论文

基于ADMM的分布式模型预测控制结合控制障碍函数实现安全的多机器人四足运动

本文提出了一种面向多机器人足式系统的全分布式模型预测控制（MPC）框架，该框架引入控制屏障函数（CBF）约束以实现安全关键轨迹规划。CBF约束的引入带来了显式的智能体间耦合，使得所得最优控制问题无法直接分解。为应对这一挑战，我们采用基于交替方向乘子法（ADMM）的结构化分布式优化框架，对集中式安全关键MPC问题进行重构。通过引入具有共识约束的新型节点-边分裂公式，所提方法将全局问题分解为可并行求解的独立节点局部和边局部二次规划，仅需邻居间通信即可实现。该方案在保持安全性与动态可行性的同时，实现了对称计算负载的全分布式轨迹优化。所提框架被集成到足式机器人的分层运动控制架构中，结合高层分布式轨迹规划、中层非线性MPC（约束单刚体动力学）以及低层全身控制（约束完整阶机器人动力学）。通过两台Unitree Go2四足机器人的硬件实验以及涉及最多四台机器人在不确定环境（含崎岖地形与外部扰动）中的数值仿真，验证了所提方法的有效性。结果表明，所提分布式公式在性能上可与集中式MPC媲美，而在四智能体场景下将每周期平均规划时间减少高达51%，实现了高效的实时分布式部署。