Actuator-Aware Inverse Kinematics with Joint-Limit Admissibility for Torque-Controlled Redundant Robots

技术摘要：面向力矩控制冗余机器人的执行器感知型逆运动学与关节极限容许性研究

问题陈述
冗余机器人拥有比实现特定任务空间运动所需的更多驱动关节，从而提供了额外的自由度来满足次要目标（如关节极限规避）。然而，在力矩控制架构中，逆运动学（IK）的输出并非最终的控制输入，而是作为参考速度提供给下游的力矩级控制器（例如虚拟分解控制，VDC）。因此，仅仅最小化指令运动学的残差并不能保证实现良好的实际运动。如果生成的关节速度参考值与下游控制器的动力学或执行器限制不兼容，物理系统可能会在追踪任务时失败，尤其是在接近关节极限时。现有的 IK 方法通常基于运动学准则（如最小范数、零空间投影）来解决冗余问题，而没有明确考虑参考值与特定力矩级控制回路或执行器容量约束之间的兼容性。

方法论
本文提出了一种控制器兼容型 IK 方案，通过凸二次规划（QP）问题生成关节级所需速度 ($\dot{q}_r$)。该方法旨在作为端点轨迹与冗余机器人力矩级控制器之间的中间层。

1. 控制器兼容性目标： 该 QP 问题通过最小化一个平衡了任务保持与控制器兼容性的代价函数。权重矩阵 ($W_c$) 包括：

   • 各向同性基准： 确保良好的条件数。
   • 前一指令一致性 ($W_\Delta$)： 惩罚相对于前一步骤的剧烈速度变化，以促进平滑性。
   • 执行器力矩容量加权 ($W_\tau$)： 惩罚使用相对于系统中强度最大关节而言容量较低的关节。该权重是根据已知的执行器极限而非实测力矩推导而出的。

2. 关节极限容许性： 该方法并未采用可能导致 QP 不可解的硬约束，而是采用基于控制屏障函数（CBF）形式的不等式来定义一个可容许的所需速度集 ($D_r(q)$)。这些边界确保了指令速度不会驱动关节过快地趋向其机械极限。

3. 软任务约束： 为了处理任务指令与可容许速度集不兼容的情况，任务方程 ($J\dot{q}_r = V_r$) 被视为软约束，通过使用松弛变量 ($s$) 来处理。任务残差在目标函数中被惩罚，而非作为主要的最小化目标，从而允许求解器在必要时优先考虑控制器兼容性。

核心贡献

• 公式化： 一种新型基于 QP 的 IK 公式，明确将执行器力矩容量和前一指令一致性纳入力矩控制冗余机器人的冗余解析中。
• 参考级安全性： 引入了针对“所需”速度（即 IK 输出）而非植物输入（plant input）的 CBF 式边界，在无需修改下游控制器的情况下，实现了参考级的关节极限容许性。
• 任务容许性权衡： 通过对任务方程使用松弛变量，建立了一种平衡任务保持与控制器兼容性的机制，防止任务残差覆盖对实现平滑且可行参考的需求。

实验结果
该方法在采用虚拟分解控制（VDC）框架的 7 自由度上肢外骨骼上进行了评估。将其与四种基准方法进行了对比：伪逆法（PINV）、阻尼最小二乘法（DLS）、零空间关节极限规避法（NS-JLA）以及使用相同容许性约束但缺乏控制器兼容性目标的任务保持型 QP（TP-QP）。

• 实现性能： 所提方法实现了最低的均方根（RMS）位置误差和姿态误差，以及最低的实际任务速度残差，表现优于所有基准方法。值得注意的是，与 TP-QP 基准相比，它将 RMS 位置误差降低了 29.6%，将 RMS 姿态误差降低了 20.2%。
• 极限行为： 该方法表现出显著较低的“极限推动”指数（即指向极限方向的指令），与其他方法相比，该指数降低了高达 96%。
• 力矩效率： 它产生了最低的 RMS 力矩范数，表明能更高效地利用执行器资源。
• 容许性： 该方法保持了零次违反可容许所需速度边界的情况，而运动学基准方法（PINV, DLS, NS-JLA）则频繁超出这些边界。

意义与主张
本文主张，对于力矩控制的冗余机器人，IK 不应仅仅最小化运动学误差，还必须生成与下游控制器及执行器能力相兼容的关节级参考。结果表明，所提方案在任务保持与容许性之间实现了卓越的平衡。通过生成尊重执行器容量并避免激进极限推动的参考值，该方法在无需重新设计现有力矩级控制器的情况下，提升了实际的任务行为。作者谦虚地将这些发现界定为“参考级关节极限感知”和“控制器兼容型冗余解析”，而非正式的植物级（plant-level）安全性证明。未来的工作确定为研究耦合的 IK–力矩控制约束公式以及正式的闭环约束分析。