A unified framework for walking and running of bipedal robots
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；New York University（纽约大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
在本文中，我们提出了一种新的框架，能够产生各种步行和跑步步态的双足机器人。主要目标是放松线性倒立摆模型（LIPM）的固定质心（CoM）高度假设，并生成更广泛的行走和跑步运动，而不会显着增加复杂性。为此，我们在质心空间中使用虚拟约束的概念，该概念使得能够在保持最小复杂性的同时生成步行之外的运动。通过适当选择这些虚拟约束，我们表明，我们可以生成不同类型的步行和跑步运动。更重要的是，通过反馈强制执行虚拟约束，使动态线性，并使我们能够设计一个反馈控制机制，该机制通过简单的二次规划（QP）来适应下一个步骤的位置和定时。为了证明这个框架的有效性，我们展示了不同的步行和运行模拟的机器人螺栓在存在环境的不确定性和外部干扰。
2021-10-18 cs.RO
Modeling and Analysis of Walking Pattern for a Biped Robot
The LNM Institute of Information and Technology（LNM信息技术学院）
本文介绍了一种自主式机器人的设计和开发，采用主、从控制器相结合的方式。此外，机器人是无线可控的。本文介绍了10自由度仿人机器人的行走模式、系统控制和执行器控制技术。双足机器人比传统的轮式机器人具有更好的机动性，但它们往往很容易倾倒。为了在各种环境中稳定地行走，例如在崎岖的地形上，上下斜坡上，或在包含障碍物的区域中，机器人必须通过足部运动适应地面条件，以及通过躯干运动保持其稳定性。希望选择需要关节致动器的小扭矩和速度的行走模式。这项工作提出了一个低成本的解决方案，使用开源的硬件软件和应用程序。通过增加陀螺仪和加速度计来开发和实现新的算法，以进一步推进机器人领域的研究。
2015-08-12 cs.RO
A Fast, Autonomous, Bipedal Walking Behavior over Rapid Regions
Florida Institute for Human and Machine Cognition（佛罗里达人机认知研究所）；University of West Florida（西佛罗里达大学）
在试图建立人形机器人，执行有用的任务，在世界上为人类，我们解决的问题，自主运动。人形机器人规划和控制算法在崎岖地形上行走变得越来越有能力。与此同时，商用深度相机变得越来越精确，GPU计算已成为人工智能研究的主要工具。在本文中，我们提出了一个新构建的行为控制系统，实现快速，自主，双足步行，没有停顿或审议。我们实现这一点，使用最近发表的快速平面区域感知算法，基于高度图的身体路径规划器，A* 脚步规划器，和基于动量的步行控制器。我们把这些元素放在一起，形成一个行为控制系统的现代软件开发实践和仿真工具的支持。
2022-07-17 cs.RO
Adaptive Ankle Torque Control for Bipedal Humanoid Walking on Surfaces with Unknown Horizontal and Vertical Motion
Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院）；School of Mechanical Engineering, Purdue University（普渡大学机械工程学院）
针对未知运动表面上的双足行走控制问题，提出一种自适应踝关节力矩控制器与步长规划器，通过引入中间指令曲线实现混合系统的连续误差控制，仿真表明该方法在未知时变扰动下能确保稳定行走与准确跟踪。
2024-10-15 cs.RO
The Simplest Walking Robot: A bipedal robot with one actuator and two rigid bodies
Carnegie Mellon University（卡内基梅隆大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出仅用一个髋关节电机连接两个刚体的1自由度双足机器人Mugatu，通过提炼设计规则实现开环稳定步行、启停与转向控制，并实验评估其速度、能耗和转向性能。
2023-10-31 cs.RO
Time-projection control to recover inter-sample disturbances, application to bipedal walking control
EPFL（洛桑联邦理工学院）
我们提出了一种新的步行控制器的基础上，3LP，一个3D模型的双足步行，是由三个双足模拟下降，摆动和躯干动力学。利用线性方程组和封闭形式的解决方案的3LP，所提出的控制器项目的中间状态的的控制器回到开始的阶段，为离散LQR控制器的设计。投影后，一个适当的控制策略是由这个LQR控制器产生，并在中间时间使用。投影控制器对干扰立即作出反应，与离散LQR控制器相比，它在恢复间歇性外部推力方面提供了优越的性能。进一步的闭环特征值和干扰抑制强度的分析表明，这种结构具有很强的稳定性。可行区域的分析也表明，所提出的控制器覆盖了最大可行状态集的大部分。它在计算上比模型预测控制器（MPC）快得多，但在无限范围内是最优的。
2018-01-07 cs.RO
Time-Varying ALIP Model and Robust Foot-Placement Control for Underactuated Bipedal Robot Walking on a Swaying Rigid Surface
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；University of Michigan（密歇根大学）；Ohio State University（俄亥俄州立大学）；Purdue University（普渡大学）
用于在动态刚性表面（DRS）上双足行走的控制器设计，动态刚性表面是在惯性系中移动的刚性表面（例如，船舶和飞机），仍然在很大程度上没有调查。本文介绍了一种分层控制方法，实现了稳定的欠驱动双足机器人在水平振荡DRS上行走。我们的方法的最高层是一个实时运动规划器，它生成所需的全局行为（即，质心轨迹和脚步位置）。这一层的一个关键的新颖性是推导出的降阶模型，通过分析扩展的角动量为基础的线性倒立摆（ALIP）模型从静止到水平移动的表面。另一个新颖之处是开发了一个离散时间的脚放置控制器，指数稳定的混合动力，线性，时变ALIP模型。所提出的方法的中间层是一个行走模式生成器，它将所需的全局行为转化为机器人的全身参考轨迹，用于所有直接驱动的自由度。最低层是一个输入输出线性化控制器，指数跟踪这些全身参考轨迹的基础上，全阶，混合，非线性机器人动力学。对平面欠驱动双足机器人在摇摆DRS上行走的仿真结果表明，该框架能够保证机器人在不同DRS运动和步态类型下的行走稳定性。
2022-11-29 cs.RO
Learning Bipedal Walking on a Quadruped Robot via Adversarial Motion Priors
School of Mechanical Engineering, University of Leeds（利兹大学机械工程学院）；Department of Computer Science, University College London（伦敦大学学院计算机科学系）
本文将融合 Adversarial Motion Priors 的师生学习框架迁移到双足模式四足机器人，实现盲走，并在仿真中验证其可稳定通过平地、楼梯及不平坦地形。
2024-07-02 cs.RO
Provably Stabilizing Global-Position Tracking Control for Hybrid Models of Multi-Domain Bipedal Walking via Multiple Lyapunov Analysis
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；Massachusetts Institute of Technology（麻省理工学院）；Purdue University（普渡大学）
针对双足机器人多域行走的全局位置跟踪控制难题，提出基于时间的非线性控制律，通过多李亚普诺夫分析证明稳定性，仿真验证了其在多场景下的良好精度与收敛性。
2023-04-27 cs.RO
Perceptive Mixed-Integer Footstep Control for Underactuated Bipedal Walking on Rough Terrain
GRASP Laboratory, University of Pennsylvania（格拉普斯实验室，宾夕法尼亚大学）
本文提出全栈感知与MPFC混合整数二次规划控制系统，结合在线凸多边形地形分解，使Cassie能在不连续崎岖地形上以超100 Hz实现安全、鲁棒的欠驱动双足行走。
2025-05-10 cs.RO
Robust Bipedal Locomotion Control Based on Model Predictive Control and Divergent Component of Motion
University of Tehran（德黑兰大学）
在本文中，以前的工作模型预测控制（MPC）和运动的发散分量（DCM）的双足步行控制扩展。为此，我们采用了一个单一的MPC，它使用的压力中心（CoP）的操纵，步骤调整，和质心力矩枢轴（CMP）调制的组合，设计一个强大的步行控制器。此外，我们利用时变DCM的概念，推广我们的行走控制器在不平坦的表面行走。使用我们的计划，一个通用的和强大的行走控制器的设计，可以实现不同的控制机构的机器人，在各种环境下行走，例如不平坦的地形或表面上的一个非常有限的可行区域的步进。所提出的方法的有效性进行了验证，通过模拟不同的情况下，并与最先进的比较。
2017-02-28 cs.RO
Bipedal Robot Walking Control Using Human Whole-Body Dynamic Telelocomotion
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
对于在搜索和救援等要求严格的情况下部署的人形机器人来说，需要高度智能的决策和熟练的感觉运动技能。一个很有前途的解决方案是通过遥操作将机器人和人类连接起来，从而利用人类的能力。为了创建无缝操作，本文提出了一个动态的telelocomotion框架，该框架将人类飞行员的步态与双足机器人的行走相结合。首先，我们介绍了一种方法来产生一个虚拟人步行模型从人类飞行员的步进行为，作为参考的机器人行走。第二，通过向人类飞行员和机器人施加力来同步行走参考和机器人行走的动力学，以实现两个系统之间的动力学相似性。这使得人类飞行员能够持续感知并消除行走参考和机器人之间的任何干扰。一个一致的步骤放置策略的机器人推导出保持动态相似性，通过步骤过渡。使用我们的人机界面，我们证明了人类飞行员可以实现稳定和同步的遥操作的模拟机器人，通过步进到位，步行和干扰抑制实验。这项工作为将人类的智能和反应转移到人形机器人上迈出了基本的一步。
2022-09-14 cs.RO
Walking with Confidence: Safety Regulation for Full Order Biped Models
University of Michigan（密歇根大学）；University of Stuttgart（斯图加特大学）
安全保证在步行机器人的控制中是有价值的，因为跌倒既危险又昂贵。不幸的是，用于生成安全保证的基于集合的工具（例如平方和优化）通常仅限于简化的低维步行机器人模型。对于更复杂的模型，基于混合零动态的方法可以确保预先指定的极限环的局部稳定性，但提供有限的保证。本文结合了这两种方法的优点，通过使用混合零动态流形上的平方和优化生成一个10维步行机器人模型的保证安全集。随着这一套，本文介绍了如何生成一个控制器，通过修改流形参数时，在安全集的边缘保持安全。所提出的方法，这是适用于一个双足兔模型，提供了一个路线图应用平方和验证技术，高维系统。这为一系列广泛的工具打开了大门，这些工具可以为复杂的步行机器人模型生成安全保证和调节控制器。
2019-07-16 cs.RO
Dynamic Walking with Compliance on a Cassie Bipedal Robot
California Institute of Technology（加州理工学院）
由于多体动力学和各种不确定性，双足机器人步行的控制一直是计算和实验领域的一个挑战性问题。近年来，有一个上升的趋势，对模型简化和直观的控制器的设计，以克服假设的模型和现实之间的差距。尽管它在实际实现中的可行性，这种真实动态的局部表示自然表明对更多动态行为的有限可扩展性。随着越来越多的动态行为的目标，我们利用详细的全身动力学生成控制器的机器人系统，利用被动动力学的顺应性元素。在这个过程中，我们提出了一个可行的计算方法，产生一个高度复杂的机器人系统的行走轨迹。这些结果在物理硬件上的直接实现也是以最小的调优和编译来执行的。通过仿真、优化和实验验证了所提出的方法的有效性，实验结果表明，Cassie机器人能够可靠地在室内和室外的各种地形上行走。
2019-04-25 cs.RO
Self-synchronization and Self-stabilization of 3D Bipedal Walking Gaits
Laboratoire des Sciences du Numérique de Nantes (LS2N)（南特数字科学实验室）；CNRS（法国国家科学研究中心）；Ecole Centrale de Nantes（南特中央理工学院）；Université de Nantes（南特大学）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；University of Michigan（密歇根大学）
本文旨在深入了解稳定机制的周期性步行步态在3D双足机器人。基于这一认识，虚拟约束的基础上，它施加关节之间的协调，而不是一个时间的演变，将提出一个控制策略，实现渐近收敛到一个周期性的运动。对于具有一个驱动不足度的平面两足动物，已知质心的垂直位移-在步骤过渡处具有向下的速度-引起行走步态的稳定性。本文涉及的定性扩展这种类型的属性，三维步行两个程度的欠驱动。结果表明，在步骤之间的过渡的水平面中的质心的位置上的条件诱导矢状面和额状面的运动之间的同步。自同步和垂直振荡的条件的组合导致稳定的步态。首先针对步行机器人的简化模型（具有可变长度腿的倒立摆）开发了三维步行步态的自稳定算法，然后利用混合零动态的概念将其扩展到人形机器人Romeo的复杂模型。机器人模型的仿真说明了该方法的有效性和鲁棒性。
2017-07-07 cs.RO
Input to State Stability of Bipedal Walking Robots: Application to DURUS
California Institute of Technology（加州理工学院）
双足机器人是一个典型的例子，系统表现出高度非线性动力学，欠驱动，并经历复杂的耗散影响。本文讨论了用于克服各种不确定性的方法，最终的结果是稳定的双足步行。本文的主要贡献是建立了状态稳定（ISS）混合周期轨道产生输入的充分条件，即，在基于模型和基于相位的不确定性下的稳定步行步态。特别是，它将正式表明，指数输入状态稳定（e-ISS）的连续动态，和混合不变性条件是足以实现稳定行走的23自由度双足机器人DURUS。这一主要结果将通过在实验室环境中成功和持续行走的双足机器人DURUS得到支持。
2018-01-02 cs.RO math.OC
Capture Steps: Robust Walking for Humanoid Robots
University of Bonn（波恩大学）
稳定的双足行走是人形机器人发挥其在日常环境中成为多功能助手的潜力的关键先决条件。然而，双足行走是一种复杂的运动，需要许多自由度的协调，同时它也是固有的不稳定和对干扰敏感的。步行的平衡必须经常保持。控制平衡的最有效方法是适时和适当的恢复步骤--捕捉步骤--吸收从推动或绊倒中获得的支出势头。我们提出了一个双足步态生成框架，利用步骤的时间和脚的放置技术，以恢复平衡，即使在强烈的干扰。我们的框架修改下一个脚步的位置时，立即响应干扰，并产生可控的全向行走，只使用很少的传感和计算能力。我们利用开环稳定的中央模式产生的步态，以适应线性倒立摆模型所观察到的质心轨迹。然后，我们使用拟合模型来预测合适的脚步位置和时间，以便在遵循目标步行速度的同时保持平衡。我们的实验表明，迄今为止，人形机器人中最强的推动-恢复能力之一的定性和统计证据。
2020-11-05 cs.RO
Variable Horizon MPC with Swing Foot Dynamics for Bipedal Walking Control
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；Tandon School of Engineering, New York University（纽约大学坦登工程学院）
在本文中，我们提出了一种新的两级可变时域模型预测控制（VH-MPC）框架的双足运动。在这个框架中，更高级别计算落地位置和摆动脚的时间（水平长度），以稳定质心（CoM）动态的不稳定部分，使用来自CoM状态的反馈。较低级别考虑摆动脚动力学，并生成动态一致的轨迹，以便在期望的时间尽可能接近期望的位置着陆。要做到这一点，我们使用一个简化模型的机器人动力学预测摆动脚空间，考虑到关节扭矩的约束，以及摩擦锥的立场脚的约束。我们证明了我们提出的控制框架的有效性，通过实施强大的行走模式，我们的扭矩控制和开源的机器人，螺栓。我们报告广泛的模拟和真实的机器人实验中存在的各种干扰和不确定性。
2021-02-20 cs.RO
Global-Position Tracking Control of 3-D Bipedal Walking via Virtual Constraint Design and Multiple Lyapunov Analysis
Purdue University（普渡大学）
腿部运动性能的安全关键度量是机器人在环境中跟踪其期望的时变位置轨迹的能力，其在本文中被称为“全局位置跟踪”。本文介绍了一种非线性控制方法，实现渐近全局位置跟踪的三维（3-D）双足机器人行走。由于复杂的混合机器人模型和随时间变化的期望全局位置轨迹，设计全局位置跟踪控制器是一个具有挑战性的问题。为了解决这个问题，第一个主要贡献是建设的影响不变性，以确保所有期望的轨迹尊重脚着陆的影响动态，这是实现渐进跟踪的混合步行系统的必要条件。由于这些条件独立于期望的全局位置，因此可以利用这些条件来解耦全局位置的较高级别规划和剩余轨迹的较低级别规划，从而极大地减轻了运动规划的计算负担。第二个主要贡献是基于Lyapunov的混合闭环系统的稳定性分析，它产生了足够的条件来指导控制器的设计，以实现渐进的全局位置跟踪在完全驱动行走。仿真和实验的3-D双足机器人与20个转动关节证实了所提出的控制方法在保证准确的跟踪的有效性。
2021-08-08 cs.RO
Dynamic Locomotion For Passive-Ankle Biped Robots And Humanoids Using Whole-Body Locomotion Control
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Stanford University（斯坦福大学）
全身控制是一种面向任务的反馈控制方法，用于人形机器人的局部操作行为。WBC和基于模型的步行控制器的组合已被广泛应用于各种人形机器人中。然而，到目前为止，WBC方法还没有被用于无支撑的被动踝关节动态运动。因此，在本文中，我们设计了一个新的WBC，被称为全身运动控制器（WBLC），可以实现实验动态行走无支撑被动踝关节机器人。WBLC的一个关键方面是接触约束的放松，使得控制命令在切换脚接触时产生减少的急动。为了实现强大的动态运动，我们进行了深入的分析，我们的动态步行算法称为时间速度反转（TVR）规划的不确定性。不确定性研究是基础，因为它使我们能够改进我们的机器人的控制算法和机械结构，以满足容忍的不确定性。此外，我们进行了大量的实验：1）无支撑的动态平衡（即原地踏步）与六自由度（DoF）的机器人，水星; 2）无支撑的方向行走与水星; 3）行走在不规则和光滑的地形与水星;和4）原地行走与我们新设计的十自由度粘弹性液体冷却机器人，DRACO。总体而言，这项工作的主要贡献是：a）实现被动踝两足动物使用WBLC控制器和TVR规划器的无支撑动态运动的各种模式，b）进行不确定性分析，以改善水星的机械结构和控制器，以及c）设计一个全身控制策略，减少行走过程中的运动抖动。
2019-01-23 cs.RO
Dynamic Walking on Slippery Surfaces: Demonstrating Stable Bipedal Gaits with Planned Ground Slippage
California Institute of Technology（加州理工学院）；Technion - Israel Institute of Technology（以色列理工学院）
动态双足机器人运动已经取得了显着的成功，部分原因是最近的进步轨迹生成和非线性控制的稳定。在理论和实验中使用的一个关键假设是，机器人的站立脚总是与地面无滑动接触，包括在冲击。这种假设在室外地形中经常遇到的光滑的低摩擦表面上会破裂，导致故障和稳定性损失。在这项工作中，我们扩展了理论分析和轨迹优化帐户粘滑过渡点脚接触库仑摩擦定律。以AMBER-3 M平面仿人机器人为实验平台，首次实现了在光滑表面和粗糙无滑表面上均能稳定的滑移行走步态。我们还研究了脚滑移对降低运输机械成本的影响，并在数值模拟和实验测量中比较了能源效率。
2018-12-11 cs.RO
Model Analysis And Design Of Ellipse Based Segmented Varying Curved Foot For Biped Robot Walking
School of Mechatronics Engineering, Harbin Institute of Technology（机械电子工程学院，哈尔滨工业大学）
该研究提出ESVC分段变曲率椭圆足，建立解析接触模型并用非线性规划优化参数，实验证明其可显著降低双足机器人多向行走能耗。
2025-06-08 cs.RO
Hierarchical control strategy for planar bipedal walking robots based on reduced order model
Korea Institute of Science and Technology（韩国科学技术研究院）；UNIVERSITY OF SCIENCE AND TECHNOLOGY（科学技术大学）
在这项工作中，基于模板控制的双足机器人的分层控制策略进行了描述。柔性腿的轴向力被重定向到一个点，称为虚拟枢轴点（VPP），一个2D的机器人，这是位于CoM的模型，以产生一个恢复力矩的躯干运动。由此产生的模型行为将类似于围绕该VPP旋转的虚拟钟摆，从而在行走期间瞄准直立的躯干。受此分析的启发，我们提出了一种新的力重定向方法作为机器人行走的控制器。然后，这些关键功能的BTSLIP模型与一个简单的力方向控制器被映射到关节体机器人通过任务空间控制器的整体输入转矩。我们考虑了一个完整的动态仿真的2D关节体机器人随机初始条件下，存在的力干扰和适度粗糙的表面，以验证所提出的方法的性能。此外，与我们的控制策略，机器人实现了稳定的步行运动，同时保持其上身直立，而不使用优化方法。我们假设通过利用机械模板的属性，也称为降阶模型，这可以使稳定的步态的完整模型机器人，而不需要精确的路径规划。
2023-02-12 cs.RO
Bipedal walking with continuously compliant robotic legs
University of Stuttgart（斯图加特大学）；Institute for Nonlinear Mechanics（非线性力学研究所）
本文提出用连续柔顺材料替代传统刚性部件和SEA，设计双足机器人柔顺腿部，通过近似建模和多层控制策略，实现了成功的双足行走。
2024-11-11 cs.RO
Bipedal Walking on Constrained Footholds with MPC Footstep Control
University of Pennsylvania（宾夕法尼亚大学）
提出一种基于MIQP的模型预测步态控制器，联合优化落脚面选择、落脚位置、踝关节扭矩和质心轨迹，使欠驱动双足机器人Cassie能在约束地形上保持平衡行走。
2023-09-14 cs.RO
Fast Online Optimization for Terrain-Blind Bipedal Robot Walking with a Decoupled Actuated SLIP Model
Imperial College London（帝国理工学院）
我们提出了一个高度反应控制器，使双足机器人盲目地走过各种不平坦的地形，同时抵抗推动。高级运动规划器使用解耦致动弹簧加载倒立摆（aSLIP）模型对脚步位置和质心（CoM）高度进行快速在线优化。解耦的aSLIP模型简化了原始aSLIP，在水平状态下具有线性倒立摆（LIP）动力学，在垂直状态下具有弹簧动力学。运动规划可以用离散时间模型预测控制（MPC）来表示，并在1 k ~HZ的频率下求解。使用降阶模型的运动规划器的输出被馈送到基于逆动力学的全身控制器中以用于在机器人上执行。该控制器的一个关键结果是机器人的脚是顺应性的，这进一步扩展了机器人对未观察到的地形变化的鲁棒性的能力。我们评估我们的方法在模拟与双足机器人SLIDER。实验结果表明，该机器人能够在斜坡、波浪场和楼梯等各种不平坦地形上实现盲走。它也可以抵抗推，而走在不平坦的地形。
2021-09-20 cs.RO
Robust Bipedal Locomotion: Leveraging Saltation Matrices for Gait Optimization
California Institute of Technology（加州理工学院）
在双足机器人上生成鲁棒步行步态的能力是其在硬件上成功实现的关键。为此，这项工作扩展了混合零动态（HZD）的方法-传统上只占机车稳定性通过周期性约束下完美的影响事件-通过包含的突变矩阵，以期对合成强大的步行步态。通过联合最小化的扩展跃变矩阵和直接在步态生成过程中的机器人的扭矩的范数，我们证明了合成的步态比单独使用任何一项生成的步态更鲁棒;这些结果显示在模拟和硬件上的琥珀-3 M平面的机器人和Atalante下半身外骨骼（有和没有人类主体）。最终的结果是实验验证，结合跳跃矩阵与HZD方法产生更强大的双足步行在实践中。
2023-03-08 cs.RO
Learning Dynamic Bipedal Walking Across Stepping Stones
Collaborative Robotics and Intelligent Systems Institute, Oregon State University（俄勒冈州立大学协作机器人与智能系统研究所）
在这项工作中，我们提出了一种学习方法，三维动态双足步行时的脚步被约束到踏脚石。虽然最近的工作在这个问题上取得了进展，但现实世界的演示仅限于相对简单的开环，无感知的场景。我们的主要贡献是一个更先进的学习方法，使现实世界的演示，使用Cassie机器人，闭环动态行走在中等难度的踏脚石模式。我们的方法首先在仿真中使用强化学习（RL）来训练一个控制器，该控制器将脚步命令映射到关节动作上，而无需任何参考运动信息。然后，我们学习该控制器的能力的模型，该模型能够预测给定机器人当前动态状态的可行脚步。然后将得到的控制器和模型与用于检测垫脚石位置的实时高架摄像机系统集成。为了进行评估，我们开发了一套基准的垫脚石模式，用于测试在模拟和现实世界中的性能。总的来说，我们证明了模拟到真实的学习是非常有前途的，使动态运动的垫脚石。我们还确定了仍然存在的挑战，激励重要的未来研究方向。
2022-05-03 cs.RO
Quadratic Programming Optimization for Bio-Inspired Thruster-Assisted Bipedal Locomotion on Inclined Slopes
SiliconeSynapse Labs（硅突触实验室）；Northeastern University（东北大学）；California Institute of Technology（加州理工学院）
本文针对Harpy双足机器人，提出结合接触约束二次规划与全身控制的推进器辅助斜坡行走方法，通过仿真验证其在倾斜坡面上的运动性能。
2024-11-20 cs.RO
Learning Controller Gains on Bipedal Walking Robots via User Preferences
California Institute of Technology（加州理工学院）
复杂机器人行为的实验演示在很大程度上依赖于找到正确的控制器增益。这个艰苦的过程通常由领域专家完成，需要深入了解参数值与系统行为之间的关系。即使拥有这样的知识，也可能需要付出巨大的努力来导航可能的参数组合的非直观景观。在这项工作中，我们探索基于偏好的学习可以在多大程度上用于优化控制器增益在线反复查询用户的喜好。这种一般的方法适用于两个变种的控制李雅普诺夫函数为基础的非线性控制器的框架作为二次规划，提供理论保证，但在实践中实现具有挑战性。这些控制器都成功地证明了平面欠驱动的机器人，琥珀色，和三维欠驱动的机器人，卡西。我们实验评估的学习控制器的性能，并表明，所提出的方法是可重复地能够学习收益，产生稳定和强大的运动。
2022-03-02 cs.RO
Zippy: The smallest power-autonomous bipedal robot
Robotics Institute（机器人研究所）；College of Engineering（工程学院）；Department of Mechanical Engineering（机械工程系）
本文提出了仅3.6厘米高的最小自包含双足机器人Zippy，通过准被动设计与单电机开环控制实现转弯、跳跃和登阶，并以每秒10个腿长的速度成为该指标下最快的双足机器人。
2025-05-08 cs.RO
Bipedal Walking with Corrective Actions in the Tilt Phase Space
University of Bonn（波恩大学）
对于双足机器人，有许多方法可以在行走时保持平衡。除了步长和定时之外，其他策略也是可能的，这些策略影响机器人的稳定性而不干扰目标方向和运动速度。本文介绍了一个多方面的反馈控制器，使用许多不同的反馈机制，统称为纠正措施，稳定的核心关键点为基础的步态。反馈控制器是实验有效的，但没有任何物理模型的机器人，非常计算便宜，只需要一个单一的6轴IMU传感器。由于这些低要求，该方法被认为在机器人之间高度便携，并且还专门设计用于具有次优感测、致动和计算资源的低成本机器人。IMU数据用于估计机器人的与偏航无关的倾斜方向，表示在所谓的倾斜相空间中，并且是由控制器提供的所有反馈的来源。实验验证进行模拟，以及在真实的机器人硬件。
2018-10-12 cs.RO
Hybrid Zero Dynamics Control for Bipedal Walking with a Non-Instantaneous Double Support Phase
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Technische Universität Ilmenau（伊尔默瑙工业大学）
双足步行的混合零动态控制概念扩展到包括一个非瞬时的双支撑阶段。研究了由四个驱动转动关节连接的五个刚体组成的对称机器人。具有恒定平均步行速度的周期性步行步态由交替的单支撑阶段（SSP）和双支撑阶段（DSP）组成。混合零动态控制设计通常假设瞬时DSP，这是一个严重的限制。所提出的控制器使用连续的SSP和DSP。两个阶段之间的转换被建模为瞬时事件，当后腿在DSP结束时抬起，摆动腿在SSP结束时触地。由于DSP期间的模型具有比自由度（3）更多的致动器（4），系统被过致动。为了将其与欠驱动SSP模型相结合，然后制定一个周期性的步行步态，我们提出了三个控制器设计不同的应用。一个是欠驱动DSP，一个是全驱动DSP，一个是过驱动DSP。数值优化用于在离线过程中产生能量有效的步态。根据优化结果，人为地创建一个欠驱动控制器的DSP的结果在最有效的步态。在DSP期间利用完全致动或过度致动来添加控制任务显著地改善了步态稳定性。
2023-03-09 cs.RO
Noise Analysis and Hierarchical Adaptive Body State Estimator For Biped Robot Walking With ESVC Foot
School of Mechatronics Engineering, Harbin Institute of Technology（机械电子工程学院，哈尔滨工业大学）
针对ESVC足部放大接触模型误差的问题，本文通过实验分析测量与过程噪声并建立滑动窗口回归模型，提出含预估计和后估计的分层自适应EKF状态估计器，提升了估计精度与变噪声下的收敛速度。
2025-06-10 cs.RO
Asymptotically Stable Walking of a Five-Link Underactuated 3D Bipedal Robot
CNRS（法国国家科学研究中心）；IRCCyN（南特中央理工学院机器人研究中心）；Nantes Atlantic University（南特大西洋大学）；University of Michigan（密歇根大学）；National Taiwan University of Science and Technology（台湾科技大学）
本文提出了三个反馈控制器，实现了一个渐进稳定的，周期性的，快速行走步态的3D（空间）双足机器人组成的躯干，两条腿，和被动（未驱动）点脚。机器人和行走表面之间的接触被假定为抑制偏航旋转。所研究的机器人在单支撑阶段有8个自由度和6个驱动器。研究具有点足的机器人的兴趣在于，必须明确地考虑机器人的自然动力学以在行走时实现平衡。我们使用虚拟约束和混合零动态的方法的扩展，为了同时计算周期轨道和实现轨道的自主反馈控制器。该方法允许在8自由度机器人模型的2自由度子系统上进行计算。通过对混合零动态约束Poincaré映射的线性化，分析了步态在闭环控制下的稳定性。探讨了三种策略。第一种策略包括在通过优化搜索周期性步态的过程中施加稳定性条件。第二种策略使用基于事件的控制器。在第三种方法中，输出选择的效果进行了讨论，并提出了一个相关的输出选择，导致稳定，而不使用一个补充的基于事件的控制器。
2010-02-17 cs.RO
Learning Bipedal Walking for Humanoid Robots in Challenging Environments with Obstacle Avoidance
Tokyo University of Science（东京理科大学）；National Institute of Advanced Industrial Science and Technology (AIST)（独立行政法人产业技术综合研究所）
本文提出一种基于策略的强化学习方法，通过在先进奖励函数中增加距离奖励项，成功实现了人形机器人在有障碍物环境中的双足行走与避障导航。
2024-09-25 cs.LG cs.RO
Gastrocnemius and Power Amplifier Soleus Spring-Tendons Achieve Fast Human-like Walking in a Bipedal Robot
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Technical University of Munich（慕尼黑工业大学）
人类的腿部运动受人体的自然动力学和神经控制的支配。一种被认为有助于人类行走的高效率的机制是脉冲踝关节推离，其潜在地为摆动腿弹射器提供动力。然而，人类小腿的力学与其复杂的肌肉肌腱单位跨越单一和多个关节尚未了解。足式机器人允许测试复杂的腿力学，控制和环境之间的相互作用，在现实世界的步行步态。我们开发了一个0.49米高，2.2公斤的拟人双足机器人与Soleus和腓肠肌肌腱单位表示线性弹簧，作为单关节和双关节的弹性结构周围的机器人的踝关节和膝关节。我们测试了三种比目鱼肌和腓肠肌弹簧肌腱配置对踝关节功率曲线、踝关节和膝关节运动的协调性、运输总成本和步行速度的影响。我们用前馈中央模式发生器控制机器人，以0.35米的腿长，在1.0 Hz的运动频率下，步行速度在0.35米/秒和0.57米/秒之间。我们发现了这三种配置之间的差异; Soleus弹簧肌腱可能通过踝关节功率放大来调节机器人的速度和能量效率，而腓肠肌弹簧肌腱在推离过程中改变了踝关节和膝关节之间的运动协调。
2022-07-29 cs.RO
Toward Intelligent Biped-Humanoids Gaits Generation
National School of Engineering of Sfax, University of Sfax（斯法克斯国家工程学院，斯法克斯大学）
在本章中，我们将重点介绍我们的实验研究自然人步行分析和介绍一个生物启发设计的简单的双足运动系统的人形机器人。灵感直接来自于对人体行走的分析和人体肌肉的运动机理与控制。提出了一种混合步态生成算法，用于解决传统的运动学和动力学方程，步态包括膝关节、踝关节和髋关节轨迹。该算法是一种基于粒子群优化范式的智能进化算法。这个建议可以用于小型人形机器人，膝盖，脚踝和臀部和至少六个自由度（DOF）。
2012-12-08 cs.RO
Sim-to-Real Learning of Footstep-Constrained Bipedal Dynamic Walking
Collaborative Robotics and Intelligent Systems Institute, Oregon State University（俄勒冈州立大学协作机器人与智能系统研究所）；Agility Robotics（Agility Robotics（敏捷机器人公司））
最近，双足机器人的强化学习（RL）的工作已经成功地学会了控制器的各种动态步态与强大的模拟到真实的演示。为了保持平衡，学习的控制器可以完全自由地将脚放在哪里，从而产生高度鲁棒的步态。然而，在现实世界中，环境通常会对通常由感知系统识别的可行脚步位置施加约束。不幸的是，大多数双足机器人的RL控制器不允许指定和响应这样的约束。这种缺失的控制接口极大地限制了当前RL控制器的实际应用。在本文中，我们的目标是保持强大的和动态的学习步态的性质，同时也尊重外部施加的脚步限制。我们开发了一个RL制定训练动态步态控制器，可以响应指定的触地位置。然后，我们成功地证明了模拟和模拟到真实的性能的双足机器人卡西。此外，我们使用监督学习，以诱导一个过渡模型，准确地预测下一个触地位置，控制器可以实现给定的机器人的本体感受观察。该模型为将学习控制器集成到鲁棒地满足平衡和环境约束的全阶机器人运动规划器中铺平了道路。
2022-05-03 cs.RO
Bipedal Walking Robot using Deep Deterministic Policy Gradient
Indian Institute of Science（印度科学学院）
机器学习算法已经在机器人和控制系统领域中找到了若干应用。控制系统界已经开始对监督学习、模仿学习和强化学习等子领域的几种机器学习算法表现出兴趣，以实现自主控制和智能决策。在众多复杂的控制问题中，稳定的双足步行一直是最具挑战性的问题。在本文中，我们提出了一个架构，设计和模拟平面双足步行机器人（BWR）使用现实机器人模拟器，凉亭。该机器人通过多次试验和错误来学习成功的行走行为，而无需任何关于自身或世界动态的先验知识。BWR的自主行走是使用称为深度确定性策略梯度（DDPG）的强化学习算法来实现的。DDPG是连续动作空间中学习控制的算法之一。在模拟中训练模型后，观察到，通过适当形状的奖励函数，机器人实现了更快的行走，甚至呈现出平均速度为0.83 m/s的跑步步态。两足步行者的步态模式与实际的人类步行模式进行了比较。结果表明，双足步行模式具有与人类步行模式相似的特征。演示我们实验的视频可在https://goo.gl/NHXKqR上获得。
2018-07-17 cs.AI cs.LG cs.RO
Whole-Body Dynamic Telelocomotion: A Step-to-Step Dynamics Approach to Human Walking Reference Generation
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Notre Dame（圣母大学）
该研究针对人形机器人遥操作中的动态同步与鲁棒性问题，提出将双足行走特性嵌入虚拟界面并集成反应式控制器的全身动态遥操作行走方法，经仿真验证可实现人机动态同步及多种行走控制效果。
2023-07-21 cs.RO
Rigid vs compliant contact: An experimental study on biped walking
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Tehran（德黑兰大学）；Tarbiat Modares University（塔比阿特莫达勒斯大学）；Hakim Sabzevari University（哈基姆萨卜泽瓦尔大学）；Sharif University of Technology（谢里夫理工大学）
由于腿的运动是通过接触实现的，接触建模在足式机器人的运动规划、仿真和控制中起着核心作用。两个流行的方法来模拟接触考虑刚性和柔性的前提下，在相互作用的端口。与具有刚性接触（无冲击）的腿系统的动力学模型相反，该模型易于开发，研究人员之间没有共识采用标准的柔顺接触模型。本文的主要目的是研究具有刚性接触和\textit{novel}柔性接触模型的双足步行系统的动力学模型结构，并对两种模型进行实验验证。对于刚性接触的模型，在开发的关节机构在飞行阶段没有任何接触的环境中的模型后，我们应用完整约束的接触点，并开发在单，双支撑阶段的机器人的约束动力学模型。对于柔性接触的机器人模型，提出了一种新的非线性接触模型，并利用该模型对机器人的运动进行了仿真。为了显示所开发的模型的性能，我们比较从这些模型中获得的结果，从两足步行的人类大小的人形机器人SURENA III，它已被设计和制造的CAST，德黑兰大学的经验测量。分析表明，这两种模型在估计机器人在半刚性表面上行走的动态行为的优点。刚性接触模型复杂度较低，与接触物体的物理特性无关，可用于基于模型的运动优化、分析和控制，而柔性接触模型复杂度较高，适用于更真实的仿真场景。
2018-12-13 cs.RO
Closing the Loop on the Poppy Humanoid: Bipedal Locomotion with Linear-Quadratic Control and Learned Cost Functions
Syracuse University（雪城大学）
本文针对开源低成本的Poppy人形机器人，提出结合线性二次调节器（LQR）与学习二次代价函数的闭环行走控制器，经实验验证其行走性能较开环轨迹回放有统计学意义的显著提升。
2026-08-28 cs.RO
Effect of the Dynamics of a Horizontally Wobbling Mass on Biped Walking Performance
Nagoya Institute of Technology（名古屋工业大学）
我们已经开发了一个被动的动态行走机构的机器人。本研究提出了一个指南针模型与摇摆质量连接到上半身和在水平方向上振荡，以澄清上半身的水平动力学对双足步行的影响。对模型的极限环进行了数值搜索，并研究了极限环的稳定性和能量效率。几个定性不同的极限环主要取决于弹簧常数，支持摆动质量。特定类型的解决方案降低了稳定性，同时降低了意外坠落的风险并提高了能源效率。所获得的结果归因于摆动质量在与上身相反的方向上移动，从而防止行走时加速度和减速度的大变化。研究了该模型的运动与实际机器人的运动和人体步态之间的关系。
2023-03-14 cs.RO cs.SY eess.SY
Walking on the Slope: Stable Bipedal Gaits with Genetic-Algorithm-Optimized Trajectories
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
本研究提出一种遗传算法优化轨迹的8自由度双足机器人步态，在平坦和倾斜地形上实现ZMP稳定行走，并揭示稳定性由质量分布而非总质量决定。
2026-09-18 cs.RO
From Bipedal Walking to Quadrupedal Locomotion: Full-Body Dynamics Decomposition for Rapid Gait Generation
California Institute of Technology（加州理工学院）
本文系统地将四足机器人分解为两足机器人以快速产生步行步态，然后将这些步态重组以获得四足运动。首先，我们分解的全阶，非线性和混合动力学的三维四足机器人，包括其连续和离散的动态，到两个双足系统受到外力。使用混合零动态（HZD）框架，这些双足机器人的步态可以快速生成（秒级）以及相应的控制器。分解是以这样一种方式实现的，双足步行步态和控制器可以组成，以产生动态步行步态的原始四足机器人-其结果是快速生成的动态四足步态利用全阶动力学。这种方法是通过快速生成（平均3.96秒）的四步到位的步态和一个对角对称漫步步态在0.35米/秒的四足机器人-视觉60，36个状态变量和12个控制输入-无论是在模拟和通过室外实验。这提出了一种使用全身动力学进行快速四足动物轨迹规划的新方法，而不需要经验模型简化，其中来自动态双足动物行走的方法可以直接应用于四足动物。
2020-03-19 cs.RO cs.SY eess.SY
Inverse Dynamics Control of Compliant Hybrid Zero Dynamic Walking
California Institute of Technology（加州理工学院）
我们提出了一个轨迹规划和控制架构的双足运动在各种速度的高度欠驱动和兼容的双足机器人。离线规划顺应性步行轨迹库，并将其存储为用于在线跟踪的多项式系数的紧凑阵列。控制实现使用一个浮动基础的逆动力学控制器，该控制器产生动态一致的前馈转矩，以实现步行使用从轨迹优化获得的信息。控制器的有效性证明在模拟和硬件上行走在室内平坦的地形和室外计划外的干扰。此外，控制器和优化源代码都可以在GitHub上获得。
2020-10-18 cs.RO
Orbit Characterization, Stabilization and Composition on 3D Underactuated Bipedal Walking via Hybrid Passive Linear Inverted Pendulum Model
California Institute of Technology（加州理工学院）
提出了一种混合被动式直线倒立摆（HLIP）模型，用于描述、稳定和合成三维欠驱动双足步行的周期轨道。具体地，周期-1（P1）和周期-2（P2）轨道在H-LIP的状态空间中被几何地表征。步进控制器的设计是为了全局稳定的轨道。导出了增益的有效范围及其最优性。最优步进控制器被用来创建和稳定的双足机器人的步行。驱动弹簧加载倒立摆（aSLIP）模型和欠驱动机器人卡西用于说明。具有P1或P2轨道的aSLIP行走和具有P1和P2轨道的所有3D组成的Cassie行走都可以从原地踏步运动平滑地生成和稳定。该方法为三维欠驱动步行机器人的连续步态生成和稳定提供了一种视角和方法。
2019-10-01 cs.RO cs.SY eess.SY
Velocity Regulation of 3D Bipedal Walking Robots with Uncertain Dynamics Through Adaptive Neural Network Controller
Ohio State University（俄亥俄州立大学）；National Research Council of Canada（加拿大国家研究委员会）；University of Waterloo（滑铁卢大学）；Southern University of Science and Technology（南方科技大学）
提出了一种基于神经网络的自适应反馈控制结构，用于在动力学不确定性条件下对3D双足机器人进行速度调节。现有的基于混合零动态（HZD）的控制器通过实施启发式调节器来调节速度，该调节器不考虑模型和环境不确定性，这可能会显着影响控制器的跟踪性能。在本文中，我们解决的不确定性，在机器人动力学的虚拟约束的降维表示的角度来看，并提出了一个自适应神经网络为基础的控制器，以调节机器人的速度在模型参数的不确定性的存在下，集成。所提出的方法产生动态不确定性下的跟踪性能改善。本文中使用的浅层自适应神经网络不需要事先训练，并有可能在实时机器人控制器上实现。一个3D Cassie机器人的比较仿真研究，以说明所提出的方法在各种情况下的性能。
2020-08-02 cs.RO
Bipedal locomotion using geometric techniques
Universidad de Vigo（维戈大学）
本文提出一种完全基于几何方法求解逆运动学的双足行走算法，通过简化问题并从基础解释数学概念，避免使用矩阵系统和复杂技术，以简单直观的方式实现行走过程求解。
2024-08-29 cs.RO
Feedback Control of a Cassie Bipedal Robot: Walking, Standing, and Riding a Segway
University of Michigan（密歇根大学）
由Agility Robotics设计的Cassie双足机器人为学术界提供了一个共享和比较运动，感知和导航算法的通用平台。本文采用虚拟约束和步态库的方法，对人体站立和行走的反馈控制进行了研究。设计的控制器是在机器人到达密歇根大学六周后实施的，并允许它站在原地，以及在人行道，草地，雪地，沙子和燃烧的灌木丛上行走。站立控制器还使机器人能够乘坐赛格威。Cassie机器人的模型已被放置在GitHub上，如果论文被接受，控制器也将开源。
2018-09-19 cs.RO math.OC
Dynamic Walking of Bipedal Robots on Uneven Stepping Stones via Adaptive-frequency MPC
University of Southern California（南加州大学）
本文提出了一种新的自适应频率MPC框架的双足运动在不均匀的踏脚石地形。详细地说，我们打算实现自适应的脚的位置和步态周期的双足周期性步行步态与此MPC，以穿越地形的不连续性而不减速。我们将这种自适应频率MPC与运动动力学轨迹优化配对，以获得最佳步态周期、质心（CoM）轨迹和足部放置。我们使用全身控制（WBC）以及自适应频率MPC来跟踪离线优化的最佳轨迹。在数值验证中，我们的自适应频率MPC优化框架已显示出优于固定频率MPC。所提出的框架可以控制双足机器人穿越不均匀的踏脚石地形与扰动石头的高度，宽度和表面形状，同时保持平均速度为1.5米/秒。
2022-09-18 cs.RO cs.SY eess.SY
Bayesian Optimization Using Domain Knowledge on the ATRIAS Biped
Robotics Institute, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院机器人研究所）；Robotics, Perception and Learning, CSC, KTH Royal Institute of Technology（瑞典皇家理工学院计算机科学与通信系机器人、感知与学习部门）
机器人中的控制器通常由专家设计的机器人组成，在更高的维度上很难调整。通常使用仿真来学习这些参数，但在仿真中学习的控制器通常不会转移到硬件。这需要直接在硬件上进行优化。然而，在硬件上收集数据可能是昂贵的。这导致了最近对将数据高效学习技术应用于机器人技术的兴趣。一种流行的方法是贝叶斯优化（BO），这是一种样本效率高的黑盒优化方案，但其性能通常在更高的维度上会下降。我们的目标是克服这个问题，结合领域知识，以减少在一个有意义的方式维数，重点是双足运动。在以前的工作中，我们提出了一种基于人类行走知识的转换，将16维控制器投影到1维空间。在仿真中，这表明了增强的样本效率时，优化人类启发的神经肌肉行走控制器的人形模型。在本文中，我们提出了一个广义的特征变换适用于非人形机器人形态和评估ATRIAS双足机器人-在模拟和硬件。我们提出了三种不同的步行控制器，两个评估真实的机器人。我们的研究结果表明，与传统BO相比，这种特征变换捕获了行走的重要方面，并加速了硬件和模拟的学习。
2017-09-18 cs.RO
Trajectory control of a bipedal walking robot with inertial disc
Escola Politécnica da USP（圣保罗大学理工学院）；Mines ParisTech（巴黎矿业学院）
在本文中，我们利用了一些有趣的性质，一类双足机器人有一个惯性盘。其中一个属性是能够控制除了光盘位置之外的每个位置和速度。所提出的控制设计在两个层次。第一个将驱动机器人的几何形状，而第二个将控制速度和角动量。该方法的指数稳定性证明了周围的一些邻居的名义轨迹定义的几何形状的步骤。该控制将不花费能量来调整盘位置，也不使轨迹与时间同步。所提出的控制只采取行动，以纠正行走步态的基本方面。计算模拟不同的条件下，作为一个经验测试的吸引力附近。
2013-11-22 cs.RO math.OC
