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: 2026-07-05
💡 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: 非线性控制 模型预测控制 四足机器人 动态稳定性 轨迹优化 壁支撑行走 机器人技术
📋 核心要点
- 现有方法在实时轨迹优化中面临挑战，难以同时规划接触点和机器人质心的动态行为。
- 提出的MR-NMPC框架通过动态规划接触点和质心轨迹，增强了机器人在复杂环境中的动态稳定性。
- 实验结果显示，该方法在高速度下的成功率比传统启发式足部放置策略高出2.9倍，表现出显著的性能提升。
📝 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，控制器必须同时规划接触点和机器人质心（CoM）及其方向的连续轨迹，同时考虑单侧接触约束、欠驱动和机器人动态的切换特性。高层控制框架中，提出的MR-NMPC动态规划接触点的离散时间轨迹和CoM及方向的连续时间轨迹，使用单刚体（SRB）动力学模型。通过在多速率最优控制框架中融入接触点规划，该方法相比启发式足部放置策略增强了动态稳定性。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）强制执行全阶动力学并跟踪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稳健性。
🔬 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的双足行走时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面临复杂性和不稳定性。
核心思路：提出的MR-NMPC框架通过同时规划接触点的离散时间轨迹和质心的连续时间轨迹，利用单刚体动力学模型来增强动态稳定性。这样的设计使得控制器能够更好地应对机器人动态的切换特性。
技术框架：整体架构分为高层和低层控制。高层使用MR-NMPC进行轨迹规划，低层则采用基于虚拟约束的非线性全身控制器（WBC）来跟踪高层生成的参考轨迹。
关键创新：最重要的创新在于将接触点规划融入多速率最优控制框架中，从而显著提升了动态稳定性，与传统的启发式足部放置方法相比，提供了更优的性能。
关键设计：在设计中，使用了单刚体动力学模型来描述机器人动态，低层控制器通过二次规划来实现全阶动力学的跟踪，确保了控制的精确性和稳定性。具体的参数设置和损失函数设计在实验中经过优化，以适应不同的环境条件。
🖼️ 关键图片
📊 实验亮点
实验结果表明，提出的MR-NMPC方法在高速度下的成功率比传统的启发式足部放置策略高出2.9倍，显示出在不规则地形上行走的显著性能提升。这一成果验证了该方法在复杂环境中的有效性和鲁棒性。
🎯 应用场景
该研究的潜在应用领域包括救援机器人、探测机器人以及任何需要在复杂地形中进行稳定移动的四足机器人。通过增强动态稳定性，该方法可以提高机器人在实际应用中的适应能力和安全性，未来可能对机器人技术的发展产生深远影响。
📄 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.