手同步抓取和投掷箱子，展示了对冲击时间与位置不确定性的鲁棒性。
• Panda 机械臂实验表明，控制器能够在遵守硬件耐受边界的同时，实现快速、高速的接触任务。
• 该方法在固定基和浮地基机器人上均得到验证，显示出在不同机器人架构间的通用性。