全新SEIKO控制器：提高人形机器人多触点控制的稳定性和精确性

全新SEIKO控制器：提高人形机器人多触点控制的稳定性和精确性

现今的人形机器人大多采用位置控制，这种方式虽然简单可靠，但缺乏对接触力的直接控制能力。而大多数关于多触点全身控制的研究依赖于使用逆动力学控制器的力矩控制机器人。然而，逆动力学对模型和校准误差非常敏感，完美识别环境的特性通常是不可能的。此外，多触点控制时力的分配存在冗余性。当机器人双手接触到桌子时，它可以通过多种方式分配双手的力，而不在关节位置上表现出明显的变化。这种力分配的冗余性增加了在需要精确控制接触力的任务中控制的复杂性。

近日，法国洛林大学的研究团队研发了一款多触点全身力控制控制器。在高1.75米、重99.7公斤且具有32个自由度的人形机器人Talos的实验中，团队利用机器人的非刚性特性来显式建模关节位置命令与接触力之间的关系。柔性源自不可观察的机械结构弯曲或非理想关节位置控制的内部阻抗。

团队提出了新型控制器SEIKO（Sequential Equilibrium Inverse Kinematic Optimization），其主要创新在于利用机器人的非刚性特性来显式建模关节位置指令与接触力之间的关系，能够增强机器人的环境感知能力，从而更好地进行多触点控制和任务执行。

SEIKO控制表现

机器人能够在手部和脚部的接触点辅助下保持平衡，在斜坡和不平坦表面上更稳定地行走。

机器人凭借显著增强的稳定性，能够轻松踩上15厘米的台阶。通过手部与环境的接触，机器人能够通过在伸展手臂扩大其运动范围，并实现精确的目标触及。在进行9公斤质量模型误差的测试中，机器人展现了出色的鲁棒性。

SEIKO技术细节

SEIKO控制器的核心技术是二次规划（QP）求解。通过求解两个实时的QP问题，SEIKO控制器能够从笛卡尔命令生成全身期望配置，并利用柔性模型计算关节位置修正。

QP问题的求解过程包括以下几个步骤：

姿态偏转计算：通过第一个QP问题，SEIKO控制器计算出由于机器人柔性引起的姿态偏转。这一步考虑了机器人当前的姿态和接触力，目的是找到一个新的姿态，使得机器人在接触点上的力分布更加合理。

关节指令修正：在计算出姿态偏转后，第二个QP问题用于计算关节位置修正。这一步利用柔性模型，将姿态偏转转化为具体的关节位置指令，以实现对接触力的间接控制。

实时求解：上述两个QP问题需要在实时控制循环中快速求解。SEIKO控制器依赖高效的QP求解器，确保在每个控制周期内都能及时更新关节指令。

SEIKO控制器通过显式柔性模型和顺序QP优化方法，在Talos人形机器人上成功实现了多触点全身力控制，展示了其在复杂任务中的效能和鲁棒性。未来的发展方向包括进一步优化算法以提升实时控制的响应速度和稳定性，同时集成先进的感知能力和智能操作接口，以增强机器人在复杂环境和危险任务中的表现。此外，结合机器学习技术，SEIKO控制器有望持续提升机器人的自主适应能力，使其能够更灵活地应对不断变化的任务和工作环境。