Variable Inertia Model Predictive Control for Fast Bipedal Maneuvers

要約

この論文では、全身モデルと低次数モデル間のモデルの不一致に対処し、機敏でロバストな二足歩行のための新しい制御フレームワークを提案します。
具体的には、一定の重心慣性などの仮定により、移動タスクに重大な課題と制限が生じています。
全身ヒューマノイド ロボットの機敏性と多用途性を強化するために、凸最適化フレームワーク内でヒューマノイド ロボットの可変重心慣性を考慮したモデル予測制御 (MPC) 問題を形式化し、リアルタイム操作の計算効率を確保します。
この定式化では、ROM ベースの MPC フレームワークでは見落とされがちな側面であるスイングフットの軌道を考慮して、MPC 水平線にわたる可変の重心慣性を予測するように設計された重心慣性ネットワークを組み込みます。
さらに、MPC ベースのアプローチと全身制御 (WBC) を相乗させることで、移動動作のパフォーマンスと安定性を向上させます。
提案したフレームワークの有効性は、全身ヒューマノイドロボット「DRACO 3」を用いたダイナミックな動作を示すシミュレーションによって検証されます。

要約(オリジナル)

This paper proposes a novel control framework for agile and robust bipedal locomotion, addressing model discrepancies between full-body and reduced-order models. Specifically, assumptions such as constant centroidal inertia have introduced significant challenges and limitations in locomotion tasks. To enhance the agility and versatility of full-body humanoid robots, we formalize a Model Predictive Control (MPC) problem that accounts for the variable centroidal inertia of humanoid robots within a convex optimization framework, ensuring computational efficiency for real-time operations. In this formulation, we incorporate a centroidal inertia network designed to predict the variable centroidal inertia over the MPC horizon, taking into account the swing foot trajectories-an aspect often overlooked in ROM-based MPC frameworks. Moreover, we enhance the performance and stability of locomotion behaviors by synergizing the MPC-based approach with whole-body control (WBC). The effectiveness of our proposed framework is validated through simulations using our full-body humanoid robot, DRACO 3, demonstrating dynamic behaviors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google