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

Resumo Técnico: Corrida de um Quadrúpede com Rodas via Mitigação Ativa de Transferência de Carga

Definição do Problema
Quadrúpedes com rodas oferecem uma síntese única de adaptabilidade de pernas e eficiência de rodas, porém seu controle em altas velocidades apresenta desafios significativos devido à complexidade das dinâmicas de contato e aos 16 graus de liberdade. Em corridas autônomas, os veículos operam próximos aos seus limites dinâmicos, onde a transferência lateral de carga reduz a capacidade de curva efetiva e aumenta o risco de capotamento. Abordagens de controle tradicionais para quadrúpedes com rodas frequentemente aplicam dinâmicas de marcha de pernas ou assumem um chassi rígido, falhando em explorar os graus de liberdade inerentes da plataforma para gerenciar ativamente o rolamento da carroceria. Embora o controle de rolamento ativo seja uma estratégia estabelecida em motocicletas e veículos inclináveis, não foi demonstrado em quadrúpedes com rodas para objetivos de corrida, nem a prevenção de capotamento foi validada experimentalmente para quadrúpedes com rodas de direção por deslizamento (skid-steering) neste contexto.

Metodologia
Os autores propõem um framework de controle hierárquico integrando Controle Preditivo Baseado em Modelo (MPC) e Aprendizado por Reforço (RL) para gerenciar a transferência de carga lateral na plataforma Unitree Go2-W. O sistema opera em três níveis:

1. Modelagem do Veículo: O robô é modelado como uma bicicleta dinâmica com um grau de liberdade de rolamento ativo adicional. As quatro rodas são agrupadas em pneus equivalentes dianteiro e traseiro, enquanto os atuadores das pernas funcionam como uma suspensão ativa. O modelo assume um corpo rígido com geometria constante, onde o guinada (yaw) é gerado via torque diferencial das rodas (skid-steering) e o rolamento (roll) é gerado por extensão assimétrica das pernas. As dinâmicas incluem movimento planar (derrapagem lateral, guinada, velocidade longitudinal) e dinâmicas de rolamento desacopladas impulsionadas pela aceleração lateral.
2. Geração de Linha de Corrida Offline: Uma linha de corrida ótima é computada offline resolvendo um Problema de Controle Ótimo de Tempo Finito (FTOCP) que minimiza o tempo de volta sujeito aos limites da pista e às dinâmicas do veículo. Isso fornece uma trajetória de referência para posição, direção e velocidade.
3. Planejador MPC Online: Um MPC de alto nível rastreia a referência da linha de corrida. A função de custo inclui termos para rastreamento de posição, direção e velocidade, enquanto penaliza explicitamente a Razão de Transferência de Carga (LTR) para levá-la a zero. O MPC gera três comandos de alto nível: aceleração longitudinal ($a_x$), momento de guinada ($M_\psi$) e momento de rolamento ($M_\theta$).
4. Política de RL de Baixo Nível: Uma política de aprendizado por reforço, treinada em simulação usando Otimização de Política Próxima (PPO) com randomização de domínio, mapeia os comandos de alto nível do MPC para 1s alvos de articulação individuais. Esta política lida com as dinâmicas altamente acopladas de contato e motores, convertendo o comando abstrato de momento de rolamento em extensões assimétricas das pernas para inclinar o robô nas curvas.

Principais Contribuições
O artigo apresenta três contribuições primárias:

1. Formulação de MPC: Uma formulação de controle inovadora que utiliza o controle de rolamento ativo para mitigar a transferência de carga lateral, especificamente adaptada para o desempenho de corrida de um quadrúpede com rodas.
2. Arquitetura Hierárquica: Um stack de controle completo combinando otimização de linha de corrida offline, MPC online para rastreamento de referência e RL de nível de junta para execução.
3. Validação em Hardware: Validação experimental bem-sucedida do método proposto no hardware físico, demonstrando controle de rolamento ativo para um objetivo de corrida em uma plataforma de rodas com direção por deslizamento.

Resultados Experimentais
Experimentos foram conduzidos em uma pista interna em formato de L com o Unitree Go2-W. O controlador de rolamento ativo proposto ("Tilt ON") foi comparado contra um controlador de linha de base onde o comando de momento de rolamento foi fixado em zero ("Tilt OFF"). As principais descobertas incluem:

• Mitigação de Transferência de Carga: Em acelerações laterais equivalentes, o controle de rolamento ativo reduziu a média da Razão de Transferência de Carga (LTR) em até 44%.
• Ganhos de Desempenho: O controlador de rolamento ativo melhorou o tempo de volta mais rápido em 8,7% (de 10,96s para 10,01s) e reduziu o tempo de volta médio em 6,4%.
• Capacidade Dinâmica: A capacidade de aceleração lateral de pico aumentou em 21,3%, atingindo 1,98 m/s² em comparação com 1,64 m/s² da linha de base.
• Estabilidade: O sistema manteve uma estabilidade de alta velocidade robusta além do alcance operacional da linha de base não inclinável, embora a distribuição de LTR tenha mostrado uma leve sobrecompensação consistente com os ganhos do sistema identificados.

Significância
O artigo demonstra que quadrúpedes com rodas podem transcender suas limitações de corpo rígido ao tratar suas pernas como uma suspensão ativa. Ao integrar o controle de rolamento ativo em um framework de corrida, o sistema efetivamente combate a transferência de carga, preservando assim a aderência dos pneus e permitindo velocidades de curva mais altas. Este trabalho une a lacuna entre as estratégias de dinâmica de veículos usadas em veículos inclináveis e o controle de robôs de pernas, provando que a inclinação ativa do corpo pode ser uma estratégia viável e eficaz para aumentar o desempenho dinâmico de plataformas de rodas com pernas em corridas autônomas de alta velocidade.