MIT四足机器狗MPC算法学习笔记

最新推荐文章于 2024-06-19 04:52:22 发布
最新推荐文章于 2024-06-19 04:52:22 发布
阅读量5k 收藏 110
点赞数 22
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wills9/article/details/119377036
版权

暑假去机器人相关单位实习，学习运动控制相关内容。现学现卖，磨出了一篇学习笔记。由于非相关专业，估计会有不少错误，欢迎批评指正！
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

学物理的兔子
关注
  • 22
    点赞
  • 踩
  • 110
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
MIT四足机器人Cheetah 3控制方案理解笔记（2）——Convex Mpc身体姿态控制
Wincoding的博客
08-19 6173
在“MIT四足机器人Cheetah 3控制方案理解笔记（1）”中，主要简单的总结了下一般情况下腿足机器人的摆动腿控制方法以及Cheetah 3的基于集中质量模型的平衡控制器。此外，MIT还在Cheetah 3以及Mini Cheetah上采用了Convex MPC平衡控制器，在其2018年论文《Dynamic Locomotion in the MIT Cheetah 3 Through Convex Model-Predictive Control》中，Cheetah 3通过Convex MPC平衡控制器
【转载】MIT四足机器人Cheetah 3控制方案笔记
aaa376070331的博客
12-16 4262
转载：知乎 Wenboxing https://zhuanlan.zhihu.com/p/190028074 这里写自定义目录标题MIT四足机器人Cheetah 3控制方案理解笔记（1）——摆动腿控制、单刚体模型平衡控制器一、摆动腿控制二、平衡控制器MIT四足机器人Cheetah 3控制方案理解笔记（2）——Convex Mpc身体姿态控制MIT四足机器人控制方案理解笔记（3）——Mini Cheetah 19年的MPC+WBC控制方案 MIT四足机器人Cheetah 3控制方案理解笔记（1）——摆动腿控制
【花雕学编程】Arduino BLDC 之四足机器狗基本步态运动
最新发布
雕爷学编程
06-19 701
Arduino还有一个丰富的库和社区，你可以利用它们来扩展Arduino的功能和学习Arduino的知识。无刷直流电机是一种先进的电机技术，它利用电子换向来替代传统的碳刷和换向器，从而提供更高效、更可靠和更低维护成本的电机驱动解决方案。5、创新：Arduino可以让你用电子的方式来表达你的创意和想象，你可以用Arduino来制作各种有趣和有用的项目，如机器人、智能家居、艺术装置等。2、易用：Arduino的硬件和软件都是为初学者和非专业人士设计的，你可以轻松地上手和使用它们。与后退步态的运动顺序相同。
[机器人-1]：开源MIT Min cheetah机械狗设计(一)：系统方案及硬件解析
文火冰糖（王文兵）的博客
12-24 2121
总的来说，FOC算法在机器人中的应用可以实现电机驱动系统的高效、准确和可靠控制，提高机器人的运动和力学性能，为机器人的各种应用场景提供更好的表现和适应能力。（3）控制器根据用户输入命令和机器人状态，如果腿处于腿在摆动中，则使用“摆动腿控制器”，如果腿处于腿在支撑中，则使用“力控支撑腿控制器”FOC算法利用传感器提供的反馈信息，例如编码器或传感器阵列，来确定电机的位置和速度，然后根据所需的控制指令计算并控制电机的电流。比如重量的选择，速度的选择，这些都是要经过运动学和动力学的一个预先评估和仿真。
如何编写控制四足机器人的MPC算法
weixin_35752122的博客
01-03 1351
MPC (Model Predictive Control) 是一种常用的控制算法，它可以用来控制四足机器人的运动。 编写MPC算法的步骤大致如下： 建立机器人的动力学模型，描述机器人的运动学和动力学特性。 设计控制器，确定控制量(通常是轮子的转速)和控制目标(通常是机器人的位置和速度)。 建立预测模型，用来预测机器人未来的运动状态。 设计损失函数，用来衡量控制器的效果。 使用优化算法(...
机器人动力学与控制_MIT四足机器人控制方案理解笔记（3）——Mini Cheetah 19年的MPC+WBC控制方案...
weixin_39625008的博客
11-26 1831
2019年，MIT在Mini Cheetah上采用了MPC+WBC的控制方案，论文《Highly Dynamic Quadruped Locomotion via whole-body impulse control and model predictive control》中称加入WBC后Mini的最高运动速度由18年只采用MPC时的2.45m/s增加到19年的3.7m/s。​笔者这几天看了下M...
MIT开源项目Cheetah3-MPC控制部分原理解析
LiuZ的博客
04-28 6311
一、混合控制器介绍 1、MPC控制器 我们的方法的关键思想是通过将运动控制分离成两个更简单的控制器来降低复杂性。第一控制器使用具有以下简单质点模型的MPC 找到沿一个完整的运动步态周期的最佳反作用力剖面： mp¨=∑i=1ncfi−cg(1)m\ddot{p} = \sum^{n_c}_{i=1}f_i -c_g \tag{1}mp¨​=i=1∑nc​​fi​−cg​(1) ddt(Iω)=∑...
MIT Cheetha(一)
aaaaPIKACHU的博客
02-25 1173
声明：本文仅作为自己学习笔记，如有侵权，请联系删除。 MIT猎豹在2019年末开源，提供了一个基于MPC的线性化模型预测控制框架，其核心是将四足机器人简化为单刚体后构建一个多点支撑的力平衡模型，并通过MPC的控制理论在线性化假设下采用QP优化来求解，实现在低成本嵌入式处理器上实时运算。基于MPC框架大大简化了四足机器人步态状态机的设计，在MIT原始步态规划中仅采用时间开环相序就可以实现不同的步态，而传统的方法则需要设计完善的状态机进行切换，另外由于MPC是以实现对轨迹跟踪为目标，因此可以考虑未来一段时间内
MIT miniCheetah mpc的简单matlab仿真
qq_29735067的博客
04-28 2389
介绍：使用 Dynamic Locomotion in the MIT Cheetah 3 Through Convex Model-Predictive Control一文中介绍的凸模型进行mpc控制的简单仿真。物理参数和权重等基本和miniCheetah 相同； 运行结果如图：分别是欧拉角，质心位置，三维可视化；参考轨迹暂时简单设定xy坐标和roll为三角函数组合； 如果有问题需要咨询，可联系QQ:1370780559 clc; clear; warning off %预测时域 futur
【模型预测控制MPC】：深蓝路径规划课程P8笔记
weixin_47765522的博客
10-18 1168
简介：模型预测控制在机器人学的应用，涉及线性MPC、非线性MPC以及粒子群优化算法的JLT问题求解。
【MPC学习笔记】01：MPC简介（Lecture 1_1 Unconstrained MPC）
ScarlettSun的博客
01-02 1691
MPC（Model Predictive Control）模型预测控制，是预测控制的一种，是基于模型来进行控制的。本文介绍MPC的基本思想，模型，优缺点，未来发展。
MIT mini cheetah四足机器人Highly Dynamic Quadruped Locomotion
09-16
文中提出了一种结合整体的控制器控制（WBC）和模型预测控制（MPC）。在里面的框架中，MPC找到了一个最佳的反作用力剖面在较长的时间范围内，使用简单的模型和WBC根据以下命令计算关节扭矩、位置和速度命令：根据MPC计算的反作用力。不同于现有的WBCs，试图跟踪指令的身体轨迹，我们的控制员更专注于反应部队指挥部，这使得它能够实现高速动态运动空中相位。新设计的WBC是集成的使用MPC，并在小型猎豹四足机器人上进行测试。为了证明鲁棒性和通用性，控制器在六种不同的步态下，以多种不同的方式进行测试环境，包括户外和跑步机上，达到最高速度为3:7 m=s。
MIT 18.409：机器学习的算法层面
02-01
MIT 18.409：机器学习的算法层面 MIT 18.409：机器学习的算法层面 MIT 18.409：机器学习的算法层面 ==========================
MIT Cheetah 3四足机器人开源控制算法论文.pdf
09-16
MIT Cheetah 3四足机器人开源控制算法论文。文中提出了一种用于确定力矩控制四足机器人地面反作用力的模型预测控制（MPC）的实现方法。将机器人动力学简化为凸优化问题，同时仍能捕获系统的全三维特性。利用简化模型...
mit猎豹的不同四足步态预测控制算法
03-03
mit猎豹的不同四足步态预测控制算法，
【四足机器人那些事儿】MiniCheetah中的MPC控制
LiuZ的博客
10-13 8412
MPC的力学原理 刚体的力与加速度，转矩与角加速度可以通过牛顿方程和欧拉方程求出： 1、牛顿公式： 基本公式： F=mdvcdt=mv˙cF =m\frac{dv_c}{dt}=m\dot v_cF=mdtdvc​​=mv˙c​ 展开形式（ncn_cnc​为与地面接触点的数量）： m[x¨y¨z¨]=∑i=1nc[fxifyifzi]−[00g]m\begin{bmatrix} \ddot x\\...
四足机器人专题之二十五：四足机器人支撑相腿反作用力规划之模型预测控制MPC方法
qq_35635374的博客
12-22 3851
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、【期望输入范畴】设置躯干一系列的期望轨迹状态（包括躯干高度h、位置xy、姿态yaw）1.原理2.代码二、【M模型范畴】单刚体动力学模型表示为连续状态空间方程1、机器人的状态表出（包括躯干惯量、位置、线速度、角速度、旋转角、偏航角、足端位置）2、打印机器人状态（包括躯干惯量、位置、线速度、角速度、旋转角、偏航角、足端位置）3、把机器人状态数组值转换成矩阵，方便计算连续状态空间方程
Dr_can模型预测控制笔记与代码实现
热门推荐
weixin_44718107的博客
04-07 3万+
因而我们引入模型预测控制（Model PredictiveControl）的概念，对于一般的离散化系统（因为实际计算机实现的控制系统都是离散的系统，连续系统离散化的方法在此不述）。在k时刻，我们可以测量或估计出系统的当前状态y(k)，再通过计算得到的u(k),u(k+1),u(k+2)...u(k+j)得到系统未来状态的估计值y(k+1),y(k+2)...y(k+j)；我们将预测估计的部分称为预测区间（Predictive Horizon）,将控制估计的部分称为控制区间（Control Horizon）
mit四足狗代码详解
08-29
MIT四足狗是一款由麻省理工学院开发的机器狗，其代码详解如下。 首先，MIT四足狗的代码是通过编程语言来实现的。代码中包含了各种指令和算法，用于控制机器狗的运动、感知和决策。 其次，代码中包含了关于机器狗运动的指令。这些指令包括了腿部运动的控制，通过改变腿部关节的角度和速度来实现不同的步态和姿势。此外，还包含了机器狗身体的运动控制，可以使机器狗在不同的地形上保持平衡。 代码还包含了机器狗的感知模块。通过搭载各种传感器，机器狗可以感知周围环境的信息。例如，通过摄像头可以获取图像信息，通过激光雷达可以测量距离和障碍物的位置等。这些信息可以帮助机器狗做出决策和调整运动。 代码中还包含了机器狗的决策模块。基于感知模块获取到的信息，代码可以根据预设的算法和逻辑做出决策。例如，如果感知到前方有障碍物，代码就可以通过计算绕过障碍物的最优路径，并发送指令给机器狗进行相应的运动调整。 最后，代码还包含了与外部环境的交互模块。通过与外部设备的通信，机器狗可以接收和发送信息。例如，可以与人类用户通过语音或遥控器进行交互，并将机器狗的状态和控制指令发送给外部设备。 综上所述，MIT四足狗的代码详解包括了运动控制、感知模块、决策模块和与外部交互的模块。这些代码通过编程语言的方式实现，为机器狗提供了丰富的功能和智能化的行为。
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值