Hybrid iLQR Model Predictive Control for Contact Implicit Stabilization on Legged Robots

要約

モデル予測制御 (MPC) はロボットを制御するための一般的な戦略ですが、ハイブリッド ダイナミクスの複雑な性質のため、接触のあるシステムでは困難です。
接触のあるシステムに MPC を実装するには、軌道を効率的に計画するために、動的モデルが単純化されるか、接触シーケンスが時間内に固定されることがよくあります。
この作業では、1) 接触モードが一致しない場合のコスト関数の計算方法を変更する、2) 剛体ダイナミクスのシミュレーション時に並列化を利用する、3) ことによって、ハイブリッド反復線形 2 次レギュレーターを MPC 方式 (HiLQR MPC) で動作するように拡張します。
) 剛体ダイナミクスの効率的な解析微分計算を使用します。
その結果、基準動作の接触シーケンスを変更し、全身の動作を一貫して計画できるシステムが誕生しました。これは、大きな摂動に対処する場合に非常に重要です。
HiLQR MPC は 2 つのシステムでテストされます。まず、ハイブリッド コストの修正が、単純に作動するバウンド ボール ハイブリッド システムで検証されます。
次に、HiLQR MPC を、四足ロボット (Unitree A1) の重心動的仮定を利用する方法と比較します。
HiLQR MPC は、シミュレーションとハードウェア テストの両方でセントロイド法よりも優れたパフォーマンスを発揮します。

要約(オリジナル)

Model Predictive Control (MPC) is a popular strategy for controlling robots but is difficult for systems with contact due to the complex nature of hybrid dynamics. To implement MPC for systems with contact, dynamic models are often simplified or contact sequences fixed in time in order to plan trajectories efficiently. In this work, we extend Hybrid iterative Linear Quadratic Regulator to work in a MPC fashion (HiLQR MPC) by 1) modifying how the cost function is computed when contact modes do not align, 2) utilizing parallelizations when simulating rigid body dynamics, and 3) using efficient analytical derivative computations of the rigid body dynamics. The result is a system that can modify the contact sequence of the reference behavior and plan whole body motions cohesively — which is crucial when dealing with large perturbations. HiLQR MPC is tested on two systems: first, the hybrid cost modification is validated on a simple actuated bouncing ball hybrid system. Then HiLQR MPC is compared against methods that utilize centroidal dynamic assumptions on a quadruped robot (Unitree A1). HiLQR MPC outperforms the centroidal methods in both simulation and hardware tests.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google