[论文解读] Push Recovery of a Humanoid Robot Based on Model Predictive Control and Capture Point

Milad Shafiee, Aghil Yousefi‐Koma+2 more|arXiv (Cornell University)|Dec 23, 2016

Robotic Locomotion and Control参考文献 2被引用 5

一句话总结

本文提出一种模型预测控制（MPC）框架，通过跟踪捕获点（CP）统一踝部（ZMP）与髋部（CMP调制）策略，实现人形机器人抗推恢复。当CP在支撑多边形内时采用ZMP控制，当CP在外部时切换至CMP调制，从而在点接触或线接触等无法迈步的情况下仍能实现有效的平衡恢复。该方法在使用抽象SURENA III模型的仿真中成功稳定了机器人。

ABSTRACT

The three bio-inspired strategies that have been used for balance recovery of biped robots are the ankle, hip and stepping Strategies. However, there are several cases for a biped robot where stepping is not possible, e. g. when the available contact surfaces are limited. In this situation, the balance recovery by modulating the angular momentum of the upper body (Hip-strategy) or the Zero Moment Point (ZMP) (Ankle strategy) is essential. In this paper, a single Model Predictive Control (MPC) scheme is employed for controlling the Capture Point (CP) to a desired position by modulating both the ZMP and the Centroidal Moment Pivot (CMP). The goal of the proposed controller is to control the CP, employing the CMP when the CP is out of the support polygon, and/or the ZMP when the CP is inside the support polygon. The proposed algorithm is implemented on an abstract model of the SURENA III humanoid robot. Obtained results show the effectiveness of the proposed approach in the presence of severe pushes, even when the support polygon is shrunken to a point or a line.

研究动机与目标

• 解决在接触表面受限、无法迈步时人形机器人平衡恢复的挑战。
• 克服传统仅使用ZMP控制在应对大扰动时的局限性。
• 在单一MPC框架内整合踝部（ZMP）与髋部（CMP）策略，以提升鲁棒性。
• 实现在支撑多边形缩小至点或线时的CP有效调节。
• 展示通过CMP调节上半身角动量在极端扰动场景下实现稳定性的可行性。

提出的方法

• 控制器使用线性倒立摆模型（LIPM）近似机器人的质心（CoM）动力学，假设高度恒定且角动量变化率为零。
• 将控制问题建模为MPC，以最小化CP与期望位置的偏差，同时调节ZMP与CMP。
• 当CP位于支撑多边形内部时，控制器调制ZMP以稳定CP；当CP位于外部时，切换至CMP调制以重新定位CP。
• MPC的代价函数包含CP跟踪误差、ZMP/CMP偏差及控制努力项，增益经调参以确保稳定性和执行器限制。
• 控制器根据CP相对于支撑多边形的位置，动态选择ZMP或CMP控制。
• 该方法在具有真实物理参数和扰动输入的抽象SURENA III人形机器人模型上进行了验证。

实验结果

研究问题

• RQ1 统一的MPC框架能否有效结合ZMP与CMP控制，实现人形机器人的抗推恢复？
• RQ2 当支撑多边形缩小至线或点时，CMP调制如何提升平衡恢复能力？
• RQ3 在无法迈步的情况下，控制器在严重外部扰动下的表现如何？
• RQ4 控制器如何根据CP位置在踝部（ZMP）与髋部（CMP）策略间切换？
• RQ5 上半身角动量调制在动态扰动场景下能在多大程度上增强稳定性？

主要发现

• 控制器在矢状面承受360 N推力、冠状面承受140 N推力的情况下成功稳定了机器人，即使CP已移出支撑多边形。
• 在一足站立场景下，面对线接触或点接触，控制器通过CMP调制维持了平衡，最大飞轮扭矩达约50 N·m——在执行器限制范围内。
• 所有仿真中，机器人的髋部俯仰关节角度均低于1.5 rad，表明控制输入安全且可行。
• 控制器表现出类人行为：小扰动时使用踝部策略，大扰动时则启用髋部策略（CMP）。
• 该方法在无法迈步的场景中有效防止了跌倒，证明了在最小接触表面下的鲁棒性。
• 仿真结果证实，通过ZMP与CMP联合控制实现的CP调节显著增强了抗扰动能力。