Demonstrating a Robust Walking Algorithm for Underactuated Bipedal Robots in Non-flat, Non-stationary Environments
作者: Oluwami Dosunmu-Ogunbi, Aayushi Shrivastava, Jessy W Grizzle
分类: cs.RO, eess.SY
发布日期: 2024-03-04 (更新: 2024-09-05)
💡 一句话要点
提出一种新算法以提升非平坦环境下的双足机器人行走能力
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双足机器人 欠驱动控制 模型预测控制 步态稳定性 复杂地形 动态环境 机器人运动
📋 核心要点
- 现有方法在复杂地形中行走时，双足机器人面临支撑机会有限的问题，导致行走稳定性不足。
- 论文提出了一种结合踝关节扭矩与ALIP模型的双策略控制器，旨在提高机器人在非平坦环境中的行走能力。
- 通过在Cassie机器人上的实验，验证了该算法的有效性，执行时间缩短至500微秒，显著提升了控制响应速度。
📝 摘要（中文）
本研究探索了一种创新算法，旨在增强在复杂地形中行走的欠驱动双足机器人，尤其是在步梯等支撑机会受限的空间中。通过结合踝关节扭矩与改进的基于角动量的线性倒立摆模型（ALIP），该方法允许机器人重心高度的变化。我们采用了一种双策略控制器，将虚拟约束与基于ALIP的模型预测控制（MPC）框架相结合，以确保步态稳定性。通过在具有20个自由度的Cassie双足机器人上的应用，验证了反馈设计的有效性。关键在于开发定制的名义轨迹和优化的MPC，使执行时间减少到500微秒以内，从而与Cassie的控制器更新频率兼容。本文不仅展示了成功的硬件部署，还展示了双足机器人在移动走道上的新能力。
🔬 方法详解
问题定义：本论文旨在解决欠驱动双足机器人在非平坦和非静态环境中行走时的稳定性问题。现有方法在复杂地形中行走时，常常面临支撑机会有限，导致行走不稳定的挑战。
核心思路：论文的核心解决思路是结合踝关节扭矩与改进的ALIP模型，允许机器人重心高度的变化，从而提高其在复杂地形中的适应能力。通过双策略控制器，精确调节机器人的运动，确保步态的稳定性。
技术框架：整体架构包括两个主要模块：一是基于虚拟约束的运动调节，二是基于ALIP的模型预测控制（MPC）框架。前者负责精确控制机器人的自由度，后者则通过预测未来状态来优化步态。
关键创新：最重要的技术创新点在于将虚拟约束与ALIP模型结合，形成了一种新的控制策略，显著提高了机器人在复杂环境中的行走能力。这一方法与传统控制策略相比，能够更好地适应动态变化的环境。
关键设计：在设计中，采用了定制的名义轨迹和优化的MPC，确保执行时间控制在500微秒以内，符合Cassie机器人的控制器更新频率。此外，控制器的参数设置经过优化，以提高响应速度和稳定性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的算法在Cassie双足机器人上成功实现了行走，执行时间缩短至500微秒，显著提高了控制响应速度。与基线方法相比，步态稳定性得到了显著提升，展示了在移动走道上的新能力。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、救援机器人以及任何需要在复杂地形中移动的双足机器人。其实际价值在于提升机器人在动态环境中的适应能力，未来可能推动机器人在更广泛的应用场景中实现自主行走。
📄 摘要（原文）
This work explores an innovative algorithm designed to enhance the mobility of underactuated bipedal robots across challenging terrains, especially when navigating through spaces with constrained opportunities for foot support, like steps or stairs. By combining ankle torque with a refined angular momentum-based linear inverted pendulum model (ALIP), our method allows variability in the robot's center of mass height. We employ a dual-strategy controller that merges virtual constraints for precise motion regulation across essential degrees of freedom with an ALIP-centric model predictive control (MPC) framework, aimed at enforcing gait stability. The effectiveness of our feedback design is demonstrated through its application on the Cassie bipedal robot, which features 20 degrees of freedom. Key to our implementation is the development of tailored nominal trajectories and an optimized MPC that reduces the execution time to under 500 microseconds--and, hence, is compatible with Cassie's controller update frequency. This paper not only showcases the successful hardware deployment but also demonstrates a new capability, a bipedal robot using a moving walkway.