Mobile Pedipulation for Object Sliding via Hierarchical Control on a Wheeled Bipedal Robot
作者: Yue Qin, Yulun Zhuang, Zelin Shen, Yanran Ding
分类: cs.RO
发布日期: 2026-06-17
备注: 8 pages, 7 figures
💡 一句话要点
提出分层控制框架以实现轮式双足机器人物体滑动
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 轮式双足机器人 物体滑动 分层控制 非线性模型预测控制 轨迹优化 动态交互 机器人操控
📋 核心要点
- 现有的机器人操控方法在物体滑动和稳定性方面存在不足，尤其是在复杂环境中。
- 本文提出的分层控制框架结合了非线性模型预测控制器，能够同时处理机器人运动和物体交互力。
- 实验结果表明，机器人成功从桌子下取回1公斤物体，并通过滑动方式移动4公斤物体，验证了方法的有效性。
📝 摘要（中文）
本文提出了一种分层控制框架，使轮式双足机器人能够利用其轮式腿部执行平面物体滑动任务。该方法基于考虑髋关节滚转自由度和多种轮-环境接触模式的简化三刚体动力学模型，设计了非线性模型预测控制器（NMPC），以同时调节机器人运动和交互力，从而稳定地执行滚动和物体操作行为。通过轨迹优化的机器人-物体运动规划器生成参考运动，成功验证了机器人在真实环境中进行物体取回和滑动的能力。
🔬 方法详解
问题定义：本文旨在解决轮式双足机器人在复杂环境中执行物体滑动任务时的稳定性和操控精度问题。现有方法在处理多种接触模式和动态交互力时存在局限性。
核心思路：论文提出的分层控制框架通过非线性模型预测控制器（NMPC）来实现机器人运动与物体操控的协调，确保在执行滑动任务时的稳定性和灵活性。
技术框架：整体架构包括三个主要模块：简化的三刚体动力学模型、非线性模型预测控制器和轨迹优化的运动规划器。模型考虑了髋关节的滚转自由度和多种接触模式，以适应不同的物体操作需求。
关键创新：最重要的创新在于将NMPC与轨迹优化结合，能够有效处理轮-环境接触的滑移过渡，提升了机器人在物体滑动任务中的表现。与传统方法相比，该框架在动态交互和稳定性方面具有显著优势。
关键设计：在设计中，采用了简化的三刚体模型来降低计算复杂度，同时在NMPC中引入了针对不同接触模式的调节参数，以优化交互力和运动轨迹。
🖼️ 关键图片
📊 实验亮点
实验结果显示，机器人成功从桌子下取回1公斤物体，并通过滑动方式移动4公斤物体，滑动距离达到0.228米。这些结果表明，所提出的方法在物体操控和稳定性方面显著优于传统方法，验证了其有效性和实用性。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、工业自动化和家庭助理等场景。通过提升机器人在复杂环境中的操控能力，能够有效拓展其在实际应用中的价值，尤其是在物体搬运和操作任务中。未来，该技术可能会推动智能机器人在更多动态环境中的应用。
📄 摘要（原文）
In this letter, we present a hierarchical control framework that enables wheeled bipedal robots to perform planar object sliding tasks with their wheeled legs. The proposed approach formulates a nonlinear model predictive controller (NMPC) based on a reduced-order three rigid bodies (TRB) dynamical model that explicitly accounts for the hip roll degree of freedom and multiple wheel-environment contact modes, which is essential for lateral stepping and pedipulation tasks. Within this framework, the NMPC simultaneously regulates robot locomotion and interaction forces, allowing the robot to stably execute both rolling and object manipulation behaviors. A trajectory-optimization-based robot-object motion planner is developed to generate reference motions that incorporate stick-slip transitions in ground-object contact. Two representative pedipulation motions, namely scooting and lateral sliding, are validated through real-world hardware experiments, in which the robot successfully retrieves a 1 kg object from under a desk and slides a 4 kg object over a distance of 0.228 m via scooting.