【机器人】PyBullet四足机器狗仿真

随着科技的迅猛发展，机器人技术正日益成为现实生活中的重要组成部分。而在机器人研究领域，仿真技术的应用扮演着不可或缺的角色。它不仅可以节约大量资源和成本，更为工程师和研究者提供了一个安全、高效的实验平台。在这个博客中，将探讨PyBullet仿真引擎，并着重介绍如何利用PyBullet进行四足机器狗的仿真。

PyBullet概述

       PyBullet是一个开源的物理仿真引擎，专为机器人学、虚拟现实和游戏开发等领域设计。它由Erwin Coumans开发，最初作为Bullet物理引擎的Python绑定，因此得名PyBullet。Bullet物理引擎是一款广泛使用的高性能三维碰撞检测与物理仿真引擎，其主要用途是模拟现实世界中物体的运动和碰撞。PyBullet通过Python的简洁易用性，为机器人研究者、游戏开发者和仿真爱好者提供了一个强大且灵活的工具，使得他们能够快速构建和测试复杂的物理系统，从简单的刚体到复杂的多体动力学系统，以及各种类型的机器人模型。

PyBullet具有的特点和优势：

1. 开源和跨平台：PyBullet是开源软件，可以在各种操作系统上运行，包括Windows、Linux、macOS等。
2. Python接口：PyBullet使用Python编程语言作为主要接口，简化了API的使用，加速了原型开发和实验的速度。
3. 高性能：PyBullet底层使用C++实现，继承了Bullet物理引擎出色的性能表现。
4. 丰富的功能：支持刚体动力学、碰撞检测、约束条件、软体物体、多体动力学、关节等丰富的物理特性。
5. 灵活性：PyBullet可以模拟多种物体之间的复杂关系，让用户能够自由定义物体之间的交互行为。
6. 可扩展性：用户可以轻松添加自定义的模型、控制器和碰撞几何体，以满足不同场景的需求。
7. 学习资源丰富：由于Bullet和PyBullet在机器人和游戏领域的广泛应用，因此有许多优秀的教程和社区支持，便于学习和解决问题。

四足机器狗简介

       四足机器狗，也被称为四足机器人，是一类仿生机器人，模仿了真实狗类动物的外形和运动方式。这些机器狗通常由四条腿支撑，通过类似狗类的步态来移动和保持平衡。四足机器狗的概念可以追溯到二十世纪中期，但真正的实现始于近几十年，21 世纪初，机器人BigDog在 Boston Dynamics 正式问世，如图所示，BigDog 如其名，外形仿照哺乳动物狗建造，且能负重大体积货物，在驱动关节运动的执行器上，BigDog 设计并改进了液压驱动装置，腿部装有抗压缓冲机构，在山地，崎岖，冰面等环境下负载作业均获得了优异的效果，且机身上装载的计算机与传感器能够获取机器狗的各个状态及信息。随着机器人技术、传感器和控制算法的不断发展，四足机器狗的设计和性能得到了巨大的提升。为了实现稳定的移动和平衡，四足机器狗采用各种复杂的步态。常见的步态包括步行、奔跑、跳跃和旋转等，这些步态需要高度协调的动作和精确的控制。四足机器狗在各个领域都有潜在的应用。例如，它们可以用于灾难救援，探索危险环境，进行地质勘探，或者在军事和安保领域执行任务。此外，它们还可以成为日常生活中的助理机器人，辅助人们完成各种任务。

安装PyBullet和相关依赖

# 使用Conda创建一个名为'bullet'的新虚拟环境，并指定Python版本为3.6
conda create -n bullet python=3.6

# 激活名为'bullet'的虚拟环境
conda activate bullet

# 在'bullet'虚拟环境中使用pip安装'numpy'包
pip install numpy

# 在'bullet'虚拟环境中使用pip安装'transforms3d'包
pip install transforms3d

# 在'bullet'虚拟环境中使用pip安装'pybullet'包
pip install pybullet

# 如果下载速度慢，可以使用清华源进行下载
pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple
# 使用pip从清华大学的PyPI镜像安装名为'package_name'的包
# 使用'-i'标志指定了清华大学镜像的URL
# 将'package_name'替换为你想要安装的实际包名

创建仿真场景

下载宇树科技四足机器狗的pybullet模型包：GitHub - unitreerobotics/unitree_pybullet

加载模型文件

# 导入numpy库，这是一个用于处理数组和矩阵的库，可以用于数学计算
import numpy as np
# 导入pybullet库，这是一个用于3D物理仿真的库，可以用于创建和操作机器人模型
import pybullet as p

# 定义最大力id,这个id将被用来获取或设置四足机器人的最大推力
maxForceId = None
# 定义相机距离id,这个id将被用来获取或设置相机与机器人的距离
cameraDistId = None
# 定义关节id列表，这个列表将被用来存储机器人的所有关节id
jointIds = []
# 定义四足机器人对象，这个对象将被用来操作和控制机器人
quadruped = None
# 定义关节状态id列表，这个列表将被用来存储机器人所有关节的状态id
jointStateIds = []
# 定义预设位置列表，这个列表将被用来存储机器人的预设位置信息
pre_pos = []
# 使用列表推导式生成traceIds列表，这个列表将被用来存储跟踪机器人运动的轨迹id
traceIds = [i * 4 + 5 for i in range(4)]

# 速度id
x_velId = None
y_velId = None
dog_pos = None
target_pre_pos = None
obs_init_pos = []


def load_robot():
    # 全局变量
    global maxForceId
    global cameraDistId
    global quadruped
    global traceIds
    global x_velId
    global y_velId
    global obs_init_pos
    global target_pre_pos
    # 连接仿真环境
    p.connect(p.GUI, options="--width=1000 --height=700 --xPos=10 --yPos=10")
    plane = p.loadURDF("plane.urdf")
    p.setGravity(0, 0, -9.8)
    p.setTimeStep(1. / 100)
    # p.setDefaultContactERP(0) #设置默认的接触误差修正参数（ERP）
    # urdfFlags = p.URDF_USE_SELF_COLLISION+p.URDF_USE_SELF_COLLISION_EXCLUDE_ALL_PARENTS
    urdfFlags = p.URDF_USE_SELF_COLLISION  # 启用机器人模型的自碰撞功能，允许模型的不同部分之间发生碰撞。
    quadruped = p.loadURDF(
        "a1/urdf/a1.urdf", [0, 0, 0.48], [0, 0, 0, 1], flags=urdfFlags, useFixedBase=False)  # 加载模型

    for i in traceIds:
        pre_pos.append(p.getLinkState(quadruped, i)[0])  # 位置信息

    # enable collision between lower legs
    for j in range(p.getNumJoints(quadruped)):  # 打印关节信息
        print(p.getJointInfo(quadruped, j))

    lower_legs = [2, 5, 8, 11]
    for l0 in lower_legs:
        for l1 in lower_legs:
            if (l1 > l0):
                enableCollision = 1
                print("collision for pair", l0, l1, p.getJointInfo(quadruped, l0)[
                    12], p.getJointInfo(quadruped, l1)[12], "enabled=", enableCollision)
                # 这行代码设置了链接2和链接5之间的碰撞过滤。它使用p.setCollisionFilterPair()函数来配置链接之间的碰撞关系，
                # 以及是否允许它们之间发生碰撞。enableCollision变量的值被用于确定是否允许碰撞。
                p.setCollisionFilterPair(
                    quadruped, quadruped, 2, 5, enableCollision)

    maxForceId = p.addUserDebugParameter("maxForce", 0, 100, 20)  # 力的最大
    cameraDistId = p.addUserDebugParameter("cameraDist", 0, 5, 1)  # 摄像头距离
    x_velId = p.addUserDebugParameter("x_vel", -1, 1, 0)
    y_velId = p.addUserDebugParameter("y_vel", -1, 1, 0)

    for j in range(p.getNumJoints(quadruped)):
        p.changeDynamics(quadruped, j, linearDamping=0, angularDamping=0)  # 将线性阻尼和角度阻尼都设置为0，这将减少关节的阻尼效果，使得机器人的运动更自由。
        info = p.getJointInfo(quadruped, j)  # 关节信息
        # print(info)
        jointName = info[1]
        jointType = info[2]
        if (jointType == p.JOINT_PRISMATIC or jointType == p.JOINT_REVOLUTE):
            jointIds.append(j)
            if len(jointIds) % 3 == 0:
                jointStateIds.append(-np.pi / 2)
            elif len(jointIds) % 3 == 2:
                jointStateIds.append(np.pi / 4)
            else:
                jointStateIds.append(0)
    p.setRealTimeSimulation(0)
    p.configureDebugVisualizer(p.COV_ENABLE_GUI, 0)  # 不显示GUI上的控件
    target_pre_pos = p.getLinkState(quadruped, 0)[0]


if __name__ == '__main__':
    load_robot()
    while True:
        pass

点击【机器人】PyBullet四足机器狗仿真 - 古月居 可查看全文