Full-Body Torque-Level Non-linear Model Predictive Control for Aerial Manipulation

要約

非線形モデル予測制御 (nMPC) は、他の既存の技術に比べて重要な利点をもたらすため、複雑なロボット (ヒューマノイド、四足歩行体、無人空中マニピュレーター (UAM) など) を制御するための強力なアプローチです。
全身ダイナミクスと、コントローラーの中核で解決される最適制御問題 (OCP) の予測機能により、ダイナミクスに合わせてロボットを作動させることができます。
この事実により、ロボットの能力が強化され、たとえば、使用されるエネルギー量を最適化しながら、高いダイナミクスで複雑な操作を実行できるようになります。
ヒューマノイドまたは四足動物と UAM の間には多くの類似点があるにもかかわらず、全身トルクレベルの nMPC が UAM に適用されることはほとんどありません。
この文書では、航空操作の分野でそのようなテクニックを使用する方法について徹底的に説明します。
UAM 動的モデルからコスト関数の残差まで、OCP に関係するさまざまな部分について詳細に説明します。
私たちは、重み付け MPC、レール MPC、キャロット MPC という 3 つの異なる nMPC コントローラーを開発して比較します。これらは、OCP の構造と各タイム ステップでの更新方法が異なります。
提案されたフレームワークを検証するために、さまざまなシミュレートされたケーススタディを紹介します。
まず、軌道生成問題、つまり、さまざまなタイプの UAM のさまざまな種類の動作 (攻撃的な操作や接触移動など) を伴う、オフラインで解決される最適な制御問題を評価します。
次に、さまざまな現実的なシミュレーションを通じて、3 つの nMPC コントローラー、つまりオンラインで解決される閉ループ コントローラーのパフォーマンスを評価します。
コミュニティの利益のために、この作業に関連するソース コードを公開しました。

要約(オリジナル)

Non-linear model predictive control (nMPC) is a powerful approach to control complex robots (such as humanoids, quadrupeds, or unmanned aerial manipulators (UAMs)) as it brings important advantages over other existing techniques. The full-body dynamics, along with the prediction capability of the optimal control problem (OCP) solved at the core of the controller, allows to actuate the robot in line with its dynamics. This fact enhances the robot capabilities and allows, e.g., to perform intricate maneuvers at high dynamics while optimizing the amount of energy used. Despite the many similarities between humanoids or quadrupeds and UAMs, full-body torque-level nMPC has rarely been applied to UAMs. This paper provides a thorough description of how to use such techniques in the field of aerial manipulation. We give a detailed explanation of the different parts involved in the OCP, from the UAM dynamical model to the residuals in the cost function. We develop and compare three different nMPC controllers: Weighted MPC, Rail MPC, and Carrot MPC, which differ on the structure of their OCPs and on how these are updated at every time step. To validate the proposed framework, we present a wide variety of simulated case studies. First, we evaluate the trajectory generation problem, i.e., optimal control problems solved offline, involving different kinds of motions (e.g., aggressive maneuvers or contact locomotion) for different types of UAMs. Then, we assess the performance of the three nMPC controllers, i.e., closed-loop controllers solved online, through a variety of realistic simulations. For the benefit of the community, we have made available the source code related to this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google