并联四足机器人项目开源教程(五) --- 四足机器人相关书籍论文研读
这个是本人在大三期间做的项目 ---- 基于MIT的Cheetah方案设计的十二自由度并联四足机器人,这个项目获得过两个国家级奖项和一个省级奖项。接下来我会将这个机器人的控制部分所有代码进行开源,并配有相关的教程博客,希望能够帮助到在学习相关领域知识或者进行项目开发的同学。
学习建议
自从MIT开源了Cheetah项目,网上出现了很多的论文解读,相关开源项目,也有很多人在原论文的基础上,对某个算法进行改进,发表了论文。对于初学者,建议从四足机器人的基础理论知识学起,再到Cheetah开源论文和其他算法改进的论文。Cheetah开源论文中有些算法细节描述不是很清楚,基本都可以通过查阅其他解读性的文章和论文,来进一步理解。
因为本人的水平有限,可能以下叙述会带有个人解读的偏见,也欢迎读者来与我联系交流:2250017028@qq.com
书籍列表
以下是我阅读过觉得比较有价值的书目,包含了四足机器人的基础理论,建议先看书籍进行知识储备,再看论文。书籍后期可以作为工具书进行查阅使用。
推荐学习路线:机械结构 -> 运动学建模及控制 -> 刚体动力学建模 -> 浮动基动力学
入门
- 《Legged-Robots-That-Balance》:讲述了弹簧倒立摆,动态控制,从单腿到双腿到四足机器人推广等算法,系统讲解了足式机器人工作的基本原理和思想,是四足机器人领域启蒙式读物。
- 《仿生四足机器人》 北理工出版:机械模型(弹簧腿)、正逆运动学、CGP控制思想等。
进阶
- 《Robot Dynamics Lecture Notes》:正逆运动学,浮动基座系统动力学与运动学,接触动力学
- 《Rigid Body Dynamics Algorithms》:空间向量代数、刚体系统动力学、刚体系统建模、正逆动力学、浮动基座动力学、接触动力学
论文列表
- 《MIT Cheetah 3: Design and Control of a Robust, Dynamic Quadruped Robot》:MIT Cheetah 3 开源论文
- 《Highly Dynamic Quadruped Locomotion via Whole-Body Impulse Control and Model Predictive Control》:MIT Cheetah mini开源论文
- 《XDog-新型电驱式四足机器人研制与测试》:宇树科技创始人的硕士学位论文,一套比较完整的四足开源方案,发表于MIT开源Cheetah项目之前,所以跟MIT所采用的结构框架不同,非常值得研读。
- 《Dynamic Locomotion in the MIT Cheetah 3 Through Convex Model-Predictive Control》:详细讲解了Cheetah项目中的MPC算法实现流程,包括动力学模型的建立和简化,MPC问题的创建以及QP求解。
- 《Passive Whole-body Control for Quadruped Robots: Experimental Validation over Challenging Terrain》:WBC算法在四足机器人上的应用,每个子任务讲的非常详细,可以用于理解WBC算法。
要点总结
下面的内容以Cheetah mini的控制架构及算法为例,进行展开叙述。
1. 控制架构
论文中给出的控制架构:
简化和总结后得到以下的控制架构:
- 在整个流程中,最核心的算法是MPC和WBIC算法,但在不使用WBIC算法的时候,单MPC算法也是可以正常工作的,只要将MPC计算所得的关节目标角度,角速度,前馈力矩直接输出到关节控制器即可。
- 因为状态估计是采用了传感器数据处理得到,与实际值存在有误差,在仿真环境中验证控制算法时,可以将该环节替换为读取仿真环境中绝对正确的测量数值。
2. 步态规划(Gait Scheduler)
步态类型
四足机器人常用的步态有:stand,trot,walk等。
步态之间的属性区别在于运动周期,初始相位,转换相位。
步态名称 | 运动周期/s | 起始相位 | 转换相位 |
---|---|---|---|
Stand | 10 | (0.5, 0.5, 0.5, 0.5) | 1 |
Trot | 0.45 | (0, 0.5, 0.5, 0) | 0.5 |
Walk | 1 | (0.25, 0, 0.75, 0.5) | 0.75 |
运动周期:足端站立态 + 摆动态一次的时间之和。
相位:数值为0 - 1,代表一个运动周期内的各个腿部所处的状态
起始相位:每个腿部在切换到当前步态时的相位值。
转换相位:腿部从站立态切换为摆动态的相位值。
规划方式
Cheetah项目中采用的是贝赛尔曲线进行足端运动的路径规划。并且采用了动态的方法,执行流程如下:
贝塞尔曲线的详细介绍可以参考我的笔记:贝赛尔曲线学习
落足点计算
pstep,i=ph,i+Tcϕ2p˙c,d⏟RaibertHeuristic+z0∣∣g∣∣(p˙c−p˙c,d)⏟CapturePointp_{step,i}=p_{h,i}+\underbrace{\frac{T_{c_\phi}}{2}{\dot{p}}_{c,d}}_{Raibert \ Heuristic}+\underbrace{\sqrt{\frac{z_0}{||g||}}({\dot{p}}_c-{\dot{p}}_{c,d})}_{Capture \ Point} pstep,i=ph,i+Raibert Heuristic2Tcϕp˙c,d+Capture Point∣∣g∣∣z0(p˙c−p˙c,d)
Tcϕ2p˙c,d\frac{T_{c_\phi}}{2}{\dot{p}}_{c,d}2Tcϕp˙c,d ----根据《Legged robots that balance》中的描述,足端按照该公式确定的落足点,会使运动为对称运动,加速度为0
z0∣∣g∣∣(p˙c−p˙c,d)\sqrt{\frac{z_0}{||g||}}({\dot{p}}_c-{\dot{p}}_{c,d})∣∣g∣∣z0(p˙c−p˙c,d) ----根据《Capture point: A step toward humanoid push recovery》中的描述,目标就是让落脚点趋近capture point,在该点腿部会获得平衡。
TcφT_{c_\varphi}Tcφ ----理想状态下的stance态持续时间
z0z_0z0 ----目标位置点的高度
ph,ip_{h,i}ph,i----腿i对应髋关节电机hip的位置
3. 状态估计(State Estimation)
在仿真环境中,机器人的世界坐标,速度大小和方向,都可以进行读取,并基于此对机器人进行控制。
但由于四足机器人的传感器都是安装在机器人上面,一般不存在有外部传感器,所以在实际运行中,机器人的全局信息需要由IMU等传感器数据进行复杂计算得到,并且难以避免累计误差,只能尽量减少。
卡尔曼滤波(Kalman Filter)
Cheetah项目中采用了卡尔曼滤波进行状态估计。卡尔曼滤波的作用在于对不同传感器的数据进行数据融合,利用观测量并结合系统的模型来对系统的状态进行估计。
Cheetah分为以下两步进行状态估计:
航向估计(orientation):高频的IMU的gyro数据 + 低频的IMU加速度计数据(重力偏差值)-> 旋转矩阵0Rb^0R_b0Rb
位置/速度估计:上述所得0Rb^0R_b0Rb + 腿部电机数据(结合机器运动学公式) -> 世界坐标系下的位置/速度
详细公式参考论文《MIT Cheetah 3: Design and Control of a Robust, Dynamic Quadruped Robot 》中的“H. State Estimation”部分 。
卡尔曼滤波的公式推导:卡尔曼滤波
4. 关节控制器(Joint-Level Control)
Cheetah项目对关节电机的控制采用PD控制器 + 前馈力矩τ\tauτ 的方式。
其中一共用到了两套控制器,一套用于计算前馈力矩,即补偿足端落点位置所需的力矩大小。一套用于控制各个电机逼近目标角度位置。
前馈力矩的计算
τff,i=Ji⊤Λi(Bai,ref −J˙iq˙i)+Ciq˙i+Gi\tau_{\mathrm{ff}, i}=\boldsymbol{J}_{i}^{\top} \boldsymbol{\Lambda}_{i}\left({ }^{\mathfrak{B}} \boldsymbol{a}_{i, \text { ref }}-\dot{\boldsymbol{J}}_{i} \dot{\boldsymbol{q}}_{i}\right)+\boldsymbol{C}_{i} \dot{\boldsymbol{q}}_{i}+\boldsymbol{G}_{i} τff,i=Ji⊤Λi(Bai, ref −J˙iq˙i)+Ciq˙i+Gi
JiJ_iJi ----足部的雅可比矩阵
Λi\Lambda _iΛi ----操作空间的惯性矩阵
Bai,ref^\mathfrak{B}a_{i,ref}Bai,ref ----参考加速度
qiq_iqi ----关节结构的向量
CiC_iCi ----科里奥利矩阵
GiG_iGi -----重力矩
τi=Ji⊤[Kp(Bpi,ref −Bpi)+Kd(Bvi,ref−Bvi)]+τff,i\boldsymbol{\tau}_{i}=\boldsymbol{J}_{i}^{\top}\left[\boldsymbol{K}_{p}\left({ }^{\mathfrak{B}} \boldsymbol{p}_{i, \text { ref }}-{ }^{\mathfrak{B}} \boldsymbol{p}_{i}\right)+\boldsymbol{K}_{d}\left({ }^{\mathfrak{B}} \boldsymbol{v}_{i, \mathrm{ref}}-{^\mathfrak{B}} \boldsymbol{v}_{i}\right)\right]+\boldsymbol{\tau}_{\mathrm{ff}, i} τi=Ji⊤[Kp(Bpi, ref −Bpi)+Kd(Bvi,ref−Bvi)]+τff,i
电机输出力矩的计算
τ=Kp(qdes−qi)+Kd(qddes−qdi)+τi\boldsymbol{\tau}=\boldsymbol{K}_{p}\left(\boldsymbol{q}_{des}-\boldsymbol{q}_{i}\right)+\boldsymbol{K}_{d}\left(\boldsymbol{qd}_{des}-\boldsymbol{qd}_{i}\right)+\boldsymbol{\tau}_{ i} τ=Kp(qdes−qi)+Kd(qddes−qdi)+τi
5. MPC算法(Model Predictive Control)
在Cheetah项目中,MPC算法主要用于计算保持四足机器人正常运动的情况下,每条支撑腿的足端所需的输出力。
MPC算法的公式推导参考我的学习笔记:手推MPC公式
其中,运动方程的建立将机器人看作单刚体模型:
[I3…I3[p1pc]×…[p4pc]×]⏟AF=[m(p¨c+g)IGωb˙]⏟b\underbrace{\begin{bmatrix} I_3 &\dots & I_3 \\ [p_1 p_c]\times &\dots &[p_4 p_c]\times \end{bmatrix}}_{A} F=\underbrace{\begin{bmatrix} m(\ddot{p}_c+g )\\ I_G\dot{\omega _b} \end{bmatrix}}_b A[I3[p1pc]×……I3[p4pc]×]F=b[m(p¨c+g)IGωb˙]
上式运用了基本的牛顿运动定律
- 合力 = ma
- 合力矩 = 惯量*角加速度
6. WBIC算法(Whole-Body Impulse Control)
WBIC算法中运用到了机器人的浮动基动力学模型,吸收了MPC计算得到数据以及机器人运动学模型所得数据。
WBIC的工作原理如下:
- 将机器人的运动分为多个任务,如触地控制任务,姿态控制任务,位置/速度控制任务等,并且任务具有优先级。
- 按照优先级的顺序,依次求解各个任务所需的电机前馈力矩输出公共解。
- 输出电机控制力矩
WBC的公式推导及应用可以参考我的学习笔记:
手推WBC公式
WBC控制的实际应用
并联四足机器人项目开源教程(五) --- 四足机器人相关书籍论文研读相关推荐
- 并联四足机器人项目开源教程(六)--- Cheetah开源项目的代码框架移植
这个是本人在大三期间做的项目 ---- 基于MIT的Cheetah方案设计的十二自由度并联四足机器人,这个项目获得过两个国家级奖项和一个省级奖项.接下来我会将这个机器人的控制部分所有代码进行开源,并配 ...
- 并联四足机器人项目开源教程(三)--- 使用webots搭建仿真环境
这个是本人在大三期间做的项目 ---- 基于MIT的Cheetah方案设计的十二自由度并联四足机器人,这个项目获得过两个国家级奖项和一个省级奖项.接下来我会将这个机器人的控制部分所有代码进行开源,并配 ...
- 并联四足机器人项目开源教程(一)--- 机器人学导论的学习
这个是本人在大三期间做的项目 ---- 基于MIT的Cheetah方案设计的十二自由度并联四足机器人,这个项目获得过两个国家级奖项和一个省级奖项.接下来我会将这个机器人的控制部分所有代码进行开源,并配 ...
- Spring Boot + vue-element 开发个人博客项目实战教程(四、数据库搭建和配置)
前言 java项目已经创建好了,接下来我们要准备数据库了,数据库是干嘛的相信大家都知道了,我在这就不说了,我们需要做的就是在电脑上安装mysql数据库. 附菜鸟教程的MySQL基础学习教程:https ...
- 诺宝机器人编程入门教程_(完整)VEX 机器人软件编程教程
1 VEX 机器人软件编程教程 一.使用注意事项 ❖ 如果是没有购买序列号的用户, 安装了软件, 打开软件时会弹出一个注册 的窗口,中文版点暂不注册按钮便可以试用.英文版点 Run in Evalua ...
- 【全网首发开源教程】【Labview机器人仿真与控制】Labview与Solidworks多路支配关系-四足爬行机器人仿真与控制
- laravel大型项目系列教程(四)之显示文章列表和用户修改文章
小编心语:不知不觉已经第四部分了,非常感谢很多人给小编提的意见,改了很多bug,希望以后能继续帮小编找找茬~小编也不希望误导大家~这一节,主要讲的是如何显示文章列表和让用户修改文章,小编预告一下(一共 ...
- Windows10安装并使用Unity3D项目AirSim教程(附问题解决方案及相关库下载)
GitHub项目网址 https://github.com/microsoft/AirSim,官方安装教程页面 https://github.com/microsoft/AirSim/blob/mas ...
- 基于STM32开源项目:球上自平衡机器人
关注+星标公众号,不错过精彩内容 来源 | 达尔闻说 作者 | Jumping润 本次毕业设计过程中,Jumping润受到过许多人的帮助,收获良多,在此将机器人整体开源,同时总结一下机器人搭建过程中遇 ...
最新文章
- opencv学习(十六)之颜色空间转换cvtColor()
- Jzoj3625 旅行(travel)
- PHP 设计模式之代理模式
- 013. MVC5过滤器
- markdown 生成目录_github上如何为markdown文件生成目录
- 黑马程序员 java基础之网络编程TCP
- Python的bool类型
- select样式调整
- 拦截JQuery的ajax
- offset,client,scroll的学习记录
- Atitit uke消防防火规范 attilax总结
- java+swing+mysql员工工资管理系统设计分析
- 2.郝斌C语言笔记——优缺点
- python英语单词 扇贝英语安卓下载_扇贝单词英语版app下载_靠谱的外语软件扇贝单词英语版下载安装 安卓版 V3.4.302 - 罐头安卓网...
- 2016 杭州云栖大会随笔
- 【软件测试】BUG的管理
- git分支代码提交主干
- 【vscode】常用快捷键
- win10设置了睡眠时间,但两分钟无操作仍然黑屏。解决办法
- python随机生成生日测试生日悖论
热门文章
- 浅谈单页面网站需要注意哪些事项
- 20佳优秀精美手机移动mobile网站案例设计欣赏
- [mmu/cache]-ARMV8-aarch64的虚拟内存(mmu/tlb/cache)介绍-概念扫盲
- Tigo对APS提起新的知识产权侵权诉讼
- win10设置锁屏密码_DIY定制你个人专属锁屏,将手机锁屏密码设置成文字、表情、照片...
- 不良资产处置(六):不良资产处置案例二
- 配置exchange邮箱
- 微信小程序 初步认识一(微信运动步数)
- [IDF]被改错的密码
- spring boot 是真滴好用