Data-Driven Predictive Control for Robust Exoskeleton Locomotion

要約

外骨格の移動は、ペイロードの有無にかかわらず、さまざまなユーザーに適応しながら堅牢でなければなりません。
これらの課題に対処するために、この研究では、データ駆動型モデルにハンケル行列と状態遷移行列を使用して、下半身の外骨格の歩行を合成するデータ駆動型予測制御 (DDPC) フレームワークを導入しました。
提案されたアプローチは、多層アーキテクチャを通じて DDPC を活用します。
最上層では、DDPC はハンケル行列と状態遷移行列を使用するプランナーとして機能し、さまざまなユーザーとペイロードを学習して適応できるデータ駆動型モデルを生成します。
下層では、私たちの方法には逆運動学と受動性ベースの制御が組み込まれており、DDPCからの計画された軌道を下半身の外骨格の完全な状態にマッピングします。
私たちは、さまざまなペイロードを備えたアタランテの下半身外骨格に対して行われた数値シミュレーションとハードウェア実験を通じて、このアプローチの有効性を検証しました。
さらに、低次数化線形倒立振子 (LIP) モデルに基づくモデル予測制御 (MPC) フレームワークとの比較分析を実行しました。
この比較を通じて、論文は、DDPC がモデルの不確実性と未知の摂動を考慮しながら、さまざまな速度での堅牢な二足歩行を可能にすることを実証しています。

要約(オリジナル)

Exoskeleton locomotion must be robust while being adaptive to different users with and without payloads. To address these challenges, this work introduces a data-driven predictive control (DDPC) framework to synthesize walking gaits for lower-body exoskeletons, employing Hankel matrices and a state transition matrix for its data-driven model. The proposed approach leverages DDPC through a multi-layer architecture. At the top layer, DDPC serves as a planner employing Hankel matrices and a state transition matrix to generate a data-driven model that can learn and adapt to varying users and payloads. At the lower layer, our method incorporates inverse kinematics and passivity-based control to map the planned trajectory from DDPC into the full-order states of the lower-body exoskeleton. We validate the effectiveness of this approach through numerical simulations and hardware experiments conducted on the Atalante lower-body exoskeleton with different payloads. Moreover, we conducted a comparative analysis against the model predictive control (MPC) framework based on the reduced-order linear inverted pendulum (LIP) model. Through this comparison, the paper demonstrates that DDPC enables robust bipedal walking at various velocities while accounting for model uncertainties and unknown perturbations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google