Fast Contact-Implicit Model Predictive Control
Fast Contact-Implicit Model Predictive Control
复制标题
快速接触隐式模型预测控制
DOI：
--
复制
发表时间：
2021
影响因子：
7.8
通讯作者：
Zachary Manchester
中科院分区：
文献类型：
--
作者：
Simon Le Cleac’h;Taylor A. Howell;Shuo Yang;Chia;John Zhang;Arun L. Bishop;M. Schwager;Zachary Manchester
在这篇文章中，我们提出了一个通用的方法来控制机器人系统，使和中断与环境的接触。接触隐式模型预测控制（CI-MPC）通过利用双层规划公式将线性MPC推广到接触丰富的设置，其中较低级别的接触动态被制定为使用关于参考轨迹的策略泰勒近似计算的时变线性互补问题（LCP）。这些动态使上层规划问题的原因接触时间和力，并在线生成全新的接触模式序列。为了实现可靠和快速的数值收敛，我们设计了一个结构开发的邻近点求解器，这些LCP接触动力学和自定义轨迹优化的跟踪问题。我们展示了实时的解决方案率CI-MPC和硬件实验中的四足机器人产生和跟踪非周期性行为的能力。我们还表明，该控制器是鲁棒的模型失配，并可以通过发现和利用新的接触模式在各种机器人系统的模拟，包括推机器人，平面料斗，平面四足动物，平面机器人的干扰。
In this article, we present a general approach for controlling robotic systems that make and break contact with their environments. Contact-implicit model predictive control (CI-MPC) generalizes linear MPC to contact-rich settings by utilizing a bilevel planning formulation with lower level contact dynamics formulated as time-varying linear complementarity problems (LCPs) computed using strategic Taylor approximations about a reference trajectory. These dynamics enable the upper level planning problem to reason about contact timing and forces, and generate entirely new contact-mode sequences online. To achieve reliable and fast numerical convergence, we devise a structure-exploiting interior-point solver for these LCP contact dynamics and a custom trajectory optimizer for the tracking problem. We demonstrate real-time solution rates for CI-MPC and the ability to generate and track nonperiodic behaviors in hardware experiments on a quadrupedal robot. We also show that the controller is robust to model mismatch and can respond to disturbances by discovering and exploiting new contact modes across a variety of robotic systems in simulation, including a pushbot, planar hopper, planar quadruped, and planar biped.
用于嵌入式系统实时凸优化的结构感知线性求解器
影响因子：
1.6
作者：
Yamazaki, Ichitaro;Nooshabadi, Saeid;Tomov, Stanimire;Dongarra, Jack
通讯作者：
Dongarra, Jack
DOI：
10.1109/icra40945.2020.9197568
发表时间：
2019-09
期刊：
2020 IEEE International Conference on Robotics and Automation (ICRA)
影响因子：
--
作者：
Alp Aydinoglu;V. Preciado;Michael Posa
通讯作者：
Alp Aydinoglu;V. Preciado;Michael Posa
ContactNets：通过平滑、隐式表示学习不连续接触动力学
DOI：
--
发表时间：
2020
期刊：
Conference on Robot Learning
影响因子：
--
作者：
Pfrommer, Samuel;Halm, Mathew;Posa, Michael
通讯作者：
Posa, Michael