Reduced-Order Model Guided Contact-Implicit Model Predictive Control for Humanoid Locomotion

要約

ヒューマノイドロボットは、人間のために構築された環境で動作する能力のために、実際のアプリケーションにとって大きな可能性がありますが、その展開は、基礎となる高次元の非線形ハイブリッドダイナミクスを制御するという課題によって妨げられています。
ハイブリッド線形反転振り子（HLIP）のような低次モデルはシンプルで計算効率が高いが、全身の表現力を失います。
一方、接触モデル予測制御（CI-MPC）の最近の進歩により、ロボットは複数のハイブリッド接触モードを計画できますが、局所ミニマに対して脆弱であり、重要なチューニングが必要です。
HLIPとCI-MPCの強度を組み合わせた制御フレームワークを提案します。
縮小された次数モデルは名目上の歩行を生成し、CI-MPCは全身のダイナミクスを管理し、必要に応じて連絡先スケジュールを変更します。
このアプローチの有効性は、24回のフリードームの斬新なヒューマノイドロボットであるアキレスを使用してシミュレーションにおいて実証されています。
提案されたフレームワークは、ラフな地形ウォーキング、妨害の回復、モデルおよび状態の不確実性の下での堅牢性を実現し、50 Hzでリアルタイムでオンラインで走りながら、ロボットが環境の障害と対話することができます。

要約(オリジナル)

Humanoid robots have great potential for real-world applications due to their ability to operate in environments built for humans, but their deployment is hindered by the challenge of controlling their underlying high-dimensional nonlinear hybrid dynamics. While reduced-order models like the Hybrid Linear Inverted Pendulum (HLIP) are simple and computationally efficient, they lose whole-body expressiveness. Meanwhile, recent advances in Contact-Implicit Model Predictive Control (CI-MPC) enable robots to plan through multiple hybrid contact modes, but remain vulnerable to local minima and require significant tuning. We propose a control framework that combines the strengths of HLIP and CI-MPC. The reduced-order model generates a nominal gait, while CI-MPC manages the whole-body dynamics and modifies the contact schedule as needed. We demonstrate the effectiveness of this approach in simulation with a novel 24 degree-of-freedom humanoid robot: Achilles. Our proposed framework achieves rough terrain walking, disturbance recovery, robustness under model and state uncertainty, and allows the robot to interact with obstacles in the environment, all while running online in real-time at 50 Hz.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google