Real-time Optimal Landing Control of the MIT Mini Cheetah

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

许可协议

• 开放获取
• 论文: CC BY 4.0

以下内容均依据论文全文，按其 CC BY 4.0 许可协议使用；其中的图已注明作者。

一句话总结

一种着陆控制器在四足机器人下落过程中反复求解接触隐式轨迹优化，以神经网络热启动，并在触地时用全身控制跟踪该轨迹。

为何重要

被送入崎岖或无人监管地形的足式机器人需要在计划内的跳落和意外跌落中不受损坏。论文表明，接触隐式优化可以快到足以根据不同的朝向和速度即时选择着陆接触。

问题

阻抗控制可以在小幅跌落后稳定四足机器人，但在较高速度或机身大幅倾斜时会失败，而且它不选择着陆姿态、接触位置或接触顺序。能优化接触时序的轨迹优化方法虽已存在，但速度太慢，无法实时运行。

提出的方法

在空中时，机器人在带有无滑动接触互补约束的单刚体模型上反复求解非线性轨迹优化，因此接触顺序和时序由求解得出，而非来自固定时序。关节速度不再作为决策变量，只惩罚终端状态，足端框约束随机身速度缩放，并由一个小型神经网络提供热启动。在触地时（根据关节编码器速度检测），一个 500 Hz 的 QP 全身控制器跟踪最新的解。

关键见解

• 将接触互补约束限制为无滑动接触，比完整的库仑滑动模型收敛更一致、更快
• 只惩罚终端状态提高了求解速度，有时也提高了解的质量；对力或状态施加运行代价会产生膝盖穿入地面或在触地前就出现力的轨迹
• 设定初始高度，使触地总是预期发生在第一个时间步之后，从而使控制器与机器人离地的全局高度无关
• 足端触地角度与质心速度方向相关，因此加入了按速度缩放的运动学框约束以帮助收敛
• 恢复对横滚和侧向速度远比对俯仰和前向速度敏感，因为每条腿只有一个 ab/ad 电机来抵消横滚

主要结果

• 在模拟中从 8 m 的水平跌落中恢复，对应约 -12 m/s 的竖直速度
• 在模拟中，从 -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 的俯仰和 -π/6 至 π/6 的横滚中恢复
• 在硬件上，机器人由手释放，从最高 2 m 的水平跌落中着陆
• 与冷启动和两阶段热启动优化相比，神经网络热启动使求解时间加快约 5-10×
• 求解频率在引言中给出约为 10 Hz，在实时性能结果中给出为包含 MATLAB 开销时的 5-8 Hz
• 热启动网络在约 1500 条优化轨迹上训练；在模拟中，冲击时的大跟踪误差在最初 0.1 s 内降至零

局限

• 空中状态估计漂移严重，因此在硬件上下落条件是硬编码的，而非测量得到的
• 为避免损坏机器人，未在硬件上测试具有显著俯仰、横滚或侧向速度的跌落
• 忽略了触地时的冲击力和瞬时速度变化，作者表示高速冲击需要进一步研究
• 对下落条件误差的鲁棒性以及在不平坦地形上的性能尚未得到表征
• 作者指出，需要升级处理器和电源板，才能完全不依赖线缆、在机载端求解该问题

对领域的影响

入围 ICRA 2022 杰出动力学与控制论文奖决选，被引用 8 次。论文未说明是否发布代码或数据。

摘要

四足机器人着陆是一个复杂的过程，涉及巨大冲击和复杂的接触转换，也是在许多生物身上观察到的一种关键恢复行为。本研究提出一种无需预先指定接触时序的实时最优着陆控制器。该控制器确定最优的触地姿态和反作用力曲线，并能从多种下落构型中恢复。所用的四足平台 MIT Mini Cheetah 在模拟中可从最高 8 m 的跌落中安全恢复，也能从一系列朝向和平面速度中恢复。该控制器也在硬件上进行了测试，成功从最高 2 m 的跌落中恢复。

链接

• 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