Open Source Robotics

精选高质量开源机器人项目、工具和软件,推动机器人社区发展。

Raibert Heuristic

  • 又称: Raibert foot placement
  • 类别: Control › Locomotion control
  • 标签: legged-locomotion, foot-placement, quadrupeds, balance-control, gait

一种腿足机器人落脚规则,把着地点放在髋部前方、距离为支撑持续时间的一半乘以身体速度,再加上一个与速度误差成正比的修正。

定义

Raibert 启发式(Raibert heuristic)是一条用于选择腿足机器人落脚位置的规则,使其能以期望速度持续运动而不摔倒。它源于 Marc Raibert 在 1980 年代于卡内基梅隆大学和 MIT 对跳跃机器人的研究,记述于他的著作 Legged Robots That Balance(1986)中。Raibert 观察到,如果脚落在中性点上,即髋部在支撑相中点时将经过的那个点,那么身体的前进速度在支撑相中大致保持不变,因为腿在支撑相前半段对身体的制动与在后半段对身体的推动大致相当。对于以速度 v 运动、支撑持续时间为 T 的身体,中性点大约位于髋部前方 v·T/2 处。

要改变速度,就把脚放在偏离中性点的位置:放得更靠前以减速,放得更靠后以加速。如今最常用的形式是 p_foot = p_hip + v·T_stance/2 + k(v − v_desired),其中 k 是反馈增益。Raibert 最初的控制器把跳跃分解为三个基本相互独立的任务:通过支撑相中的推力调节跳跃高度,通过腾空相中的落脚位置调节前进速度,通过支撑相中的髋关节力矩调节身体姿态。其中落脚部分从单腿跳跃机器人延续到了双足和四足机器人上,在这些机器人上,步态中同步运动的几条腿被当作一条虚拟腿来处理。

这一启发式至今仍广泛用于四足机器人控制器。用于 MIT Cheetah 系列等机器人的模型预测控制器用 MPC 计算地面反作用力,并用 Raibert 规则放置脚,有时还为转向加一个额外项。基于学习的运动系统把它用作足端位置的参考,或用作选择步态的学习策略之下的底层迈步规则。它假设地面平坦、支撑大致对称,并且不考虑安全落脚点在哪里,因此在崎岖地形上,它通常提供一个名义目标,再由落脚点规划步骤把这个目标移到最近的安全位置。

为何重要

这一启发式把一个困难的平衡问题变成一条简单、可调的规则,适用于许多机器人和步态。它仍然是四足机器人控制器中默认的落脚基线,也是基于模型和基于学习的运动系统内部的一个构建模块。

主要应用

  • 四足机器人小跑、跳跑和溜蹄步态控制器中的落脚
  • 跳跃和奔跑机器人的速度调节
  • 为地形感知的落脚点规划器提供名义落脚点
  • 为学习式和残差式运动策略提供参考足端位置
  • 通过纠正性迈步进行推扰恢复

实际应用

在一个围绕模型预测控制构建的四足机器人控制器中,步态调度器决定每条腿何时摆动。在每个摆动相,控制器根据测得的身体速度、指令速度和计划的支撑持续时间,用 Raibert 规则计算着地位置,然后沿一条终止于该点的摆动轨迹抬起脚,同时 MPC 为处于支撑相的腿计算地面反作用力。在分层学习系统中,例如步态切换研究中的那个系统,由一个学习得到的高层策略选择步态时序,底层控制器则以这种方式放置脚。工程师需要调节速度增益 k:太小,机器人对推扰的修正就慢;太大,迈步就会振荡。

常见误解

  • Raibert 启发式是一个完整的运动控制器 — 它只选择落脚位置;高度、身体姿态和接触力需要各自的控制
  • 它在任何地形上都能给出好的落脚点 — 它忽略地形并假设地面平坦,因此通常要由落脚点规划器加以修正
  • 它只有历史意义 — 它仍被用于现代的模型预测式和学习式四足机器人控制器中

谁需要了解

  • 腿足运动工程师
  • 四足和人形机器人控制器开发者
  • 研究运动的机器人学习研究人员
  • 学习动态平衡的机器人专业学生

相关技术

  • 捕获点(Capture Point)
  • 凸模型预测控制(Convex Model Predictive Control)
  • 步态调度器(Gait Scheduler)
  • 摆动轨迹生成(Swing Trajectory Generation)
  • 虚拟腿模型(Virtual Leg Model)

相关术语

  • Foothold Planning
  • Spring-Loaded Inverted Pendulum
  • Linear Inverted Pendulum
  • Gait
  • Quadruped
  • Model Predictive Control

相关项目

  • DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
  • PACE Sim2Real: Systematic sim-to-real transfer via actuator dynamics identification

本网站需要 JavaScript 才能正常运行。请启用 JavaScript 以浏览我们的开源机器人项目。