Multi-Contact Whole-Body Force Control for Position-Controlled Robots
作者: Quentin Rouxel, Serena Ivaldi, Jean-Baptiste Mouret
分类: cs.RO
发布日期: 2023-12-27 (更新: 2024-05-22)
期刊: IEEE Robotics and Automation Letters, 2024, 9 (6), pp.5639-5646
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
针对位控机器人，提出SEIKO多接触全身力控制框架，提升平衡能力。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 多接触控制 全身力控制 位控机器人 逆运动学优化 柔性模型
📋 核心要点
- 传统位控机器人难以直接控制接触力，限制了多接触场景下的平衡能力。
- SEIKO框架利用柔性模型，通过序列二次规划间接实现位控机器人的力控制。
- 在Talos机器人上的实验验证了SEIKO在复杂多接触任务中的有效性。
📝 摘要（中文）
许多人形和多足机器人采用位置控制而非力矩控制，这阻碍了直接控制接触力，并限制了它们通过创建多个接触点来增强平衡的能力，例如将手放在墙上或扶手上。本文介绍了一种名为SEIKO（Sequential Equilibrium Inverse Kinematic Optimization）的流程，并提出了一种统一的公式，该公式利用显式的柔性模型来间接控制传统位置控制机器人的接触力。SEIKO使用实时求解的两个二次规划，从笛卡尔命令和导纳控制中制定全身重定向。我们的流程通过在真实的全尺寸人形机器人Talos上进行的各种多接触场景实验进行了验证，包括推力任务、远距离任务、爬楼梯和踩在倾斜表面上。
🔬 方法详解
问题定义：论文旨在解决位置控制机器人无法直接控制接触力的问题。现有方法主要依赖于力矩控制，而对于大量已有的位置控制机器人，缺乏有效的方法来实现多接触情况下的力控制，这限制了它们在复杂环境中的应用，例如需要扶墙或扶栏杆来保持平衡的场景。
核心思路：论文的核心思路是通过引入一个显式的柔性模型来模拟机器人的关节柔顺性，并利用序列二次规划（Sequential Quadratic Programming, SQP）来优化机器人的运动，从而间接控制接触力。通过优化机器人的姿态和关节角度，使得机器人与环境之间的接触力达到期望值。
技术框架：SEIKO (Sequential Equilibrium Inverse Kinematic Optimization) 包含以下主要步骤：1) 接收笛卡尔空间的目标位姿和导纳控制参数；2) 利用逆运动学优化（Inverse Kinematic Optimization, IKO）计算关节角度；3) 考虑机器人柔性模型，通过序列二次规划优化接触力；4) 将优化后的关节角度发送给机器人控制器。整个流程实时运行，保证了控制的实时性。
关键创新：SEIKO的关键创新在于将柔性模型显式地引入到位控机器人的力控制中。与传统的基于刚体模型的控制方法不同，SEIKO能够更好地模拟机器人的真实物理特性，从而提高控制的精度和鲁棒性。此外，SEIKO采用序列二次规划，能够有效地解决多接触情况下的优化问题。
关键设计：SEIKO使用两个主要的二次规划问题。第一个QP用于解决逆运动学问题，目标是最小化关节角度的变化和任务空间误差。第二个QP用于优化接触力，目标是最小化接触力误差和关节力矩。柔性模型通过关节的刚度和阻尼参数来描述。导纳控制参数用于调整机器人对外部力的响应。这些参数需要根据具体的机器人和任务进行调整。
📊 实验亮点
论文在真实的Talos人形机器人上进行了实验验证，包括推力任务、远距离任务、爬楼梯和踩在倾斜表面上等多种复杂场景。实验结果表明，SEIKO框架能够有效地控制机器人的接触力，提高机器人的平衡能力和操作精度。例如，在爬楼梯实验中，机器人能够稳定地踩在楼梯上，避免滑倒。
🎯 应用场景
该研究成果可应用于人形机器人、多足机器人等需要在复杂环境中进行多接触操作的场景，例如家庭服务机器人、工业机器人、搜救机器人等。通过精确控制接触力，可以提高机器人的平衡能力、操作精度和安全性，使其能够更好地适应各种复杂环境。
📄 摘要（原文）
Many humanoid and multi-legged robots are controlled in positions rather than in torques, which prevents direct control of contact forces, and hampers their ability to create multiple contacts to enhance their balance, such as placing a hand on a wall or a handrail. This letter introduces the SEIKO (Sequential Equilibrium Inverse Kinematic Optimization) pipeline, and proposes a unified formulation that exploits an explicit model of flexibility to indirectly control contact forces on traditional position-controlled robots. SEIKO formulates whole-body retargeting from Cartesian commands and admittance control using two quadratic programs solved in real-time. Our pipeline is validated with experiments on the real, full-scale humanoid robot Talos in various multi-contact scenarios, including pushing tasks, far-reaching tasks, stair climbing, and stepping on sloped surfaces. Code and videos are available at: https://hucebot.github.io/seiko_controller_website/