ZiMPedance：面向四足机器人负载运输的阻抗感知 ZMP 建模与控制
该论文针对四足机器人通过被动弹簧臂搬运负载的场景，建立了将被动接口刚度、阻尼与负载质量关联到 ZMP 响应的降阶解析模型，指出低阻尼被动模态可能与步态谐波重叠。作者提出基于扩展单刚体动力学的臂感知模型预测控制 ARMPC，融合浮动基动力学、被动臂关节状态、扭转弹簧阻尼与基座-臂惯性耦合。仿真消融中 ARMPC 在所有测试条件下减少 ZMP 裕度违规并避免失败，Nominal MPC 与 Baseline MPC 违规率和失败率更高；2 kg 负载硬件拉放实验中 ARMPC 纵向与对角线扰动试验全部无失败，Baseline MPC 分别失败 7/15 和 8/15 次。
发布于 10-27 12:59来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《ZiMPedance: Impedance-Aware ZMP Modeling and Control for Payload Carrying with Quadruped Robots》查看原链
arXiv:2606.18883v2 替换公告 摘要：四足机器人搬运负载时，机器人与负载之间物理接口的动力学特性会显著影响运输效果。 被动弹簧臂相比主动机械臂更轻量，且具有机械柔顺性，但其动力学特性会在运动过程中储存和释放能量，产生振荡的交互力，从而降低机器人稳定性。
本文针对四足机器人通过被动臂搬运负载的场景，建立了考虑被动臂的 ZMP 模型。 该降阶解析模型将被动接口的刚度、阻尼和负载质量与外部负载激励及运动引起的基座激励下的 ZMP 响应关联起来，表明低阻尼的被动模态可能与步态谐波重叠。 随后，我们提出 ARMPC（臂感知模型预测控制），这是一种基于扩展单刚体动力学的被动臂模型预测控制方法，融合了降阶浮动基动力学、被动臂关节状态、内部扭转弹簧与阻尼器以及基座-臂惯性耦合。
仿真消融实验表明，ARMPC 在所有测试条件下均能持续减少 ZMP 裕度违规并防止失败；而既未建模也未补偿被动臂的 Nominal MPC，以及通过估计力旋量进行补偿的 Baseline MPC，在扰动下表现出更高的违规百分比和失败率。 使用 2 kg 负载的硬件拉放实验表明，所提出的 ARMPC 在纵向和对角线扰动试验中均无失败完成全部试验，而 Baseline MPC 分别有 7/15 和 8/15 次试验失败。
同一模型还能在保持正 ZMP 裕度的同时实现被动臂末端执行器跟踪。