做足式机器人的运控算法工程师是什么样的体验？听听技术大咖怎么说

最新推荐文章于 2022-12-02 17:17:26 发布

鹏行智能

最新推荐文章于 2022-12-02 17:17:26 发布

阅读量646

点赞数

文章标签：算法聊天机器人深度学习

本文链接：https://blog.csdn.net/pxingit/article/details/116714930

版权

四足机器人运动控制结合了动力学模型与深度学习，通过上层规划和下层控制实现复杂步态。运控工程师需关注建模、仿真、轨迹优化和控制，涉及机器人学、动力学、仿真软件如Gazebo和轨迹优化方法如MPC、QP。随着人工智能和相关技术发展，四足机器人运控工程师面临广阔前景。

摘要由CSDN通过智能技术生成

四足机器人的运动控制是对各条腿电机进行联合控制。在MIT Cheetah之前，大家按照传统思路多采用位置或速度控制，能实现基本的步态。现在通常是结合人形机器人的研究成果，采用力控方式。

我们将控制研究的问题进行模块化，层次化分析。通常四足机器人的运控分为上层规划和下层控制。举个例子，为了完成指定的某个动作（比如Walk步态行走），通过动力学模型解算得到支撑腿的脚底需要多大的力矩，然后将这个力矩通过雅克比矩阵映射到各腿关节生成力矩指令；同时使用位置规划计算得到摆动腿即将跟随的轨迹，同样使用雅克比矩阵映射到对应腿关节生成力矩或者位置指令，最后关节控制器执行。前面生成力矩指令、位置指令的过程就是上层规划，最后关节控制器的执行就是下层跟随。整个过程的理论依据就是力和力矩的平衡。

MIT mini Cheetah和ETH ANYmal的控制结构。控制结构均分为上层规划和下层跟随两部分。在上层规划部分，MIT使用了的动力学方法，而ETH使用了深度学习。下层跟随两者均使用了PD控制器这个万年不变的神器。

应用到足式机器人上的控制理论和方法在不断突破。Marc Raibert及其团队在足式机器人的运动形态上做出了多个效果。Marc Raibert将足式机器人的智能层次分为运动智能（Athletic Intelligence）和感知智能（Congnitive Intelligence）（出自视频：