🍉
足式机器人控制

用户921

2月3日修改

前言

先放点贺电前言：达妙科技发来贺电，欢迎大家购买达妙电机，可以收获喵老板亲自发的贺电，小电机、大电机和大大电机都有，主营适用于人形、机械臂、四足等机器人的关节电机​

笔记同时发布在Github上，其中还有自动驾驶轨迹规划等的笔记，欢迎大家 star，连接如下​

https://github.com/Michael-Jetson/Planning_Decision_and_Control_Note

概述

机器人是一个非常大的领域，足式或者足腿式机器人只是其中的一个小方向，足式机器人是模仿动物四肢形态和步态而设计的机器人，可以在复杂地形上自主行走、攀爬、越障，与轮式或者履带式移动机器人需要连续且结构化的地面的运动方式不同，足式机器人可以通过离散的、非连续的支撑点通过非结构化的地面，如在面对楼梯场景时，轮式和履带式机器人会难以应对，但是足式机器人却可以轻而易举的实现攀登，此外就是，足式机器人的机器人本体与其腿足结构的运动是解耦的，可以实现类似车辆主动悬挂的效果，并且可以通过规划足端的轨迹来跨越障碍物​

一般足式机器人的一条腿有三个关节，侧摆关节、髋关节、膝关节，但是一般膝关节会通过连杆结构来将电机放置在其他地方，以便于降低腿部重量、提高运动灵活性，一个四足机器人总共12个关节对应12个电机​

common.docs_name - LarkCCM_Docs_Menu_Image

足式机器人相对于轮式和履带式的优点就是灵活性非常好，并且对复杂地形有极高的适应能力，可以在非连续支撑地形下正常运动，但是结构复杂很多，并且能耗较高、续航较短​

实际上足式机器人的运动控制问题是一个优化问题或者说规划问题，在非学习类方法或者说传统方法中，机器人的运动往往要基于某种指标，如路径最短、速度最快、能量损耗最小，并且要满足某些约束，如机器人加速度和速度有上限、某些空间无法到达并且不能涉足，所以一般会针对决策变量进行建模和构建约束方程，以此来求出满足约束的情况下代价最小的最优解，实际上在很多情况下，因为某些原因无法求出最优解，如无法完美建模、非线性问题难以求解等因此，可以将问题进行简化或者牺牲一部分解空间来换取问题的简化，如此哪怕最终无法求出真正意义上的最优解，也可以求出接近最优解的次优解，并且保证解是可行的​

实际上上述求出的解往往代表着轨迹，这个轨迹会被发送给底层的跟踪器进行跟踪，并且还有观测器（IMU、轮速计等）用来实时估计机器人的当前状态（如位置、速度、加速度等）​

当然足式机器人的运动规划问题会复杂一些，因为其与车辆或者无人机的运动模式有较大的区别，后面二者的运动是一种连续模式的运动，并且运动过程中的约束和运动模式几乎不会改变，因此可以构建统一的模型进行求解，但是足式机器人尤其是四足机械狗，其存在多种不同的运动模型，因此需要进行模式的切换​

足式机器人发展史

硬件方面

足式机器人的发展离不开硬件的发展，就跟AI的发展离不开芯片的发展一样，缺少了高性能低成本的硬件设备支撑，足式机器人只会存在于实验室中而难以普及到各种领域，甚至只能做一些最基础的任务而无法发展到如今的盛况，对于基于力控的足式机器人来说，执行器的驱动方式主要是三种：液压驱动，电机驱动（带有扭矩传感器）和串联弹性驱动，这里主要是介绍前面两种​

•
液压驱动：是早期机器人的主要驱动方式​
◦
特点是功率密度大，可以输出巨大的力矩，并且不驱动关节运动时不消耗能量，这对于需要重型负载的机器人来说非常合适​
◦
但是缺点就是无法进行准确的输出控制，并且带有非线性动力学和难以实现高频控制的缺点​