A whole-body predictive control approach to biped locomotion
Application de méthodes de contrôle prédictif corps complet à la locomotion bipède
Abstract
Humanoid robotics has been a very active field of research for the past decades, with important contributions in various scientific areas such as control engineering, biomechanics, computer science and mathematics. Nevertheless, performing reliable biped locomotion in generic environments still remains a challenge due to the real-time constraints and non-convexity of the problem. Because of previous technological limits, early works on walking robots have relied on template models and simplified dynamics. Given the steady increase in hardware computing capacities, complex control designs taking into account the whole-body dynamics of the system is becoming possible. On the other hand, predictive control algorithms based on trajectory optimization over a given preview window are proven to be a viable and robust solution for agile locomotion.This thesis aims at implementing a whole-body predictive control framework for generic locomotion on real-world torque-controlled humanoid robots. Our controller was systematically tested on the torque-controlled robot Talos, a heavy humanoid platform with 32 actuated joints. Given the high complexity of the model, the computation frequency of our optimization solver cannot match the low-level control frequency of current robotics systems. To mitigate this issue, a first order feedback policy based on the solver sensitivities has been designed to approximate the high-level optimal command at the actuation frequency. In a second step, a 3-D walking controller for uneven terrain crossing is introduced and discussed. Two different heuristics were used to compute feet trajectories during locomotion: one based on pre-computed splines and one leveraging a height map of the environment that penalizes the flying foot velocity with respect to its height. The second heuristic allows to reduce the feet impedance and to perform push recovery in real time. Both heuristics have been combined with a high-level contact planner that generates optimal contact sequences in cluttered environments. Finally, to overcome the inherent non-convexity of planning scenarios with obstacles, a memory of motion was used to warm-start the solver and speed up its convergence.
Depuis plusieurs décennies, la robotique humanoïde s'est révélée être un domaine de recherche très actif avec des contributions importantes dans divers domaines scientifiques tels que l’ingénierie de contrôle, la biomécanique, l’informatique et les mathématiques. Néanmoins, parvenir à générer une locomotion bipède fiable dans des environnements génériques reste un défi en raison des contraintes temps réel du système et de la non-convexité du problème. A cause des limites technologiques présentes il y a quarante ans, les premiers travaux sur les robots marcheurs se sont appuyés sur des modèles et des dynamiques simplifiées. Compte tenu de l’augmentation constante des capacités de calcul de nos ordinateurs, des schémas de contrôle plus complexes tenant compte de la dynamique du corps complet deviennent possibles. D’autre part, les algorithmes de contrôle prédictif basés sur l’optimisation de la trajectoire future s'imposent de plus en plus comme une option viable et robuste pour la locomotion agile.Cette thèse vise à mettre en oeuvre une approche corps complet de la locomotion bipède à travers le prisme des méthodes de contrôle predictif. L'approche a été implémentée sur le robot Talos, un humanoïde lourd contrôlé en couple et possédant 32 joints actionnés. Compte tenu de la grande complexité du modèle, la fréquence de recalcul de notre solveur optimal est trop faible par rapport à celle du contrôle de bas niveau des plateformes robotiques actuelles. Pour atténuer ce problème, une politique de rétroaction de premier ordre basée sur les sensibilités du solveur a été conçue afin d'approximer la commande optimale à la fréquence des actionneurs. Dans un deuxième temps, un contrôleur de marche adapté à la locomotion en terrain accidenté est introduit puis discuté. Deux heuristiques différentes ont été utilisées pour calculer les trajectoires des pieds pendant la marche: la première est basée sur des splines pré-définies, la seconde utilise une carte de hauteur de l’environnement qui pénalise la vitesse du pied en vol par rapport à sa hauteur. La seconde heuristique permet de réduire l’impédance des pieds et d’effectuer des mouvements de rééquilibre après poussée en temps réel. Les deux heuristiques ont été combinées avec un planificateur de contact de haut niveau capable de définir des séquences de contact optimaux dans des environnements encombrés. Enfin, pour surmonter la non-convexité inhérente aux scénarios de planification comportant des obstacles, une mémoire du mouvement a été implémenter pour initialiser le solveur et accélérer sa convergence.
Origin | Version validated by the jury (STAR) |
---|