結構彈性人形機器人的關節空間控制

核心概念

本文介紹了一種針對結構彈性人形機器人設計的關節空間控制策略，該策略採用干擾觀測器 (DOB) 來處理未建模的彈性動力學，允許機械設計工程師在不影響關節控制性能的情況下迭代 3D 列印連桿。

摘要

人形機器人與勞動力危機

全球勞動力短缺對美國、德國、韓國和中國等國的商業需求產生了重大影響。隨著全球人口老齡化，醫療保健行業面臨著越來越大的壓力，醫療保健支出和對熟練工人的需求不斷增加。同樣，製造業也面臨著類似的勞動力缺口挑戰。為了應對這些日益增長的勞動力需求和成本，人工智慧 (AI) 和機器人技術提供了有希望的解決方案。

人形機器人的承諾與挑戰

人形機器人由於其以人為中心的設計，非常適合融入現有的人類工作場所。這些機器人有可能自動執行重複性任務，並通過遠端操作將人類的能力擴展到危險環境中。然而，人形機器人的設計和控制帶來了重大挑戰，特別是在維持雙足運動和處理複雜的機械設計方面。

結構彈性和增材製造

傳統上，人形機器人採用堅硬的材料和複雜的製造工藝來製造。然而，增材製造 (AM) 或 3D 列印的出現為機器人設計提供了新的可能性，允許創建複雜的設計並減少零件數量。然而，3D 列印的材料（如本文中使用的 PLA+）會引入顯著的順應性，這給控制系統帶來了挑戰。

關節空間控制策略

本文重點介紹了一種針對結構彈性人形機器人（如 PANDORA）的關節空間控制策略。該策略採用分層控制架構，其中高級控制器負責規劃和全身控制，而低級控制器 (LLC) 則管理各個關節的控制。

結構彈性建模的挑戰

由於 3D 列印零件的複雜性和可變性，對結構彈性進行建模和識別具有挑戰性。為了克服這一挑戰，本文採用基於干擾觀測器 (DOB) 的方法。DOB 基於理想彈性致動器的標稱工廠模型，並將結構彈性組件的模型變化視為干擾。

干擾觀測器 (DOB) 設計與實現

DOB 通過比較先前命令的輸入與給定測量輸出的標稱工廠模型的預期輸入來運行。輸入和預期輸入之間的差異被視為干擾，並反饋到致動器控制迴路以補償模型的不匹配。本文詳細介紹了 DOB 設計過程，包括標稱工廠模型的識別和用於確保因果關係的低通濾波器的選擇。

致動器力控制器和虛擬阻抗

除了 DOB 之外，關節空間控制器還包括一個 PID + 前饋 (FF) 控制器，用於跟踪所需的致動器力命令。虛擬阻抗動力學被設計為在致動器空間中充當線性彈簧和阻尼器，從而增強系統的穩定性和性能。

洩漏積分和運動學

為了從高級控制器提供的所需關節加速度生成所需的致動器位置和速度軌跡，採用了洩漏積分技術。洩漏積分有助於通過將所需軌跡偏向當前位置和零速度來防止積分器飽和。然後，使用正向運動學和雅可比矩陣將關節空間設定點轉換為致動器空間設定點。

有效的連續到數字轉換

為了有效地實施數字控制系統，本文採用雙線性變換（圖斯汀方法）將連續時間傳遞函數轉換為離散時間表示。本文重點介紹了使用霍納方法進行多項式的雙線性變換求解器，該方法允許在初始化過程中在線計算離散係數。

結果與驗證

為了驗證所提出的關節空間控制策略的有效性，進行了兩組實驗。第一組實驗在一個理想的彈性致動器測試台上進行，該測試台驅動一個未建模的單自由度 10 公斤鐘擺。結果表明，DOB 可以有效地處理顯著的模型變化。第二組實驗在 PANDORA 的 12 自由度下半身進行，操作員在骨盆上施加干擾，同時機器人保持平衡。結果表明，儘管連桿具有彈性和未建模的特性，但關節控制演算法成功地控制了 12 個自由度關節。

結論與未來方向

總之，本文提出了一種針對結構彈性人形機器人的綜合關節空間控制方法。基於 DOB 的控制器通過將結構順應性視為干擾來有效地處理未建模的彈性動力學，從而允許機械設計迭代而無需重新調整控制參數。實驗結果驗證了該方法在處理模型變化和維持機器人穩定性方面的有效性。未來的研究方向包括探索基於 3D 列印組件的設計優化和控制策略，以增強人形機器人的性能和功能。

統計資料

全球勞動力短缺需要美國、德國、韓國和中國等國家增加 5.5% 的人口來滿足當前的商業需求。
2021 年，全球醫療保健支出增長至 9.8 兆美元，佔世界 GDP 的 10.3%。
截至 2024 年 1 月，美國的自動化產業估計有 622,000 個職位空缺。
到 2030 年，人工智慧和機器人技術預計將接管美國當前 29.5% 的任務。
PANDORA 人形機器人高 1.9 公尺，重 49 公斤，下半身有 12 個自由度，上半身有 20 個自由度。
與其前身相比，使用 3D 列印結構組件的 PANDORA 將零件數量減少了 50% 以上，組裝時間縮短至僅 8 小時。
PANDORA 的步態位置估計在穩健平衡期間可能不準確，最高可達 5 公分。
高級控制器以 500 Hz 的頻率向每個 LLC 發送所需的關節軌跡。
執行器由 LLC 以 20 kHz 的頻率通過脈衝寬度調製 (PWM) 發送到電機控制單元 (MCU) 的電機電流命令進行控制。
DOB 標稱工廠模型基於具有鈦樑作為順應機構的彈性致動器測試台。
DOB 低通濾波器的截止頻率選擇為 25 Hz。
洩漏積分中使用的 alpha 濾波器速率對於速度和位置坐標分別選擇為 αv = αp = 0.75。
離散時間控制系統實現假設基於雙線性變換或圖斯汀方法的固定時間步長。

引述

「為了應對日益增長的需求，人工智慧 (AI) 和機器人技術可以處理各種任務以提高效率。」
「人形機器人具有獨特的優勢來應對許多挑戰，因為它們以人為中心的尺寸因素使它們能夠符合人體工程學地過渡到現有的工作場所。」
「增材製造 (AM) 或 3D 列印……為機器人設計提供了新的可能性，允許創建複雜的設計並減少零件數量。」
「然而，3D 列印的材料（如本文中使用的 PLA+）會引入顯著的順應性，這給控制系統帶來了挑戰。」
「這項工作使用術語結構彈性來暗示主要結構組件設計為順應性，而不是在致動器外殼內包含額外的組件。」
「DOB……設計用於根據通過經驗測試發現的標稱工廠模型向系統提供反饋。」
「為了保持這些 AM 優勢而不損害控制性能，這項工作利用基於 DOB 的方法來處理模型非線性，例如摩擦和未知動力學。」
「這種穩健的控制選擇允許機械工程師不斷迭代機械結構，同時仍然實現關節控制目標。」

從以下內容提煉的關鍵洞見

Joint-Space Control of a Structurally Elastic Humanoid Robot

by Connor W. He... 於 arxiv.org 11-19-2024

https://arxiv.org/pdf/2411.11734.pdf

深入探究

人形機器人設計中結構彈性和傳統彈性致動方法之間有哪些權衡？

在人形機器人設計中，結構彈性和傳統彈性致動方法各有優劣，設計者需要根據機器人的具體應用場景和性能需求進行權衡：
結構彈性：

優點：

簡化設計，減少零件數量： 將彈性元件整合到結構中，可以減少獨立彈性元件和連接件的使用，從而簡化機器人設計，降低組裝成本和複雜度。
輕量化： 結構彈性設計可以減少機器人整體重量，提高能量效率，尤其適用於對負載和能耗敏感的應用。
設計自由度高： 3D 列印等先進製造技術的應用，為結構彈性設計提供了更大的自由度，可以實現更複雜的形狀和功能。

缺點：

建模和控制複雜： 結構彈性設計會使機器人動力學模型變得更加複雜，難以準確預測和控制機器人的運動。
材料性能限制： 3D 列印材料的機械性能（如強度、剛度、疲勞壽命等）可能不如傳統金屬材料，限制了結構彈性設計的應用範圍。
製造精度和一致性： 3D 列印的精度和一致性仍需提高，可能會影響結構彈性的性能和可靠性。
傳統彈性致動：

優點：

建模和控制相對簡單： 彈性元件獨立於結構，可以更容易地建立準確的動力學模型，簡化控制器的設計。
材料性能可靠： 傳統彈性元件通常採用性能可靠的金屬材料，可以承受更大的負載和衝擊。
製造精度高： 傳統彈性元件的製造精度高，可以確保機器人運動的準確性和可重複性。

缺點：

設計複雜，零件數量多： 需要額外的彈性元件和連接件，增加了機器人的設計複雜度和組裝成本。
重量較重： 額外的彈性元件會增加機器人的整體重量，降低能量效率。
設計自由度受限： 傳統彈性元件的設計自由度相對較低，難以實現複雜的形狀和功能。

如何提高基於 DOB 的控制器的魯棒性以處理更廣泛的結構彈性和環境變化？

基於擾動觀測器 (DOB) 的控制器在處理非線性和不確定性方面具有優勢，但面對更廣泛的結構彈性和環境變化，仍需要進一步提高其魯棒性。以下是一些可行的方法：

自適應 DOB： 傳統 DOB 基於固定模型，而自適應 DOB 可以根據系統動態變化在線調整模型參數，提高控制器對結構彈性和環境變化的適應能力。例如，可以使用遞迴最小二乘法 (RLS) 或模型參考自適應控制 (MRAC) 等技術實現自適應 DOB。
非線性 DOB： 針對結構彈性和環境變化引起的非線性特性，可以設計非線性 DOB 來更精確地估計和補償擾動。例如，可以使用滑模控制 (SMC) 或反步法 (Backstepping) 等非線性控制技術設計非線性 DOB。
多模型 DOB： 可以建立多個模型來描述不同結構彈性和環境變化下的系統動態，並根據當前系統狀態選擇最匹配的模型進行控制。例如，可以使用多模型自適應控制 (MMAC) 或切換系統等技術實現多模型 DOB。
學習型 DOB： 可以利用機器學習技術，例如神經網絡或支持向量機 (SVM)，來學習結構彈性和環境變化與系統動態之間的映射關係，並根據學習到的知識在線調整 DOB 參數，提高控制器對未知擾動的泛化能力。
結合其他控制方法： 可以將 DOB 與其他控制方法相結合，例如滑模控制、自適應控制或魯棒控制等，以提高控制器在更廣泛條件下的性能。例如，可以設計一個 DOB-滑模控制器，利用 DOB 估計和補償擾動，同時利用滑模控制的魯棒性來處理模型不確定性和外部干擾。
除了上述方法，提高傳感器精度、採用更先進的濾波算法、優化控制器參數等措施，也有助於提高基於 DOB 的控制器的魯棒性。

3D 列印技術的進步如何進一步革新人形機器人的設計和控制，從而實現更複雜的功能和在人類環境中的無縫集成？

3D 列印技術的進步為人形機器人的設計和控制帶來了革命性的變化，將進一步推動其功能複雜化和與人類環境的無縫集成：
設計方面：

複雜結構一體化製造： 3D 列印可以製造具有複雜幾何形狀和內部結構的零件，將人形機器人的關節、連桿、傳感器等部件整合到更少的零件中，簡化組裝流程，提高機器人的可靠性和可維護性。
輕量化設計： 3D 列印可以使用輕質材料和優化設計，在保證結構強度的同時，最大限度地減輕機器人重量，提高其運動速度、靈活性和能量效率。
個性化定制： 3D 列印可以根據特定需求快速製造個性化的人形機器人，例如不同身高、體重、功能的機器人，滿足醫療康復、家庭服務等不同應用場景的需求。
生物相容性材料： 3D 列印可以使用生物相容性材料製造人形機器人，使其更安全地與人類接觸和互動，例如應用於醫療護理、康復訓練等領域。
控制方面：

分佈式控制： 3D 列印可以將傳感器、執行器和控制電路直接嵌入到機器人結構中，實現分佈式控制，提高機器人的響應速度、運動精度和穩定性。
軟機器人技術： 3D 列印可以製造具有彈性和柔性的軟機器人，使其更安全地與人類和環境互動，例如應用於人機交互、抓取操作等領域。
仿生設計： 3D 列印可以根據生物模型製造具有生物特性的機器人，例如模仿人類肌肉和肌腱的結構，提高機器人的運動效率和靈活性。
總之，3D 列印技術的進步將推動人形機器人朝著更輕便、靈活、智能、安全的方向發展，使其更好地服務於人類社會。