Locomotion control of a lightweight quadruped robot
Contrôle de la locomotion d'un robot quadrupède léger
Résumé
Since Antiquity, humans have tried to understand the functioning of legged locomotion by adopting multidisciplinary approaches. In recent years, this question has become central in robotics, where the development of legged robots has boomed thanks to advances in mechatronics and increased computer power. However, due to the complexity of the problem, obtaining a robust autonomous locomotion in a wide range of situations is still an open problem, even if increasingly impressive performances are obtained. Several key characteristics of this kind of locomotion require carefully designed mechanical and control architectures to be able to perform tasks in a meaningful way. Legged robots have to move around without being attached to the ground. Their dynamics is an underactuated problem and, as such, they have to be controlled indirectly through the motion of their actuated appendages. This has to be done for task purpose, like going to a target location or orienting the body in a particular way, but also to keep balance. Most quadrupeds and bipeds are only dynamically stable when walking in non-conservative ways so they require careful control to stay upright. To do so, the controller has to take into account the dynamics of the robot while coordinating multiple degrees of freedom. This is a challenge with legged robots that are by nature highly nonlinear systems. Over the last decades a wide range of methods have been developed to perform dynamic locomotion with legged robots. Some of them are bio-inspired and rather intuitive, like central pattern generators, while others have a strong theoretical aspect to achieve formal proofs of stability, like hybrid zero dynamics. Recently, the rise of machine learning also opens a whole new paradigm where, instead of being formulated by hand, the locomotion model is learned from data either online or during a training phase. It potentially allows to capture effects that would be hard to model or which would be untractable for some model-based architectures. In this thesis, we rather explore a predictive model-based approach which reasons over a prediction horizon to take the best control decisions for a given set of criterion. This kind of approach has already led to efficient locomotion with a wide range of quadruped robots. This thesis contributes to the locomotion of legged robots by developing a control architecture able to exploit the dynamical capabilities of a lightweight quadruped robot. The use of complementary filters allows a straightforward sensors fusion for the estimation of the robot state. Binary matrices make it possible to handle contact sequences in a generic way to modify the gait pattern on the fly. This information can then be used to determine footstep locations online using a small set of heuristics. By reasoning on a prediction horizon a centroidal model predictive control can then find out which forces should be applied at contact locations to follow a reference state trajectory and handle disturbances. Next, a whole-body controller translates desired contact forces and swinging feet trajectories into joint trajectories and feedforward torques. Finally, an impedance controller provides feedback torques based on the difference between the desired and current joint positions and velocities to obtain the commands sent to the robot. The modularity of the architecture allows to easily augment some aspects of the scheme or to replace them to test out other methods, as it will be shown several times in this thesis. This control scheme is implemented in a real-time framework and successfully deployed on the Solo-12 quadruped. The possibilities offered by this architecture, both in terms of performances and versatility, are validated through simulations and experiments. Several applications allowed us to quantify the interest and relevance of the presented scheme for the locomotion control of lightweight quadruped robots.
Depuis l'Antiquité, l'humanité tente de comprendre le fonctionnement de la locomotion à pattes en adoptant des approches multidisciplinaires. Ces dernières années, cette question est devenue centrale en robotique, où le développement des robots à pattes a connu un essor considérable grâce aux progrès de la mécatronique et à l'augmentation de la puissance des ordinateurs. Cependant, en raison de la complexité du problème, l'obtention d'une locomotion autonome robuste dans un large éventail de situations reste un problème ouvert, même si des performances de plus en plus impressionnantes sont obtenues. Les robots à pattes doivent se déplacer sans être attachés au sol, ils doivent donc être contrôlés indirectement via le mouvement de leurs membres actionnés. Cela doit être fait pour accomplir une tâche, comme se rendre à un endroit cible ou orienter le corps d'une certaine manière, mais aussi pour garder l'équilibre. La plupart des quadrupèdes et des bipèdes ne sont que dynamiquement stables lorsqu'ils marchent de manière non conservative, ce qui demande un contrôle minutieux pour rester debout. Pour ce faire, le contrôleur doit prendre en compte la dynamique du robot tout en coordonnant plusieurs degrés de liberté. C'est un défi pour les robots à pattes qui sont par nature des systèmes hautement non linéaires. Au cours des dernières décennies, un large panel de méthodes a été développé pour obtenir une locomotion dynamique avec de tels robots. Certaines d'entre elles sont bio-inspirées et plutôt intuitives, comme les réseaux locomoteurs spinaux, tandis que d'autres ont un fort aspect théorique afin d'obtenir des preuves formelles de stabilité, comme la dynamique hybride zéro. Récemment, l'essor de l'apprentissage automatique offre également un nouveau paradigme où, au lieu d'être formulé à la main, le modèle de locomotion est appris à partir de données, soit en ligne, soit pendant une phase d'entraînement. Dans cette thèse, nous explorons plutôt une approche prédictive basée modèle qui raisonne sur un horizon de prédiction pour prendre les meilleures décisions de contrôle selon certains critères. Ce type d'approche a déjà abouti à une locomotion efficace pour une large gamme de robots quadrupèdes. Cette thèse contribue à la locomotion des robots à pattes en développant une architecture de contrôle capable d'exploiter les capacités dynamiques d'un robot quadrupède léger. L'utilisation de filtres complémentaires permet une fusion simple des capteurs pour l'estimation de l'état du robot. Des matrices binaires permettent de traiter les séquences de contact de manière générique afin de modifier la démarche à la volée. Cette information peut ensuite être utilisée pour déterminer la position des pas en ligne en utilisant un ensemble réduit d'heuristiques. En raisonnant sur un horizon de prédiction, une commande prédictive centroïdale peut alors déterminer les forces qui doivent être appliquées aux points de contact pour suivre une trajectoire de référence et gérer les perturbations. Ensuite, un contrôleur corps complet traduit les forces de contact souhaitées et les trajectoires de balancement des pieds en trajectoires articulaires et en couples moteurs. Enfin, un contrôleur d'impédance fournit des couples de rétroaction basés sur la différence entre les positions et les vitesses articulaires souhaitées et actuelles. La modularité de l'architecture permet d'étendre facilement certains de ses aspects ou de les remplacer pour tester d'autres méthodes, comme cela sera montré à plusieurs reprises dans cette thèse. Ce schéma de contrôle est implémenté en temps réel et déployé avec succès sur le quadrupède Solo-12. Les possibilités offertes par cette architecture, tant en termes de performances que de polyvalence, sont validées par des simulations et des expériences. Plusieurs applications nous ont permis de quantifier l'intérêt et la pertinence du schéma présenté pour le contrôle de la locomotion de robots quadrupèdes légers.
Domaines
Robotique [cs.RO]
Origine : Version validée par le jury (STAR)