Dynamic Loco-manipulation on HECTOR: Humanoid for Enhanced ConTrol and Open-source Research

尽管人形机器人在运动和操作方面取得了显著进展，但它们仍然面临着缺乏同步的运动-操作控制的挑战，这限制了它们的全部动态潜力。在这项工作中，我们通过基于力和力矩的模型预测控制（MPC）引入了一种通用而有效的方法，来控制和推广人形机器人的动态运动和运动-操作。具体而言，我们提出了一个简化的刚体动力学模型（SRBD），以考虑人形机器人和物体动力学的影响，用于人形机器人的运动-操作。这个线性动力学模型使我们能够通过MPC问题直接求解地面反作用力和力矩，以实现高度动态的实时控制。我们提出的框架非常灵活和通用。我们引入了HECTOR（Humanoid for Enhanced ConTrol and Open-source Research）平台，以展示它在硬件实验中的有效性。通过所提出的框架，HECTOR可以在双腿站立模式下保持出色的平衡，即使受到身体或脚部位置的外力干扰。此外，它可以在各种不平坦的地形上进行三维动态行走，包括湿滑的草地表面、坡地、随机放置的木板和高达6厘米的堆叠木板，速度为0.6米/秒。此外，我们还展示了在不平坦的地形上进行动态人形机器人运动-操作，携带2.5千克的负载。HECTOR模拟，以及所提出的控制框架，已作为开源项目提供（https://github.com/DRCL-USC/Hector_Simulation）。

本论文旨在通过力矩模型预测控制（MPC）的方法，解决人形机器人在运动和操作上的控制问题，以实现高度动态的实时控制。

论文提出了一种简化的刚体动力学模型，通过直接解决地面反作用力和力矩的MPC问题，实现人形机器人在不同地形上的平衡和运动控制。

论文提出的控制框架非常通用和可扩展，并通过HECTOR平台进行了硬件实验验证，包括在不同地形上的平衡和运动控制，以及动态人形机器人操作。论文还开源了HECTOR模拟和控制框架的代码。

相关研究包括基于MPC的人形机器人控制方法的研究，以及人形机器人在不同地形上的平衡和运动控制的研究，如“Humanoid robot locomotion and manipulation control using nonlinear model predictive control”和“Robust dynamic walking over uneven terrain using a humanoid robot with flat feet”。