Real-time Optimal Landing Control of the MIT Mini Cheetah

作者: Se Hwan Jeon, Sangbae Kim, Donghyun Kim · ICRA 2022

授權條款

• 開放取用
• 論文: CC BY 4.0

以下內容皆依據論文全文，依其 CC BY 4.0 授權條款使用；圖表已標示作者。

一句話摘要

一種著陸控制器在四足機器人墜落期間反覆求解接觸隱式軌跡最佳化，以神經網路熱啟動，並在觸地時以全身控制追蹤該軌跡。

為何重要

被送進崎嶇或無人監督地形的腿式機器人，必須在計畫內的落下與意外墜落中不受損壞。論文顯示，接觸隱式最佳化可以快到足以依不同方向與速度即時選擇著陸接觸。

問題

阻抗控制能在小幅墜落後穩定四足機器人，但在較高速度或機身大幅傾斜時會失敗，而且它不會選擇著陸姿勢、接觸位置或接觸順序。能最佳化接觸時序的軌跡最佳化方法雖然存在，但速度太慢，無法即時執行。

提出的方法

在空中時，機器人在帶有無滑動接觸互補限制條件的單剛體模型上反覆求解非線性軌跡最佳化，因此接觸順序與時序由求解結果產生，而非來自固定時程。關節速度不再作為決策變數，只懲罰終端狀態，足端框限制隨機身速度縮放，並由一個小型神經網路提供熱啟動。在觸地時（由關節編碼器速度偵測），一個 500 Hz 的 QP 全身控制器追蹤最新的解。

關鍵見解

• 將接觸互補限制條件限定為無滑動接觸，比完整的庫侖滑動模型收斂得更一致、更快
• 只懲罰終端狀態提升了求解速度，有時也提升了解的品質；對力或狀態施加運行成本，會產生膝蓋穿入地面或觸地前就出現力的軌跡
• 設定初始高度，使觸地一律預期發生在第一個時間步之後，讓控制器與機器人離地的全域高度無關
• 足端觸地角度與質心速度方向相關，因此加入依速度縮放的運動學框限制以幫助收斂
• 恢復對滾轉與側向速度遠比對俯仰與前進速度敏感，因為每條腿只有一個 ab/ad 馬達能抵抗滾轉

主要結果

• 在模擬中從 8 m 的水平墜落中恢復，相當於約 -12 m/s 的垂直速度
• 在模擬中，從 -0.5 至 0.5 rad/s 的角速度、-1.5 至 1.5 m/s 的水平速度、-π/3 至 π/3 的俯仰與 -π/6 至 π/6 的滾轉中恢復
• 在硬體上，機器人以手釋放，從最高 2 m 的水平墜落中著陸
• 相較於冷啟動與兩階段熱啟動最佳化，神經網路熱啟動使求解時間加快約 5-10×
• 求解頻率在引言中約為 10 Hz，在即時效能結果中則為包含 MATLAB 額外負擔時的 5-8 Hz
• 熱啟動網路以約 1500 條最佳化軌跡訓練；在模擬中，衝擊時的大幅追蹤誤差在最初 0.1 s 內降到零

限制

• 空中的狀態估測漂移嚴重，因此在硬體上墜落條件是寫死在程式中，而非量測得到
• 為避免損壞機器人，未在硬體上測試帶有明顯俯仰、滾轉或側向速度的墜落
• 忽略了觸地時的衝擊力與瞬間速度變化，作者表示高速衝擊需要進一步研究
• 對墜落條件誤差的強健性，以及在不平地形上的效能，尚未得到描述
• 作者指出，必須升級處理器與電源板，才能完全不接線、在機上求解此問題

對領域的影響

入圍 ICRA 2022 傑出動力學與控制論文獎決選，被引用 8 次。論文未說明是否釋出程式碼或資料。

摘要

四足機器人的著陸是一個複雜的過程，涉及巨大衝擊與複雜的接觸轉換，也是在許多生物身上觀察到的一種關鍵恢復行為。本研究提出一個不需預先指定接觸時程的即時最佳著陸控制器。此控制器決定最佳的觸地姿勢與反作用力曲線，並能從各種墜落構型中恢復。所使用的四足平台 MIT Mini Cheetah 在模擬中能從最高 8 m 的墜落中安全恢復，也能從一系列方向與平面速度中恢復。此控制器也在硬體上進行測試，成功從最高 2 m 的墜落中恢復。

連結

• arXiv 2110.02799: https://arxiv.org/abs/2110.02799
• DOI 10.48550/arXiv.2110.02799: https://doi.org/10.48550/arXiv.2110.02799
• PDF: https://arxiv.org/pdf/2110.02799v1