← 返回论文列表

正确模型，正确时机：面向双足行走的实时级联保真度模型预测控制
Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking

作者: Franek Stark, Felix Wiebe, Shubham Vyas 等5人
arXiv: 2605.04607v1
分类: cs.RO
📝 论文摘要
本文提出了一种用于双足行走的多阶段全身模型预测控制方法，该方法在近端视界结合了详细的全身模型，在后续预测步骤中使用了简化的单刚体模型。这降低了计算复杂度，同时保留了预测能力。所得到的非线性最优控制问题使用acados中的顺序二次规划（SQP）进行求解。利用预先指定的接触时序和目标行走速度，控制器优化关节力矩，而不依赖于预先选择的落脚点位置。该控制器在18自由度双足机器人HyPer-2的MuJoCo仿真中得到了验证。

📊 核心分析

🎯 研究动机
- 解决双足步行中**模型预测控制(MPC)** 计算复杂度过高的问题，导致无法实时运行 - 现有方法要么使用高保真模型但计算量巨大，要么使用低保真模型但预测精度不足 - 研究背景：双足机器人需要实时控制，但全动力学模型优化难以满足实时性要求
🔧 核心方法
- 提出**多级保真度级联MPC(Cascaded-Fidelity MPC)**，在近预测步长使用**全身模型(whole-body model)**，在远步长切换为**单刚体模型(single-rigid-body model)** - 使用**序列二次规划(Sequential Quadratic Programming, SQP)** 在acados求解器中求解形成的非线性最优控制问题 - 控制器基于预定义的接触时序和目标行走速度优化**关节扭矩(joint torques)**，不依赖预选的落脚点位置
💡 核心创新
- **首创“先精后粗”保真度级联策略**：在近端用高保真全身模型保证动态准确性，远端用低保真模型降低计算负担，兼顾精度与实时性 - **消除对预选落脚点的依赖**：通过接触时序和速度目标直接优化关节扭矩，简化了系统设计 - **实时性突破**：在18自由度HyPer-2机器人上实现实时MPC，验证了级联策略在仿真中的有效性
🏆 总体贡献
- 为双足步行控制提供了一种**实时、可部署的MPC框架**，平衡了模型保真度与计算效率 - 在MuJoCo仿真中验证了方法的有效性，展示了在复杂双足机器人上的可行性 - 推动了全身模型预测控制在双足机器人领域的实际应用，减少了工程调参需求