Online iLQR-MPC with Whole-Body Control for Robust Humanoid Locomotion
作者: Xiang Li, Linlin Ou, Ruihan Wu, Xinyi Yu
分类: cs.RO
发布日期: 2026-11-03
💡 一句话要点
提出在线iLQR-MPC方法以解决鲁棒人形机器人步态控制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 人形机器人 步态控制 模型预测控制 鲁棒性 动态环境 接触力优化 实时规划
📋 核心要点
- 人形机器人步态控制面临外部干扰导致原计划失效的问题，现有方法难以快速适应变化。
- 本文提出了一种基于单刚体模型的在线iLQR-MPC方法，能够在动态环境中实时优化接触力和步伐位置。
- 实验结果表明，iLQR-MPC在100 Hz频率下有效重新规划，Unitree G1在外部冲击下表现出良好的稳态行走和恢复能力。
📝 摘要（中文）
人形机器人步态控制需要决定步伐位置和接触力的分配。然而，外部干扰可能使得原计划失效，要求在每次足部接触时进行协调修正。为了解决这一问题，本文提出了一种基于单刚体模型的在线方法，该模型保留了姿态动态和完整的接触力矩。通过迭代线性二次调节器模型预测控制（iLQR-MPC），在单个回退视野问题中联合优化接触力和步伐位置。具体而言，接触和运动约束通过增广拉格朗日法和放松障碍惩罚纳入回退过程。整个过程以500 Hz的频率将计划映射为关节扭矩，同时保持接触的可行性。该模型的设计使得对干扰的响应通过显式成本和约束变得可解释，并且不需要特定平台的策略训练。在MuJoCo仿真中，iLQR-MPC以100 Hz的频率重新规划（平均求解时间为8.9毫秒）；Unitree G1能够维持稳态行走并从245 N的前向和175 N的侧向冲击中恢复。
🔬 方法详解
问题定义：本文旨在解决人形机器人在步态控制中因外部干扰导致的计划失效问题。现有方法在动态环境下难以快速适应，导致机器人无法有效应对突发情况。
核心思路：提出的在线iLQR-MPC方法结合了单刚体模型，能够在每次足部接触时实时优化接触力和步伐位置，避免了传统方法中分离步伐规划的不足。
技术框架：整体架构包括单刚体模型、iLQR-MPC优化模块和全身控制器。模型通过增广拉格朗日法和放松障碍惩罚处理接触和运动约束，控制器将优化结果映射为关节扭矩。
关键创新：最重要的创新在于将接触力和步伐位置的优化合并为一个回退视野问题，且不需要额外的步伐规划模块。这种设计使得干扰响应更加可解释且高效。
关键设计：在实现中，iLQR-MPC以100 Hz的频率进行重新规划，平均求解时间为8.9毫秒，控制器以500 Hz的频率输出关节扭矩，确保了接触的可行性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，iLQR-MPC能够以100 Hz的频率进行有效重新规划，平均求解时间为8.9毫秒。Unitree G1在面对245 N的前向和175 N的侧向冲击时，能够维持稳态行走并迅速恢复，展示了该方法的鲁棒性和实用性。
🎯 应用场景
该研究具有广泛的应用潜力，特别是在服务机器人、救援机器人和人形机器人等领域。通过提高机器人在动态环境中的适应能力，能够显著增强其在复杂任务中的表现和安全性，未来可能推动人形机器人在日常生活中的普及。
📄 摘要（原文）
Humanoid locomotion requires deciding where to step and how to distribute contact forces. However, a disturbance can invalidate the nominal plan, requiring coordinated revision under constraints that switch with every footfall. To solve this online, the proposed approach employs the single-rigid-body model, which retains attitude dynamics and the full contact wrench. An iterative linear-quadratic-regulator MPC (iLQR-MPC) then jointly optimizes contact forces and footstep locations in a single receding-horizon problem, without a separate step planner. Specifically, contact and motion constraints are incorporated into the backward pass through augmented-Lagrangian and relaxed-barrier penalties. A whole-body controller subsequently maps the plan to joint torques at 500 Hz while preserving contact feasibility. The model-based formulation makes disturbance responses interpretable through explicit costs and constraints, and requires no platform-specific policy training. In MuJoCo simulations, the iLQR-MPC replans at 100 Hz (mean solve time 8.9 ms); the Unitree G1 sustains steady-state walking and recovers from impulsive 245 N forward and 175 N lateral pushes.