A Model Predictive Capture Point Control Framework for Robust Humanoid Balancing via Ankle, Hip, and Stepping Strategies

要約

外乱に対する人型ロボットの堅牢なバランス能力は、実世界の環境で実際に移動するための重要な要件の 1 つと考えられています。
特に、足首、股関節、足踏み戦略を含む人間のバランス戦略にヒントを得た 3 つのバランス戦略を効率的に実装し、ヒューマノイド ロボットに人間レベルのバランス能力を与えるために多くの研究が行われてきました。
この論文では、人型ロボットのためのロバストなバランス制御フレームワークを提案します。
まず、キャプチャ ポイント (CP) 追跡制御用に新しいモデル予測制御 (MPC) フレームワークが提案され、単一フレームワーク内で足首、股関節、およびステッピング戦略の統合が可能になります。
さらに、バランス性能を向上させるために、MPC の時間軸にわたって重心角運動量 (CAM) 減衰制御の重み付けパラメーターを調整する可変重み付け方法が導入されています。
次に、MPC とステッピング コントローラーの階層構造が提案され、ステップ時間の最適化が可能になりました。
提案された方法の堅牢なバランス性能は、広範なシミュレーションと実際のロボット実験を通じて検証されています。
さらに、足首、股関節、およびステップ戦略を採用する最先端の二次計画法 (QP) ベースの CP コントローラーと比較して、特に外乱が存在する場合に優れたバランス性能が実証されています。
補足ビデオは https://youtu.be/CrD75UbYzdc でご覧いただけます。

要約(オリジナル)

The robust balancing capability of humanoid robots against disturbances has been considered as one of the crucial requirements for their practical mobility in real-world environments. In particular, many studies have been devoted to the efficient implementation of the three balance strategies, inspired by human balance strategies involving ankle, hip, and stepping strategies, to endow humanoid robots with human-level balancing capability. In this paper, a robust balance control framework for humanoid robots is proposed. Firstly, a novel Model Predictive Control (MPC) framework is proposed for Capture Point (CP) tracking control, enabling the integration of ankle, hip, and stepping strategies within a single framework. Additionally, a variable weighting method is introduced that adjusts the weighting parameters of the Centroidal Angular Momentum (CAM) damping control over the time horizon of MPC to improve the balancing performance. Secondly, a hierarchical structure of the MPC and a stepping controller was proposed, allowing for the step time optimization. The robust balancing performance of the proposed method is validated through extensive simulations and real robot experiments. Furthermore, a superior balancing performance is demonstrated, particularly in the presence of disturbances, compared to a state-of-the-art Quadratic Programming (QP)-based CP controller that employs the ankle, hip, and stepping strategies. The supplementary video is available at https://youtu.be/CrD75UbYzdc

arxiv情報

提供元, 利用サービス

arxiv.jp, Google