Whole-Body Control With Terrain Estimation of A 6-DoF Wheeled Bipedal Robot
作者: Cong Wen, Yunfei Li, Kexin Liu, Yixin Qiu, Xuanhong Liao, Tianyu Wang, Dingchuan Liu, Tao Zhang, Ximin Lyu
分类: cs.RO
发布日期: 2025-11-09
备注: 8 pages, 8 figures
💡 一句话要点
针对6自由度轮式双足机器人，提出融合地形估计的全身控制框架
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知 (Perception & SLAM)
关键词: 轮式双足机器人 全身控制 地形估计 动力学建模 分层优化
📋 核心要点
- 现有轮式双足机器人研究通常简化腿部动力学计算，限制了其运动潜力，且难以应对复杂地形。
- 本文构建了完整的机器人动力学模型，并结合地形估计，设计了全身控制框架，提升了机器人运动能力。
- 通过仿真和真实实验，验证了所提地形估计算法的有效性，以及机器人应对不平坦地形的鲁棒性。
📝 摘要（中文）
本文针对轮式双足机器人在勘探和检测领域日益增长的需求，提出了一种融合地形估计的全身控制框架，用于新型6自由度轮式双足机器人。该框架包含完整的动力学模型，考虑了机器人闭环动力学和基于估计地面法向量的地面接触模型。利用激光雷达惯性里程计框架和改进的主成分分析进行地形估计。采用PD控制律和基于质心动力学的LQR分别进行姿态控制和平衡控制。此外，采用分层优化方法解决全身控制问题。通过仿真和真实实验验证了地形估计算法的性能，并展示了算法在不平坦地形上的鲁棒性和通过能力。
🔬 方法详解
问题定义：现有轮式双足机器人研究通常忽略腿部动力学，导致运动能力受限。同时，在崎岖不平的地形中，机器人难以保持平衡和稳定运动。因此，需要设计一种能够充分利用机器人全部自由度，并能适应复杂地形的控制方法。
核心思路：本文的核心思路是建立一个完整的动力学模型，该模型不仅考虑了机器人的整体运动，还考虑了腿部的动力学特性。同时，通过地形估计模块获取周围环境的信息，并将这些信息融入到控制策略中，从而使机器人能够更好地适应复杂地形。
技术框架：整体框架包括三个主要模块：地形估计模块、动力学建模模块和全身控制模块。地形估计模块使用激光雷达惯性里程计（LIO）和改进的主成分分析（PCA）来估计地面的法向量。动力学建模模块建立了包含闭环动力学和地面接触模型的完整机器人动力学模型。全身控制模块采用分层优化方法，结合PD控制律和LQR控制器，实现姿态控制和平衡控制。
关键创新：本文的关键创新在于将地形估计与全身控制相结合，并建立了一个完整的动力学模型。通过地形估计，机器人能够感知周围环境，并根据地形信息调整自身的运动姿态和控制策略。完整的动力学模型能够更准确地描述机器人的运动状态，从而提高控制精度和稳定性。
关键设计：在地形估计模块中，改进的PCA算法用于提取地形特征，并估计地面的法向量。在全身控制模块中，采用分层优化方法，将控制问题分解为多个子问题，并分别进行优化。PD控制律用于姿态控制，LQR控制器用于平衡控制。这些控制器的参数需要根据机器人的具体参数和任务需求进行调整。
📊 实验亮点
通过仿真和真实实验验证了所提算法的有效性。实验结果表明，该算法能够准确估计地形信息，并使机器人能够在不平坦地形上稳定行走。具体性能数据未知，但实验结果展示了算法的鲁棒性和地形适应能力。
🎯 应用场景
该研究成果可应用于复杂环境下的勘探、检测和救援任务。例如，在地震灾区，轮式双足机器人可以利用其强大的运动能力和地形适应性，进入传统机器人难以到达的区域，进行搜索和救援。此外，该技术还可应用于工业巡检、农业采摘等领域，提高工作效率和安全性。
📄 摘要（原文）
Wheeled bipedal robots have garnered increasing attention in exploration and inspection. However, most research simplifies calculations by ignoring leg dynamics, thereby restricting the robot's full motion potential. Additionally, robots face challenges when traversing uneven terrain. To address the aforementioned issue, we develop a complete dynamics model and design a whole-body control framework with terrain estimation for a novel 6 degrees of freedom wheeled bipedal robot. This model incorporates the closed-loop dynamics of the robot and a ground contact model based on the estimated ground normal vector. We use a LiDAR inertial odometry framework and improved Principal Component Analysis for terrain estimation. Task controllers, including PD control law and LQR, are employed for pose control and centroidal dynamics-based balance control, respectively. Furthermore, a hierarchical optimization approach is used to solve the whole-body control problem. We validate the performance of the terrain estimation algorithm and demonstrate the algorithm's robustness and ability to traverse uneven terrain through both simulation and real-world experiments.