- 回首頁
- 機械工業雜誌
機械工業雜誌
購物提醒:當您要離開或跳轉頁面時,請先將您想要購買的文章加入購物車,以便快速紀錄完成購買流程!
摘要
本文提出一種以軟體驅動的全伺服運動控制系統架構,應用於足型機器人的精密運動控制。系統採用分層式設計,其中上層控制器負責步態規劃與運動決策,下層控制器則負責執行各關節的伺服驅動。本文在足型機器人控制方面比較傳統控制策略與現代機器學習策略的差異,並設計一種混合運動控制迴路,來結合前饋扭力補償與回饋控制以提升系統穩定性與響應。整體架構基於即時作業系統與EtherCAT通訊協議來實現多關節同步控制。實驗結果顯示此控制架構能夠在1 kHz循環下穩定足型機器人的步態表現,達成高精度與高即時性的控制效能。
Abstract
This article presents a software-defined full-servo motion control architecture tailored for high-precision locomotion of lagged robots. The proposed system adopts a hierarchical control scheme wherein the high-level controller performs gait generation and motion planning, while the low-level controller manages real-time actuation of joint-level servo motors. A comparative analysis is conducted between conventional control algorithms and modern machine learning-based techniques, leading to the development of a hybrid control loop that combines feedforward torque estimation with closed-loop feedback compensation. The implementation is based on real-time operation system with the EtherCAT, enabling deterministic and synchronized multi-joint control at a loop frequency of 1 kHz. Experimental evaluations demonstrate that the proposed architecture effectively maintains gait stability and delivers high-fidelity, real-time motion control performance, validating its suitability for dynamic lagged locomotion.
前言
足型機器人因其優異的地形適應能力與機動性能,近年來成為機器人研究與應用的焦點。然而,要實現足型機器人的穩定行走與奔跑,控制系統必須同時處理多關節的協調、平衡維持以及環境互動等複雜挑戰。傳統的控制方法多採用嚴謹的模型驅動設計,例如最適控制理論[1]來規劃控制策略,或利用預先規劃的步態序列與比例-微分控制器(PD)確保系統穩定。然而當地形、速度與任務目標更加多變時,設計單一的傳統控制器漸漸變得困難且耗時。為了提升足型機器人在複雜環境下的適應力,學界開始引入機器學習技術(特別是深度強化學習)來自動學習控制策略。強化學習已成功應用於足式機器人,上層控制器不需依賴精確模型即可透過大量試誤學習出複雜的運動技能[2]。例如,有研究利用深度強化學習讓足型機器人實現高達5.0 m/s的奔跑速度,同時在不平整地形上保持穩定[3]。然而純機器學習在訓練期間需要大量樣本,對模擬器精度和實體平台的即時反應都有很高要求,此外,其決策過程若缺乏約束,可能無法滿足工程上的安全穩定需求。因此,實務上常見將傳統控制與學習型控制結合,以兼顧穩定性與適應性。基於上述背景,本文提出一套軟體驅動的全伺服運動控制系統架構,透過即時通訊與混合控制策略實現對足型機器人關節的精確控制。下文將介紹分層控制架構與策略比較、混合控制迴路和即時通訊與運算架構的實現細節,最後給出結論與未來展望。
分層控制架構與策略比較
本研究之足型機器人控制系統採用上層/下層分層架構。如圖1所示,以模型預測控制(Model Predictive Control, MPC)組成上層控制器為例,上層控制器主要負責運動計畫與決策,包括步態產生、軌跡規劃以及對環境的感測與反應。下層控制器則直接處理各關節的伺服驅動,控制位置、速度與扭力等,以使機器人實際動作跟隨上層指令。上層與下層之間會定義明確的介面來交換資訊:上層要根據任務目標和感測器回授(如IMU、Encoder、足底力感測器等)產生各關節的位置和扭矩目標,下層則接收這些目標並驅動各關節執行。同時,下層會回傳當前關節的位置、速度和扭力等狀態供上層進行動態調整。這種分層架構將決策與執行解耦,使上層控制可以專注於高階複雜策略(例如動態平衡、路徑規劃),而下層控制則專注於快速精確的伺服響應。
更完整的內容歡迎訂購
2025年07月號
(單篇費用:參考材化所定價)