Predictive control for stable dynamic locomotion of real humanoid robots

Abstract

Robust stable omnidirectional locomotion for humanoid robots is a crucial problem and an active research area nowadays. In general, biped locomotion relies on distinct gait phases, during which it must be ensured that the sum of the forces acting on the robot do not result in a loss of balance. To generate stable walking patterns, the need of a stability measure is evident to ensure upright locomotion. State-of-the-art work on this problem uses the Zero Moment Point (ZMP) as a criterion to measure stability. The ZMP approach is a formal representation of the problem, which makes full use of sensor information commonly available on humanoid robots and allows for rigorous solutions to be constructed. This thesis presents a complete formulation of the challenging task of stable humanoid robot omnidirectional walk, based on the Cart and Table model for approximating the robot dynamics. For the control task, two novel approaches are proposed: (i) Preview Control augmented with the inverse system for negotiating strong disturbances and uneven terrain and (ii) Linear Model-Predictive Control (LMPC) approximated by an orthonormal basis for computational efficiency coupled with constraints for improved stability. For the generation of smooth feet trajectory, a new approach based on rigid body interpolation is proposed, enhanced by adaptive step correction. Finally, we present a sensor fusion approach for sensor-based state estimation and an effective solution to sensors' noise, delay, and bias issues, as well as to errors induced by the simplified dynamics and actuation imperfections. The proposed formulation is applied on a real Aldebaran Nao humanoid robot, where it achieves real-time onboard execution and yields smooth and stable gaits.

Το σθεναρό και ευσταθές πολυκατευθυντικό βάδισμα για ανθρωποειδή ρομπότ είναι ένα κρίσιμο πρόβλημα και ένας ενεργός τομέας έρευνας στις μέρες μας. Σε γενικές γραμμές, το βάδισμα δίποδων ρομπότ βασίζεται σε διακριτές εναλλασσόμενες φάσεις, στη διάρκεια των οποίων θα πρέπει να εξασφαλισθεί ότι το άθροισμα των δυνάμεων που ενεργούν στο ρομπότ δεν οδηγούν σε απώλεια της ισορροπίας του. Για τη δημιουργία ευσταθών προτύπων βαδίσματος, είναι προφανής η ανάγκη ενός κριτηρίου ευστάθειας που εξασφαλίζει την όρθια στάση κατά το βάδισμα. Η σύγχρονη τεχνολογία σχετικά με το πρόβλημα αυτό χρησιμοποιεί το κριτήριο Zero Moment Point (ZMP) ως μέτρο ευστάθειας. Η προσέγγιση ΖΜΡ προσφέρει μια αξιωματική αναπαράσταση του προβλήματος, η οποία εκμεταλλεύεται πλήρως τις πληροφορίες των αισθητήρων που συμπεριλαμβάνονται συνήθως σε ανθρωποειδή ρομπότ και επιτρέπει την κατασκευή μαθηματικά αυστηρών λύσεων. Η παρούσα μεταπτυχιακή εργασία παρουσιάζει μια πλήρη διατύπωση του δύσκολου προβλήματος του ευσταθούς πολυκατευθυντικού βαδίσματος για ανθρωποειδή ρομπότ, βασισμένη στο μοντέλο Cart and Table για την προσέγγιση της δυναμικής του ρομπότ. Για το πρόβλημα του ελέγχου, προτείνονται δύο νέες προσεγγίσεις: (α) έλεγχος προεπισκόπησης (Preview Control) επαυξημένος με το αντίστροφο σύστημα για την διαπραγμάτευση ισχυρών διαταραχών και της παρουσίας ανωμάλου εδάφους και (β) γραμμικός προβλεπτικός έλεγχος μοντέλου (Linear Model-Predictive Control) που προσεγγίζεται από μια ορθοκανονική βάση για υπολογιστική αποδοτικότητα σε συνδυασμό με ανισοτικούς περιορισμούς για βελτιωμένη ευστάθεια. Για την παραγωγή ομαλών τροχιών για τα πέλματα, προτείνεται μια νέα προσέγγιση βασισμένη σε διαφορική γεωμετρία, εμπλουτισμένη με προσαρμοστική διόρθωση βήματος. Τέλος, παρουσιάζουμε μια προσέγγιση σύνθεσης μετρήσεων των αισθητήρων για την εκτίμηση της κατάστασης που δίνει αποτελεσματική λύση στα προβλήματα θορύβου, καθυστερήσεων, πόλωσης, καθώς και στα σφάλματα που προκαλούνται από την προσεγγιστική δυναμική και τις ατέλειες των επενεργητών. Η προτεινόμενη προσέγγιση εφαρμόζεται σε ένα πραγματικό ανθρωποειδές ρομπότ Aldebaran Nao, όπου επιτυγχάνει εκτέλεση σε πραγματικό χρόνο και αποδίδει ομαλό και ευσταθές βάδισμα.