Cafe-Mpc: A Cascaded-Fidelity Model Predictive Control Framework with Tuning-Free Whole-Body Control

要約

この研究では、複雑な動的操作をオンザフライで合成するための、最適化ベースの移動制御フレームワークを導入します。
提案されたフレームワークの中核となるのは、カスケード忠実度モデル予測コントローラー (Cafe-Mpc) です。
Cafe-Mpc は、予測範囲に沿って計画の問題を戦略的に緩和します (つまり、モデルの忠実度が低下し、タイム ステップが粗くなり、制約が緩和されます) ため、計算量とパフォーマンスが向上します。
この問題は、ハイブリッド システム向けにカスタマイズされた効率的なカスタマイズされたマルチシューティング iLQR (MS-iLQR) ソルバーによって数値的に解決されます。
その後、Cafe-Mpc のアクション値関数が、WBC の追加の調整を回避する新しい値関数ベースの全身制御 (VWBC) 手法の基礎として使用されます。
この点において、提案されたフレームワークは、以前の研究では別個のコンポーネントとして扱われていた全身 MPC とより従来の全身二次計画法 (QP) を統合します。
追跡パフォーマンスと必要な計算時間に対する Cafe-Mpc のカスケード緩和の影響を研究します。
また、Cafe-Mpc が適切に構成されていれば、必ずしも計算コストを増加させることなく全身 MPC のパフォーマンスを向上させることも示します。
さらに、制約処理の点で、提案された VWBC が Riccati フィードバック コントローラーよりも優れたパフォーマンスを示すことを示します。
提案されたフレームワークにより、MIT Mini Cheetah で体操スタイルのランニング バレル ロールを初めて実行できるようになります。
ビデオ: https://youtu.be/YiNqrgj9mb8。

要約(オリジナル)

This work introduces an optimization-based locomotion control framework for on-the-fly synthesis of complex dynamic maneuvers. At the core of the proposed framework is a cascaded-fidelity model predictive controller (Cafe-Mpc). Cafe-Mpc strategically relaxes the planning problem along the prediction horizon (i.e., with descending model fidelity, increasingly coarse time steps, and relaxed constraints) for computational and performance gains. This problem is numerically solved with an efficient customized multiple-shooting iLQR (MS-iLQR) solver that is tailored for hybrid systems. The action-value function from Cafe-Mpc is then used as the basis for a new value-function-based whole-body control (VWBC) technique that avoids additional tuning for the WBC. In this respect, the proposed framework unifies whole-body MPC and more conventional whole-body quadratic programming (QP), which have been treated as separate components in previous works. We study the effects of the cascaded relaxations in Cafe-Mpc on the tracking performance and required computation time. We also show that the Cafe-Mpc, if configured appropriately, advances the performance of whole-body MPC without necessarily increasing computational cost. Further, we show the superior performance of the proposed VWBC over the Riccati feedback controller in terms of constraint handling. The proposed framework enables accomplishing for the first time gymnastic-style running barrel rolls on the MIT Mini Cheetah. Video: https://youtu.be/YiNqrgj9mb8.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google