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: