🤖 AI

ASTRIL-MPC: Autonomous Traversal Framework of Articulated Tracked Robots with Language-Guided Neural-Kinematic MPC

本文提出了 ASTRIL-MPC，一种语言引导的神经运动学模型预测控制框架，该框架通过整合学习到的运动学、基于优化的规划以及大语言模型驱动的参数调优，显著提升了关节式履带机器人在复杂、多接触环境中的自主穿越性能，以实现鲁棒且无碰撞的导航。

原作者： Zhenfeng Gan, Yanbo Chen, Lirong Che, Junbo Tan, Xueqian Wang

发布于 2026-09-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Zhenfeng Gan, Yanbo Chen, Lirong Che, Junbo Tan, Xueqian Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在城市搜救那混乱且破碎的废墟中，建筑已经坍塌，楼梯已化作嶙峋的碎石，机器人不仅要能看见前方的路，更必须能够“感知”路径。这就是关节式履带机器人的领域——这类机器配备了像坦克一样的连续履带，并加装了额外的、可移动的拨片（flippers），使其能够伸出并抓取台阶或碎片。这些机器旨在应对那些对人类而言过于危险、对标准轮式车辆而言过于复杂的环境。然而，让这些机器人可靠地移动是一个深刻的挑战。它们所行进的地表并非平坦的道路，而是不断变化的、不平整的表面，机器人的金属履带和拨片在其中不断地与地面接触又脱离。每当拨片触碰到台阶或履带在松动的岩石上打滑时，机器人的运动物理特性就会瞬间发生变化。传统的计算机程序难以应对，因为它们依赖于无法预见每一种颠簸或角度的预设规则；而较新的基于学习的系统则往往学会在理论上运行平滑，但在现实中却表现得极其颠簸或不稳定。

为了解决这个问题，研究人员开发了一种名为 ASTRIL-MPC 的新框架，该系统允许这些救援机器人通过实时思考和调整来攀爬障碍物。该系统的核心是一种结合了三种不同能力的混合方法。首先，它使用了一个学习模型，本质上是一个经过数千次模拟攀爬训练的“数字大脑”，用于根据前方地面的形状精确预测机器人在未来几秒内的运动方式。其次，它使用一个数学规划器，不断将这些预测与严格的安全规则进行比对，确保机器人不会倾覆或撞墙。第三，也是最具创新性的，系统利用一个大语言模型充当高级监督者。这个监督者并不直接告诉机器人哪个电机该转动，而是听取简单的指令，如“小心移动”或“快一点”，并将其转化为对机器人内部设置的精确调整。这使得机器人能够适应不同的地形和操作员偏好，而无需从头开始重新编程或重新训练。

研究人员在模拟环境（模拟了包括陡峭楼梯和杂乱室内在内的灾区艰苦条件）中测试了这一框架。他们将新系统与另外两种常见方法进行了对比：一种是不具备适应新情况能力的标准规划系统，另一种是通过试错法训练的学习型系统。结果显示，这种新型语言引导系统表现显著优于其他系统。在涉及上下楼梯的测试中，该自适应系统相比非自适应规划器提升了高达 71% 的通行质量，相比基于学习的基准系统也提升了 67%。至关重要的是，新系统消除了在下楼梯时的可测量碰撞冲击——这是机器人经常发生碰撞或失去平衡的常见失败点。系统通过不断优化速度与稳定性之间的内部平衡来实现这一点，确保机器人的车身保持水平，且即便地形发生变化，其动作依然保持平稳。

这项成就之所以特别值得关注，在于系统处理机器人运动复杂性的方式。研究人员发现，试图实时编写出机器人履带与地面之间所有可能的物理交互作用过于困难。相反，他们训练了一个神经网络，通过数据学习这些交互作用，从而能在不到十分之一秒的时间内高精度地预测机器人的未来位置。这种速度至关重要，因为机器人必须每秒进行数百次决策才能保持直立。随后，系统将此预测嵌入到一个规划循环中，在遵守硬性限制（例如履带转动的最大速度或机器人可能倾覆的角度）的同时，求解出最佳路径。通过保持这些安全约束的刚性，系统确保即使在适应新指令时，也绝不会违反维持平衡的物理定律。

语言模型在此过程中的作用是作为人类意图与机器执行之间的桥梁。当操作员提供新指令时，系统不仅仅是改变机器人的目的地，而是微妙地重新调整控制机器人行为的权重和限制。例如，如果操作员要求采取更谨慎的方式，系统可能会自动降低机器人的速度限制并增加对突然动作的惩罚，从而使机器人移动得更慢、更稳健。反之，如果指令是快速移动，系统则会调整参数以允许更高的速度，同时仍保持稳定性。这种调整是在一个安全门控内进行的，以防止语言模型做出过于极端或矛盾的更改，确保无论接收到何种指令，机器人都能保持安全。研究人员证明，这种方法使机器人能够在无需任何新训练数据的情况下，将其技能泛化到未见的障碍物（如不同高度的楼梯）上。

在实验中，研究人员观察到系统在各种具有挑战性的场景中保持了连贯且稳定的姿态。在跨越单个大块物体或通过一系列楼梯时，机器人能自主选择正确的拨片配置，即通过伸展拨片来抓取台阶，或收回拨片以避开障碍物。这种以往需要针对特定环境进行专家级调优的协调能力，现在由系统动态实现。数据显示，自适应控制器减少了机器人车身的震动和颠簸，从而实现了更平滑的运动并减轻了对机器部件的压力。消除下降过程中的碰撞冲击的能力尤为重要，因为它表明机器人可以安全地在陡峭、不稳定的坡道上行驶，而不会损坏自身或周围的碎片。

该框架的成功为复杂、非结构化环境中的自主机器人指明了一条新路径。通过将学习模型的预测能力、数学规划的严谨安全性以及语言引导的适应灵活性相结合，研究人员创建了一个既鲁棒又具响应性的系统。研究结果表明，该方法可以处理机器人与地形之间混合且不连续的交互性质，即地面在瞬间从坚实变为湿滑，或从平坦变为陡峭。虽然目前的工作是在模拟环境中进行的，但控制循环的速度和结果的清晰度表明，该系统在未来部署方面具有广阔前景。研究人员计划扩展这项工作，以处理可变形物体，将能源效率纳入机器人的决策过程，并在更多的现实世界平台中验证该框架，以进一步提高长期救援任务中的效率。最终，这项工作证明，只要拥有正确的学习与安全结合，机器人就可以被信任去探索地球上最艰难、最危险的地方。

技术摘要：ASTRIL-MPC

问题陈述

关节式履带机器人（ATRs）在涉及结构化但接触丰富的环境（如楼梯间和杂乱的室内）的城市搜索与救援行动中至关重要。在这种环境下，可靠的自主性受到两个主要挑战的制约：

混合与不连续交互： 机器人与地形之间的交互（RTI）涉及频繁的支持模式切换和不连续接触，这使得对机器人-地形动力学的显式解析建模变得十分困难。
建模与调优复杂度： 底盘与关节式履带片（flippers）之间的有效协调难以建模。此外，传统的模型预测控制（MPC）方法面临障碍：在混合接触下的精确建模对于实时优化而言具有计算挑战性；同时，多目标代价权重和约束的调优过程极其耗时，通常需要针对特定场景进行专家干预。

现有解决方案存在局限性：经典的基于几何的规划器依赖于预定义的配置，且往往产生非平滑轨迹；强化学习（RL）避免了显式建模，但经常出现抖动、振荡问题，并且需要针对特定地形进行奖励塑造；而视觉-语言-动作（VLA）模型则缺乏强制执行硬遍历约束的显式机制。

方法论

作者提出了 ASTRIL-MPC，一种语言引导的神经运动学 MPC 框架，旨在平衡数据驱动的适应性与受约束优化的安全性。该系统由三个紧密耦合的层组成：

1. 地形调节的神经运动学

系统并未采用显式的接触建模，而是采用了一种轻量级的学习型离散时间运动学模型 ( $f_\theta$ )。

输入： 该模型接收局部高度序列（从全局地图中采样）、近期机器人状态与控制指令的短历史缓冲区，以及当前的控制输入。
输出： 它预测在附着在地图坐标系下的短时标任务状态增量（位置、俯仰角和履带片角度）。
训练： 该模型使用复合损失函数进行训练，该函数平衡了拟合精度 ( $L_{fit}$ )、惩罚前向超调 ( $L_{over}$ )、强制时间平滑性 ( $L_{sm}$ )、约束量级 ( $L_{mag}$ )，并包含了正则化项 ( $L_{reg}$ )。这种设计旨在产生稳定且具备控制感知能力的预测，从而在无需枚举接触模式的情况下捕捉混合接触效应。

2. 受约束的神经 MPC

学习到的运动学模型被直接嵌入到非线性模型预测控制（NMPC）求解器中，作为状态转移约束。

公式化： NMPC 通过求解有限时标的最优控制问题，在满足严格的可行性约束（状态和输入边界）的同时，最小化多目标代价（跟踪误差和输入惩罚）。
效率： 神经模型被编译为求解器兼容的代码（通过 L4CasADi），使得包括优化在内的整个控制周期能在 100 ms 内运行。
控制策略： 代价函数包含用于履带片的 PD 前馈项和用于底盘的阶梯式速度参考，以抑制抖动。

3. 语言引导的安全重调优

大语言模型（LLM）充当高层参数调节器，而非直接的动作生成器。

角色： 给定近期状态-输入历史的紧凑摘要和自然语言操作指令，LLM 会提出对一组受限 MPC 参数（例如：状态跟踪权重、输入惩罚、履带片 PD 增益和速度边界）的有界更新。
安全门控： 所有 LLM 的建议都会通过一个安全接口，该接口强制执行数值范围、变化率限制（变化率约束）、平滑处理以及一致性检查（例如，确保 $v_{min} < v_{max}$ ）。这确保了 LLM 在不违反硬可行性约束或导致控制回路失稳的前提下，能够通过调整控制器的目标来实现适应。

核心贡献

地形调节的神经运动学： 一种附着在地图上的神经模型，融合地形剖面和运动历史来预测混合接触效应，为实时规划提供轻量级基础。
受约束的神经 MPC： 将学习到的运动学集成到 NMPC 框架中，在 100 ms 内求解具有显式约束的多目标最优控制问题。
语言引导的安全重调优： 利用 LLM 根据高层反馈调整控制器权重和边界的机制，并由安全门控保护。这实现了地形相关的泛化能力，而无需重新训练预测器或修改求解器结构。

实验结果

该框架在模拟环境中针对履带式救援平台进行了三种遍历任务的评估：单块障碍物跨越、爬楼梯和下楼梯。

性能指标： 遍历质量通过稳定性（横滚/俯仰角）、摆动（角速度）和冲击（线性加速度）的归一化得分进行评估。
对比性能：
- 对比非自适应 NMPC： ASTRIL-MPC（NNMPC + LLM）将综合遍历质量得分提升了高达 71%（特别是在下楼梯任务中）和 33%（在爬楼梯任务中）。
- 对比 PPO 基准： 该框架相比近端策略优化（PPO）基准实现了 67% 的提升。
- 冲击降低： 自适应方法显著降低了下降过程中的可测量碰撞冲击，并在特定测试用例中消除了非自适应基准表现出的较高冲击值。
泛化能力： 在具有不同障碍物高度的泛化实验中，控制器保持了可行配置和一致的遍历行为，无需针对特定任务进行重新训练，证明了学习到的运动学和重调优机制的鲁棒性。

重要性与主张

论文声称 ASTRIL-MPC 成功弥合了数据驱动学习与安全性关键控制之间的鸿沟。通过将学习到的运动学与基于优化的规划以及语言引导的重调优相结合，该框架为关节式履带机器人提供了一种数据高效且鲁棒的自主化解决方案。

作者强调，这种方法解决了当前方法的特定局限性：它避免了 RL 的“抖动”行为以及经典规划器的“保守/非平滑”特性，同时克服了标准 MPC 的调优难题。该系统实现了实时性能（100 ms 周期），并能适应新的地形几何形状和操作员偏好，而无需重新训练底层的运动学预测器或修改求解器结构。这项工作表明，这种混合架构对于在复杂、接触丰富的环境中部署 ATR 具有可行性，而在这些环境中可靠性和适应性至关重要。