Open Source Robotics

Una colección curada de proyectos, herramientas y software de robótica de código abierto de alta calidad.

Single Rigid Body Model

  • También llamado: SRB model, SRBD, single rigid body dynamics
  • Categoría: Control › Locomotion control
  • Etiquetas: legged-locomotion, reduced-order-models, model-predictive-control, quadrupeds, rigid-body-dynamics

Un modelo de orden reducido de un robot con patas como un único sólido rígido de masa e inercia fijas, movido por fuerzas de contacto en patas sin masa; muy usado en el MPC de locomoción.

Definición

El modelo de sólido rígido único (SRB) (single rigid body model) representa un robot con patas como un único sólido rígido que lleva toda la masa del robot y una inercia rotacional, normalmente considerada constante en el sistema de referencia del cuerpo. Las patas se tratan como sin masa, de modo que su único papel es transmitir las fuerzas de reacción del suelo desde los pies al cuerpo. El estado es la posición, la orientación, la velocidad lineal y la velocidad angular del cuerpo, y las entradas son las fuerzas de contacto en los pies de apoyo.

La dinámica son las ecuaciones de Newton-Euler. La suma de las fuerzas de contacto más la gravedad es igual a la masa por la aceleración del centro de masa, y la suma de los momentos de las fuerzas de contacto respecto al centro de masa, cada uno el producto vectorial de la posición del pie relativa al centro de masa por su fuerza, es igual a la tasa de cambio del momento angular. Las fuerzas y momentos externos, como una carga arrastrada por el robot o las fuerzas de otro robot al que está unido, pueden añadirse directamente a estas sumas. El modelo es cercano a la dinámica centroidal, que también describe el robot mediante su centro de masa y su momento total, pero el modelo SRB ignora cómo el movimiento de las patas cambia la inercia y aporta momento angular.

El modelo se convirtió en una base estándar para el control predictivo basado en modelo de cuadrúpedos. Una formulación muy usada para el MIT Cheetah 3 linealizó la dinámica rotacional suponiendo alabeo y cabeceo pequeños y una trayectoria de guiñada conocida, lo que convierte la búsqueda de fuerzas de contacto sobre un horizonte corto en un programa cuadrático convexo con restricciones de cono de fricción. Las versiones no lineales conservan la dinámica de rotación completa. El modelo SRB funciona mejor cuando las patas son ligeras en comparación con el cuerpo; para humanoides con extremidades pesadas, o para movimientos como volteretas en los que importa el balanceo de las patas, los modelos centroidales o de cuerpo completo son más precisos.

Por qué importa

El modelo SRB es lo bastante simple para optimizar sobre un horizonte de varios pasos en tiempo real en el hardware del robot, y aun así conserva la rotación 3D del cuerpo y el momento creado por cada fuerza del pie. Ese equilibrio lo ha convertido en una opción habitual para los controladores de locomoción basados en fuerzas en cuadrúpedos y para planificadores que deben tener en cuenta cargas externas.

Aplicaciones clave

  • Control predictivo basado en modelo de la locomoción de cuadrúpedos
  • Reparto de las fuerzas de reacción del suelo entre los pies de apoyo
  • Planificación de saltos y maniobras dinámicas que implican rotación del cuerpo
  • Locomoción colaborativa con cargas externas o robots conectados
  • Optimización de marchas y de calendarios de contacto

En la práctica

En un cuadrúpedo, un controlador predictivo basado en modelo construido sobre el modelo SRB se ejecuta a una frecuencia fija. En cada actualización toma el estado estimado del cuerpo, el calendario de contactos de la marcha y la velocidad deseada, y resuelve las fuerzas de reacción del suelo de los pies de apoyo sobre el horizonte siguiente, sujetas a restricciones de cono de fricción y límites de fuerza. El primer conjunto de fuerzas se convierte en pares articulares con la traspuesta del jacobiano de cada pata, mientras que las patas en balanceo siguen trayectorias del pie bajo un controlador aparte. Cuando el robot lleva una carga útil o está conectado a otros robots, la fuerza externa esperada y su momento respecto al centro de masa se añaden al modelo para que las fuerzas de los pies planificadas los compensen.

Ideas erróneas comunes

  • El modelo SRB ignora la rotación del cuerpo — conserva la orientación 3D completa y la velocidad angular; solo se descartan la masa de las patas y el momento inducido por las patas
  • El modelo SRB y la dinámica centroidal son lo mismo — la dinámica centroidal tiene en cuenta cómo el movimiento de las extremidades cambia la inercia y el momento totales, algo que el modelo SRB fija o ignora
  • El MPC SRB convexo es válido para cualquier movimiento — la forma convexa habitual se basa en alabeo y cabeceo pequeños, así que las rotaciones grandes como las volteretas necesitan formulaciones no lineales o que tengan en cuenta la rotación

Quién debería saberlo

  • Ingenieros de locomoción de cuadrúpedos y humanoides
  • Desarrolladores de control predictivo basado en modelo
  • Investigadores en robots con patas que transportan cargas o trabajan en equipo
  • Estudiantes que aprenden modelos de orden reducido de robots con patas

Tecnologías relacionadas

  • Control predictivo basado en modelo convexo (Convex Model Predictive Control)
  • Ecuaciones de Newton-Euler (Newton-Euler Equations)
  • Dinámica centroidal (Centroidal Dynamics)
  • Programación cuadrática (Quadratic Programming)
  • Control de cuerpo completo (Whole-Body Control)

Términos relacionados

  • Centroidal Dynamics
  • Model Predictive Control
  • Friction Cone
  • Quadruped
  • Whole-Body Control
  • Linear Inverted Pendulum

Proyectos relacionados

  • 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

Este sitio web requiere JavaScript. Por favor, habilite JavaScript para explorar nuestros proyectos de robótica.