Adaptive Model-Base Control of Quadrupeds via Online System Identification using Kalman Filter

要約

多くの現実世界のアプリケーションでは、変動するペイロードを運ぶことができるように、足のロボットが必要です。
モデル予測制御（MPC）などのモデルベースのコントローラーは、これらのシステムを制御するための研究における事実上の基準となっています。
ただし、ほとんどのモデルベースの制御アーキテクチャは、固定されたプラントモデルを使用しており、さまざまなタスクへの適用性を制限しています。
このホワイトペーパーでは、4本足のロボットの質量と質量中心（COM）のオンライン識別のためのKalmanフィルター（KF）の定式化を紹介します。
さまざまなペイロードを運ぶ四葉型ロボットでの方法を評価し、古典的な再帰最小二乗（RLS）メソッドよりも強力な測定ノイズに対してより堅牢であることがわかります。
さらに、モデルパラメーターが実行時に調整されると、さまざまなペイロードを使用して、モデルベースのコントローラーの追跡パフォーマンスが向上します。

要約(オリジナル)

Many real-world applications require legged robots to be able to carry variable payloads. Model-based controllers such as model predictive control (MPC) have become the de facto standard in research for controlling these systems. However, most model-based control architectures use fixed plant models, which limits their applicability to different tasks. In this paper, we present a Kalman filter (KF) formulation for online identification of the mass and center of mass (COM) of a four-legged robot. We evaluate our method on a quadrupedal robot carrying various payloads and find that it is more robust to strong measurement noise than classical recursive least squares (RLS) methods. Moreover, it improves the tracking performance of the model-based controller with varying payloads when the model parameters are adjusted at runtime.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google