Racing a Wheeled Quadruped: Active Load Transfer Mitigation via Model Predictive Control

Sintesi Tecnica: Corse con un Quadrupedi Ruotato tramite la Mitigazione Attiva del Trasferimento del Carico

Definizione del Problema
I quadrupedi ruotati offrono una sintesi unica tra l'adattabilità delle zampe e l'efficienza delle ruote, ma il loro controllo ad alte velocità presenta sfide significative a causa della complessa dinamica di contatto e dei 1 ecc. 16 gradi di libertà. Nelle corse autonome, i veicoli operano vicino ai loro limiti dinamici, dove il trasferimento di carico laterale riduce la capacità di percorrenza in curva e aumenta il rischio di ribaltamento. Gli approcci di controllo tradizionali per i quadrupedi ruotati spesso applicano la dinamica del passo delle zampe o assumono un telaio rigido, fallendo nel sfruttare i gradi di libertà intrinseci della piattaforma per gestire attivamente il rollio del corpo. Sebbene il controllo attivo del rollio sia una strategia consolidata in motocicli e veicoli inclinabili, non è stato dimostrato su quadrupedi con ruote per obiettivi di corsa, né il superamento del ribaltamento è stato validato sperimentalmente per quadrupedi ruotati con sterzata a scivolamento (skid-steering) in questo contesto.

Metodologia
Gli autori propongono un framework di controllo gerarchico che integra il Controllo Predittivo del Modello (MPC) e l'Apprendimento per Rinforzo (RL) per gestire il trasferimento di carico laterale su una piattaforma Unitree Go2-W. Il sistema opera su tre livelli:

1. Modellazione del Veicolo: Il robot è modellato come una bicicletta dinamica con un grado di libertà di rollio attivo aggiunto. Le quattro ruote sono raggruppate in pneumatici equivalenti anteriori e posteriori, mentre gli attuatori delle zampe fungono da sospensione attiva. Il modello assume un corpo rigido con geometria costante, dove lo yaw è generato tramite coppia differenziale delle ruote (skid-steering) e il rollio è generato da un'estensione asimmetrica delle zampe. La dinamica include il moto planare (sideslip, yaw, velocità longitudinale) e la dinamica di rollio disaccoppiata guidata dall'accelerazione laterale.
2. Generazione della Linea di Corsa Offline: Una linea di corsa ottimale viene calcolata offline risolvendo un Problema di Controllo Ottimo a Tempo Finito (FTOCP) che minimizza il tempo sul giro soggetto ai confini della pista e alla dinamica del veicolo. Ciò fornisce una traiettoria di riferimento per posizione, imbardata e velocità.
3. Planner MPC Online: Un MPC di alto livello segue la linea di corsa di riferimento. La funzione di costo include termini per il tracciamento di posizione, imbardata e velocità, penalizzando esplicitamente il Rapporto di Trasferimento del Carico (LTR) per spingerlo verso lo zero. L'MPC produce tre comandi di alto livello: accelerazione longitudinale ($a_x$), momento di imbardata ($M_\psi$) e momento di rollio ($M_\theta$).
4. Policy RL di Basso Livello: Una policy di apprendimento per rinforzo, addestrata in simulazione utilizzando l'ottimizzazione della politica prossimale (PPO) con randomizzazione del dominio, mappa i comandi MPC di alto livello verso 16 target articolari individuali. Questa policy gestisce la dinamica altamente accoppiata di contatto e motore, convertendo l'astratto comando di momento di rollio in estensioni asimmetriche delle zampe per inclinare il robot durante le curve.

Contributi Chiave
Il documento presenta tre contributi primari:

1. Formulazione MPC: Una nuova formulazione di controllo che utilizza il controllo attivo del rollio per mitigare il trasferimento di carico laterale, specificamente adattata per le prestazioni di corsa di un quadrupedo ruotato.
2. Architettura Gerarchica: Uno stack di controllo completo che combina l'ottimizzazione della linea di corsa offline, l'MPC online per il tracciamento del riferimento e l'RL a livello di giunto per l'esecuzione.
3. Validazione Hardware: Validazione sperimentale riuscita del metodo proposto su hardware fisico, dimostrando il controllo attivo del rollio per un obiettivo di corsa su una piattaforma a ruote con sterzata a scivolamento.

Risultati Sperimentali
Gli esperimenti sono stati condotti su una pista interna a forma di L con l'Unitree Go2-W. Il controllore di rollio attivo proposto ("Tilt ON") è stato confrontato con un controllore di base in cui il comando di momento di rollio era fissato a zero ("Tilt OFF"). I risultati chiave includono:

• Mitigazione del Trasferimento del Carico: Ad accelerazioni laterali corrispondenti, il controllo attivo del rollio ha ridotto il valore medio del Rapporto di Trasferimento del Carico (LTR) fino al 44%.
• Guadagni di Prestazione: Il controllore di rollio attivo ha migliorato il tempo sul giro più veloce dell'8,7% (da 10,96s a 10,01s) e ha ridotto il tempo medio sul giro del 6,4%.
• Capacità Dinamica: La capacità di accelerazione laterale di picco è aumentata del 21,3%, raggiungendo 1,98 m/s² rispetto a 1,64 m/s² della versione di base.
• Stabilità: Il sistema ha mantenuto una robusta stabilità ad alta velocità oltre l'intervallo operativo della versione di base non inclinabile, sebbene la distribuzione dell'LTR abbia mostrato un leggero sovra-compensazione coerente con i guadagni di sistema identificati.

Significatività
Il lavoro dimostra che i quadrupedi ruotati possono trascendere i loro limiti di corpo rigido trattando le loro zampe come una sospensione attiva. Integrando il controllo attivo del rollio in un framework di corsa, il sistema contrasta efficacemente il trasferimento di carico, preservando così l'aderenza degli pneumatici e consentendo velocità di percorrenza in curva più elevate. Questo lavoro colma il divario tra le strategie di dinamica del veicolo utilizzate nei veicoli inclinabili e il controllo dei robot leggati, provando che l'inclinazione attiva del corpo può essere una strategia valida ed efficace per migliorare le prestazioni dinamiche delle piattaforme a ruote e zampe in contesti di corsa autonoma ad alta velocità.