Single Rigid Body Model
- Auch genannt: SRB model, SRBD, single rigid body dynamics
- Kategorie: Control › Locomotion control
- Schlagwörter: legged-locomotion, reduced-order-models, model-predictive-control, quadrupeds, rigid-body-dynamics
Ein Modell reduzierter Ordnung eines Laufroboters als ein starrer Körper mit fester Masse und Trägheit, der durch Kontaktkräfte an masselosen Beinen bewegt wird; in der MPC für die Fortbewegung weit verbreitet.
Definition
Das Einzelstarrkörpermodell (single rigid body model, SRB-Modell) stellt einen Laufroboter als einen einzigen starren Körper dar, der die gesamte Masse des Roboters und ein Trägheitsmoment trägt, das meist im Körperkoordinatensystem als konstant angenommen wird. Die Beine werden als masselos behandelt, ihre einzige Rolle ist also, Bodenreaktionskräfte von den Füßen auf den Körper zu übertragen. Der Zustand umfasst Position, Orientierung, lineare Geschwindigkeit und Winkelgeschwindigkeit des Körpers, und die Eingänge sind die Kontaktkräfte an den Füßen in der Standphase.
Die Dynamik sind die Newton-Euler-Gleichungen. Die Summe der Kontaktkräfte plus Schwerkraft ist gleich Masse mal Beschleunigung des Schwerpunkts, und die Summe der Momente der Kontaktkräfte um den Schwerpunkt, jeweils das Kreuzprodukt der Fußposition relativ zum Schwerpunkt mit ihrer Kraft, ist gleich der Änderungsrate des Drehimpulses. Äußere Kräfte und Momente, etwa eine vom Roboter gezogene Last oder Kräfte von einem anderen Roboter, mit dem er verbunden ist, lassen sich direkt zu diesen Summen addieren. Das Modell liegt nahe an der zentroidalen Dynamik, die den Roboter ebenfalls über seinen Schwerpunkt und seinen Gesamtimpuls beschreibt, aber das SRB-Modell ignoriert, wie Beinbewegungen die Trägheit verändern und zum Drehimpuls beitragen.
Das Modell wurde zu einer Standardgrundlage für die modellprädiktive Regelung von Vierbeinern. Eine weit verbreitete Formulierung für den MIT Cheetah 3 linearisierte die Rotationsdynamik unter der Annahme kleiner Roll- und Nickwinkel und einer bekannten Gierwinkeltrajektorie, wodurch die Suche nach Kontaktkräften über einen kurzen Horizont zu einem konvexen quadratischen Programm mit Reibungskegel-Nebenbedingungen wird. Nichtlineare Versionen behalten die volle Rotationsdynamik. Das SRB-Modell funktioniert am besten, wenn die Beine im Vergleich zum Körper leicht sind; für Humanoide mit schweren Gliedmaßen oder Bewegungen wie Salti, bei denen der Beinschwung eine Rolle spielt, sind zentroidale Modelle oder Ganzkörpermodelle genauer.
Warum es wichtig ist
Das SRB-Modell ist einfach genug, um auf Roboterhardware in Echtzeit über einen Horizont von mehreren Schritten optimiert zu werden, behält aber die 3D-Rotation des Körpers und das von jeder Fußkraft erzeugte Moment bei. Dieses Gleichgewicht hat es zu einer gängigen Wahl für kraftbasierte Fortbewegungsregler bei Vierbeinern und für Planer gemacht, die äußere Lasten berücksichtigen müssen.
Wichtige Anwendungen
- Modellprädiktive Regelung der Fortbewegung von Vierbeinern
- Verteilung der Bodenreaktionskräfte auf die Standfüße
- Planung von Sprüngen und dynamischen Manövern mit Körperrotation
- Kooperative Fortbewegung mit äußeren Lasten oder verbundenen Robotern
- Optimierung von Gangarten und Kontaktplänen
In der Praxis
Auf einem Vierbeiner läuft ein modellprädiktiver Regler, der auf dem SRB-Modell aufbaut, mit fester Rate. Bei jeder Aktualisierung nimmt er den geschätzten Körperzustand, den Kontaktplan aus der Gangart und die Sollgeschwindigkeit und löst nach den Bodenreaktionskräften der Standfüße über den kommenden Horizont, unter Reibungskegel-Nebenbedingungen und Kraftgrenzen. Der erste Satz von Kräften wird mit der Transponierten der Jacobi-Matrix jedes Beins in Gelenkmomente umgerechnet, während die Schwungbeine unter einem separaten Regler Fußtrajektorien folgen. Trägt der Roboter eine Nutzlast oder ist er mit anderen Robotern verbunden, werden die erwartete äußere Kraft und ihr Moment um den Schwerpunkt dem Modell hinzugefügt, damit die geplanten Fußkräfte sie ausgleichen.
Häufige Missverständnisse
- Das SRB-Modell ignoriert die Körperrotation — es behält die volle 3D-Orientierung und Winkelgeschwindigkeit; nur die Beinmasse und der durch die Beine erzeugte Impuls fallen weg
- Das SRB-Modell und die zentroidale Dynamik sind dasselbe — die zentroidale Dynamik berücksichtigt, wie Gliedmaßenbewegungen die Gesamtträgheit und den Gesamtimpuls verändern, was das SRB-Modell festhält oder ignoriert
- Konvexe SRB-MPC gilt für jede Bewegung — die übliche konvexe Form beruht auf kleinen Roll- und Nickwinkeln, daher erfordern große Rotationen wie Salti nichtlineare oder rotationsbewusste Formulierungen
Wer das wissen sollte
- Ingenieure für die Fortbewegung von Vierbeinern und Humanoiden
- Entwickler modellprädiktiver Regelung
- Forschende zu Laufrobotern, die Lasten tragen oder im Team arbeiten
- Studierende, die Modelle reduzierter Ordnung für Laufroboter lernen
Verwandte Technologien
- Konvexe modellprädiktive Regelung (Convex Model Predictive Control)
- Newton-Euler-Gleichungen (Newton-Euler Equations)
- Zentroidale Dynamik (Centroidal Dynamics)
- Quadratische Programmierung (Quadratic Programming)
- Ganzkörperregelung (Whole-Body Control)
Verwandte Begriffe
- Centroidal Dynamics
- Model Predictive Control
- Friction Cone
- Quadruped
- Whole-Body Control
- Linear Inverted Pendulum
Verwandte Projekte
- DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
- MuJoCo MPC: DeepMind's interactive real-time model predictive control framework for MuJoCo
- PACE Sim2Real: Systematic sim-to-real transfer via actuator dynamics identification
- python_simple_mppi: MPPI control derived and implemented in numpy, with four worked examples
- mjbatch: Runs thousands of MuJoCo simulations in parallel on the CPU
- Quadruped-PyMPC: Python MPC framework for quadruped locomotion with gradient and sampling control