基于全身模型预测控制与在线参数估计的大惯量人形机器人遥操作

人形机器人能否在线估计未知重载的时变惯量并用于全身模型预测控制，让遥操作员下达任务时无需考虑负载。

机器人举起重型工具或箱体时，物体质量和惯量在整个系统中占比很大。仅靠反馈控制，手臂会下垂、平衡会漂移；不含负载的动力学模型会算出错误的前馈力矩。

人形机器人全身MPC多用于行走。负载处理要么把负载加到简化质心模型中，要么采用绑定参考模型的自适应控制，或在任务结束后才估计负载；强化学习则依赖域随机化或与策略强耦合的隐式估计器。

扩展卡尔曼滤波器以相对已知本体的偏差形式，估计各连杆物理一致的时变惯性参数，并对弱可观测分量加以正则化，再交给采用完整刚体动力学的全身MPC。估计器与MPC在机载计算机上以100Hz运行，底层控制1kHz；VR界面以约50Hz传送操作员的任务空间指令，平衡交由MPC。实验平台为23自由度人形机器人。

在带载擦窗轨迹仿真中，关闭自适应后竖直任务空间均方根误差为389.2毫米，是开启时的25倍以上；水平误差由67.8毫米降至6.4毫米。估计质量和质心在加载后两秒内跟上真实值。实机实验在一侧前臂固定4.5公斤哑铃，操作员通过VR让机器人下蹲并操作非对称负载，均方根误差由空载约13至14毫米增至带载约19至22毫米。

本文为预印本。实机测试是人工固定哑铃而非抓取物体，因另一侧手臂反复故障只加载了一只手臂，负载仅4.5公斤。估计收敛前约有两秒过渡期，快速动态动作尚未测试。