Motion Accuracy and Computational Effort in QP-based Robot Control

二次规划（QP）已成为控制各种机器人（包括人形机器人）的成熟技术。然而，一个方面被大大忽视，那就是这些QP应该以多高的精度被解决。典型的QP求解器旨在提供高达浮点精度（约为$10^{-8}$）的精确解。考虑到以SI或类似单位（米、弧度等）表示的物理量，这种精度似乎与任务要求和硬件容量完全无关。通常，人形机器人在操作任务中不会达到亚毫米级的精度，也不具备实现这种精度的能力。鉴于这一观察结果，本文的目标有两个：首先研究QP解的精度如何影响机器人运动精度，然后评估如何利用降低的解决方案精度要求来减少相应的计算工作量。对HRP-4机器人的动态仿真进行的数值实验表明，可以将计算工作量降低20倍以上，同时保持所需的运动精度。

论文试图探讨在机器人控制中，减少QP求解精度对机器人运动精度和计算效率的影响。

论文提出了一种基于误差分析的QP求解器，该求解器可以根据任务需求和硬件能力调整求解精度，从而在保证机器人运动精度的同时降低计算量。

论文通过动态模拟HRP-4机器人的实验验证了该求解器的有效性，结果表明在保证机器人运动精度的前提下，计算量可以降低20倍以上。论文还提供了开源代码。

相关研究包括：1.使用QP控制机器人的研究；2.基于误差分析的QP求解器研究。