Cafe-Mpc: A Cascaded-Fidelity Model Predictive Control Framework with Tuning-Free Whole-Body Control

📄 arXiv: 2403.03995v3 📥 PDF

作者: He Li, Patrick M. Wensing

分类: cs.RO

发布日期: 2024-03-06 (更新: 2024-03-14)

备注: submitted to IEEE Transactions on Robotics. 20 pages, 18 figures

💡 一句话要点

提出Cafe-Mpc框架以实现高效的全身控制

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 全身控制 动态动作合成 优化算法 机器人技术 运动控制 约束处理

📋 核心要点

  1. 现有的运动控制方法在复杂动态动作的实时合成上存在性能和计算效率的挑战。
  2. 论文提出的Cafe-Mpc框架通过级联放宽规划问题来优化全身控制，结合了模型预测控制和传统的二次规划方法。
  3. 实验结果表明，Cafe-Mpc在跟踪性能和计算时间上均有显著提升，尤其在约束处理方面优于传统的Riccati反馈控制器。

📝 摘要（中文）

本研究提出了一种基于优化的运动控制框架，用于实时合成复杂的动态动作。该框架的核心是级联保真度模型预测控制器（Cafe-Mpc），它通过在预测时间范围内逐步放宽规划问题（即降低模型保真度、增加时间步长和放宽约束）来实现计算和性能的提升。使用为混合系统量身定制的高效多重发射iLQR（MS-iLQR）求解器来数值求解该问题。Cafe-Mpc的动作值函数作为新型基于值函数的全身控制（VWBC）技术的基础，避免了WBC的额外调优。该框架首次实现了在MIT Mini Cheetah上进行体操风格的翻滚跑步。

🔬 方法详解

问题定义：本论文旨在解决现有运动控制方法在实时合成复杂动态动作时的性能不足和计算效率低下的问题。现有方法往往将全身模型预测控制和二次规划视为独立组件，缺乏有效的整合。

核心思路：论文提出的Cafe-Mpc框架通过级联放宽规划问题，逐步降低模型保真度和时间步长，以提高计算效率和控制性能。这种设计使得在复杂环境中实现实时控制成为可能。

技术框架：Cafe-Mpc框架包括多个模块，首先通过MS-iLQR求解器进行数值求解，然后利用得到的动作值函数作为VWBC的基础。整个流程从规划到执行均考虑了动态约束和性能优化。

关键创新：最重要的创新在于将全身MPC与传统的QP方法统一起来，形成一个无缝的控制框架，避免了额外的调优需求。这一整合显著提升了控制的灵活性和实时性。

关键设计：在设计中，采用了定制的MS-iLQR求解器，优化了时间步长和约束条件的设置，以适应混合系统的需求。此外，VWBC技术的引入进一步增强了控制的鲁棒性和适应性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，Cafe-Mpc在跟踪性能上优于传统的全身MPC，且在约束处理方面表现出色。具体而言，VWBC技术在处理动态约束时的表现超过了Riccati反馈控制器，提升幅度显著，展示了该框架的实际应用潜力。

🎯 应用场景

该研究的潜在应用领域包括机器人运动控制、自动驾驶车辆、以及任何需要实时动态决策的复杂系统。通过提高全身控制的效率和灵活性，Cafe-Mpc框架有望在未来的机器人技术和智能系统中发挥重要作用。

📄 摘要（原文）

This work introduces an optimization-based locomotion control framework for on-the-fly synthesis of complex dynamic maneuvers. At the core of the proposed framework is a cascaded-fidelity model predictive controller (Cafe-Mpc). Cafe-Mpc strategically relaxes the planning problem along the prediction horizon (i.e., with descending model fidelity, increasingly coarse time steps, and relaxed constraints) for computational and performance gains. This problem is numerically solved with an efficient customized multiple-shooting iLQR (MS-iLQR) solver that is tailored for hybrid systems. The action-value function from Cafe-Mpc is then used as the basis for a new value-function-based whole-body control (VWBC) technique that avoids additional tuning for the WBC. In this respect, the proposed framework unifies whole-body MPC and more conventional whole-body quadratic programming (QP), which have been treated as separate components in previous works. We study the effects of the cascaded relaxations in Cafe-Mpc on the tracking performance and required computation time. We also show that the Cafe-Mpc, if configured appropriately, advances the performance of whole-body MPC without necessarily increasing computational cost. Further, we show the superior performance of the proposed VWBC over the Riccati feedback controller in terms of constraint handling. The proposed framework enables accomplishing for the first time gymnastic-style running barrel rolls on the MIT Mini Cheetah. Video: https://youtu.be/YiNqrgj9mb8.