针对仿人机器人攀爬的实时运动生成问题,提出一种基于非线性模型预测控制(nonlinear model predictive control,NMPC)方法,能够综合优化路径和肢体运动。该方法将攀爬任务视为一个机械约束的NMPC问题,并使用了基于墙体图的状态相关权重...针对仿人机器人攀爬的实时运动生成问题,提出一种基于非线性模型预测控制(nonlinear model predictive control,NMPC)方法,能够综合优化路径和肢体运动。该方法将攀爬任务视为一个机械约束的NMPC问题,并使用了基于墙体图的状态相关权重和势函数。在每个采样时间点根据墙体信息和机器人的状态进行计算获得控制输入。此外,还提出了为NMPC在线配置性能指标的视距评估方法。研究结果表明:随着视距的减小,控制输入的计算时间也随之减少,有效降低了计算成本;与将墙体上的所有支撑都纳入视距范围的情况相比,攀爬时间最多能减少36.4%,有效适应了复杂的墙体模型。展开更多
文摘针对仿人机器人攀爬的实时运动生成问题,提出一种基于非线性模型预测控制(nonlinear model predictive control,NMPC)方法,能够综合优化路径和肢体运动。该方法将攀爬任务视为一个机械约束的NMPC问题,并使用了基于墙体图的状态相关权重和势函数。在每个采样时间点根据墙体信息和机器人的状态进行计算获得控制输入。此外,还提出了为NMPC在线配置性能指标的视距评估方法。研究结果表明:随着视距的减小,控制输入的计算时间也随之减少,有效降低了计算成本;与将墙体上的所有支撑都纳入视距范围的情况相比,攀爬时间最多能减少36.4%,有效适应了复杂的墙体模型。