Multi-Rate Nonlinear Model Predictive Control for Wall-Supported Bipedal Locomotion of Quadrupedal Robots
作者: Taizoon Chunawala, Jeeseop Kim, Kaveh Akbari Hamed
分类: cs.RO, math.OC
发布日期: 2026-07-02
备注: Accepted to IEEE/RSJ IROS 2026
💡 一句话要点
提出多速率非线性模型预测控制以解决四足机器人壁支撑的双足行走问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 四足机器人 非线性控制 模型预测控制 动态规划 机器人行走 虚拟约束 实时优化
📋 核心要点
- 现有方法在实时轨迹优化中面临挑战，需同时考虑接触点和质心的动态规划。
- 提出的MR-NMPC框架能够动态规划接触点和质心的轨迹，提高动态稳定性。
- 实验结果表明，该方法在不规则地形上成功率提高了2.9倍，相较于传统启发式策略表现更佳。
📝 摘要（中文）
本文提出了一种基于多速率非线性模型预测控制（MR-NMPC）的新型分层规划与控制框架，使四足机器人能够在受限环境中进行壁支撑的混合双足行走。实时轨迹优化面临重大挑战，控制器需同时规划接触点及机器人质心（CoM）和姿态的连续轨迹，同时考虑单边接触约束、欠驱动和机器人动态的切换特性。高层控制框架中，MR-NMPC动态规划接触点的离散时间轨迹及CoM和姿态的连续时间轨迹，使用单刚体（SRB）动力学模型。通过将接触点规划纳入多速率最优控制框架，该方法相比启发式足部放置策略提高了动态稳定性。低层控制框架中，基于虚拟约束和二次规划的非线性全身控制器（WBC）强制执行全阶动态并跟踪MR-NMPC参考。通过广泛的数值仿真验证了该方法在粗糙地形和外部干扰下的鲁棒性。
🔬 方法详解
问题定义：本文旨在解决四足机器人在受限环境中进行壁支撑双足行走的实时轨迹优化问题。现有方法在动态规划接触点和质心轨迹时，难以同时满足机器人非线性动力学和接触约束，导致稳定性不足。
核心思路：论文提出的MR-NMPC框架通过动态规划接触点和质心的轨迹，结合单刚体动力学模型，能够有效应对机器人在复杂环境中的行走挑战。这样的设计使得控制器能够在实时条件下优化多个轨迹，提升了动态稳定性。
技术框架：整体架构分为高层和低层控制。高层使用MR-NMPC进行接触点和质心轨迹的动态规划，低层则采用基于虚拟约束的非线性全身控制器（WBC）来执行全阶动态并跟踪高层参考。
关键创新：该研究的主要创新在于将接触点规划纳入多速率最优控制框架，显著提升了动态稳定性，相较于传统的启发式足部放置策略具有本质区别。
关键设计：在设计中，MR-NMPC采用单刚体动力学模型，低层控制器通过二次规划实现对全阶动态的跟踪，确保机器人在复杂环境中的稳定行走。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的MR-NMPC方法在不规则地形上的成功率达到了2.9倍于传统启发式足部放置策略，表明其在高速度行走中的显著优势。这一成果为四足机器人在复杂环境中的应用提供了强有力的支持。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、救援机器人及其他需要在复杂环境中行走的四足机器人。通过提高机器人在不规则地形上的行走能力，能够在实际应用中增强其适应性和稳定性，未来可能推动机器人在更多场景中的应用。
📄 摘要（原文）
This paper presents a novel layered planning and control framework based on multi-rate nonlinear model predictive control (MR-NMPC) that enables quadrupedal robots to perform hybrid bipedal locomotion with wall-assisted support in constrained environments. Real-time trajectory optimization for this locomotion presents significant challenges, as the controller must simultaneously plan for both the contact points and the continuous trajectories of the robot's center of mass (CoM) and orientation within the robot's nonlinear dynamics while accounting for unilateral contact constraints, underactuation, and the switching nature of the robot's dynamics. At the high level of the control framework, an MR-NMPC is proposed, which dynamically plans both the discrete-time trajectories of the contact points and the continuous-time trajectories of the CoM and orientation, using a single rigid body (SRB) dynamics model. By incorporating contact-point planning within the multi-rate optimal control framework, this approach enhances dynamic stability compared to heuristic foot placement strategies. At the low level of the control framework, a nonlinear whole-body controller (WBC) based on virtual constraints and a quadratic program enforces full-order dynamics and tracks the MR-NMPC references. The proposed approach is validated through extensive numerical simulations demonstrating the robust wall-assisted bipedal locomotion of a Unitree A1 quadrupedal robot on rough terrains and under external disturbances in a constrained environment. Comparative analysis shows that the proposed MR-NMPC achieves a 2.9 times higher success rate compared to conventional MPC with heuristic-based foot placement strategies in negotiating irregular terrain at high speeds.