Tailoring Solution Accuracy for Fast Whole-body Model Predictive Control of Legged Robots

近年来，由于非线性模型预测控制（NMPC）加速技术的进步，现在可以在实时速率下部署全身NMPC来控制人形机器人。然而，对于这种高维系统，在实时情况下执行不等式约束仍然具有挑战性，因为需要进行额外的迭代。本文提出了一种用于腿式机器人的全身NMPC实现，该实现提供NMPC的低精度解，并具有一般等式和不等式约束。我们利用交替方向乘子法快速提供二次规划子问题的低精度解，而不是追求高精度的最优解。我们广泛的仿真结果表明，由于动力学离散化误差、惯性建模误差和延迟等原因，实际机器人通常无法从高精度解中受益。我们在NMPC的初始时间步骤中引入控制屏障函数（CBFs）来处理自碰撞约束，从而可以将自碰撞次数减少多达26倍，而不会增加计算负担。该控制器可在硬件上可靠地部署，对于涉及32个时间步骤、2004个变量和3768个约束的问题，其运行速率为90 Hz。NMPC提供了足够准确的解，使得MIT人形机器人可以规划复杂的交叉腿和手臂运动，从而增强步行时的稳定性并从重大干扰中恢复。

实现全身NMPC控制下的不等式约束问题的低精度解决方案

利用交替方向乘子法提供低精度解决方案，以加速解决高维系统中的不等式约束问题

在NMPC的初始时间步骤中引入控制屏障函数(CBFs)以解决自碰撞约束问题，无需增加计算负担，硬件实验表明该NMPC控制器可以在90Hz的频率下可靠地运行，能够规划复杂的跨腿和手臂动作，提高行走稳定性和从重大干扰中恢复的能力

最近的相关研究包括：Efficient Whole-Body Motion Generation Through Control Space Optimization and Task Prioritization，Efficient and Robust Whole-Body Control of Humanoid Robots Using Task Optimization and Task-Level Feedback