Dual-MPC Footstep Planning for Robust Quadruped Locomotion
Byeong-Il Ham, Hyun-Bin Kim, Jeonguk Kang, Keun Ha Choi, and Kyung-Soo Kim
在本文中,我们提出了一个基于模型预测控制(MPC)的步步规划策略,通过优化步步放置,对身体方向进行强有力的调节,防止身体转向。 基于模型的运动方法通常采用基于线性倒挂钟形模型的发质方法或规划。 这些方法在步进规划中考虑了线性速度,同时排除了角速度,这导致角动量仅通过地面反应力(GRF)处理。 基于MPC的步进规划考虑了角速度,将角动量控制问题重塑为协调GRF和步步放置的双输入方法,而不是单独优化GRF,从而提高跟踪性能。 相互反馈循环将步步规划师和GRF MPC耦合在一起,每个都使用对方的解决方案来迭代更新脚步和GRF。 使用最佳解决方案可减少身体振荡,实现扩展姿态和摆动阶段。 该方法在四足机器人上进行了验证,展示了强大的运动,减少了振荡,更长的姿态和跨各种地形的摆动阶段。
In this paper, we propose a footstep planning strategy based on model predictive control (MPC) that enables robust regulation of body orientation against undesired body rotations by optimizing footstep placement. Model-based locomotion approaches typically adopt heuristic methods or planning based on the linear inverted pendulum model. These methods account for linear velocity in footstep planning, while excluding angular velocity, which leads to angular momentum being handled exclusively via gr...
