用於四足機器人牆面支撐雙足行走的多速率非線性模型預測控制

本文介紹了一項關於四足機器人運動控制的最新研究成果，提出了一種基於多速率非線性模型預測控制（MR-NMPC）的分層規劃與控制框架，使得四足機器人能夠在受限環境中利用牆面支撐實現雙足行走。這種混合運動模式結合了四足與雙足的優點，特別適用於狹窄或複雜的空間。

即時軌跡最佳化是這一運動模式面臨的主要挑戰，控制器必須同時規劃接觸點位置和機器人的質心（CoM）與姿態的連續軌跡，同時考慮非線性動力學、單邊接觸約束、欠驅動以及動力學切換特性。傳統方法往往依賴啟發式腳步規劃，難以在動態環境下達到最優效能。

研究團隊提出的MR-NMPC框架在高層次上動態規劃離散的接觸點軌跡和連續的CoM與姿態軌跡，採用單剛體（SRB）動力學模型。透過將接觸點規劃整合到多速率最優控制框架中，該方案顯著增強了動態穩定性，優於啟發式腳放置策略。在低層次上，基於虛擬約束和二次規劃的非線性全身控制器（WBC）負責執行全階動力學並跟蹤MR-NMPC的參考軌跡。

為了驗證方法的有效性，研究者在Unitree A1四足機器人上進行了廣泛的數值模擬。模擬環境包括粗糙地形和外部擾動，結果表明機器人能夠在牆面輔助下穩健地進行雙足行走。對比分析顯示，在高速不規則地形上，所提MR-NMPC的成功率是採用啟發式腳放置的傳統模型預測控制（MPC）的2.9倍。

該論文已被IEEE/RSJ IROS 2026會議接收，為四足機器人在複雜環境下的運動控制提供了新的思路。未來，這一技術有望應用於搜尋救援、工業巡檢等領域，提升機器人在受限空間中的適應能力。