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
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
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
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
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
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
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
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
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
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
Walking-by-Logic: Signal Temporal Logic-Guided Model Predictive Control for Bipedal Locomotion Resilient to External Perturbations
Georgia Institute of Technology（佐治亚理工学院）
本文首次将信号时序逻辑引导的模型预测控制用于双足运动推挤恢复，生成同时满足任务规范并最大化鲁棒性的安全轨迹，在交叉腿动作和踏脚石选择等任务中优于现有控制器。
2023-09-22 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
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
A Robustness Analysis of Inverse Optimal Control of Bipedal Walking
The Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Google X（谷歌X）；The University of Southern California（南加利福尼亚大学）；New York University（纽约大学）
成本函数有潜力提供紧凑和可理解的运动概括。逆最优控制（IOC）的目标是分析相对于未知成本函数被假设为最优的观察行为，并推断该成本函数。在这里，我们开发了一种方法来表征成本函数的腿运动，与简单的模型表示复杂的人形行为的目标。为了测试这种方法，我们模拟步行步态的一个简单的5链接平面步行模型，优化已知的成本函数，并评估我们的IOC方法恢复它们的能力。特别地，IOC方法使用迭代轨迹优化过程来推断与用于生成单个经证明的最优试验的成本函数权重一致的成本函数权重。我们还探讨了敏感性的IOC传感器噪声在观察到的轨迹，不完善的知识的模型或任务，以及不确定性的成本函数的组成部分。通过适当的建模，这些方法可以帮助从人类数据中推断成本函数，从而产生用于人形机器人控制器的类人运动的紧凑且可概括的表示，以及提供用于实验探索人类偏好的新工具。
2021-04-25 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
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
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
Planar Bipedal Locomotion with Nonlinear Model Predictive Control: Online Gait Generation using Whole-Body Dynamics
ETH Zürich（苏黎世联邦理工学院）；California Institute of Technology（加州理工学院）
具有输入约束和欠驱动的双足机器人实时生成动态行走的能力具有在动态、复杂和非结构化环境中实现运动的潜力。然而，双足机器人的高维特性限制了全阶刚体动力学的使用，离线合成，然后在线跟踪步态。在这项工作中，我们开发了一个在线的非线性模型预测控制的方法，利用全阶动力学实现不同的步行行为。此外，这种方法可以通过期望的参考与离线合成的步态相结合，以实现更短的预测范围和快速的在线重新规划，弥合在线反应控制和离线步态规划之间的差距。我们证明了所提出的方法，无论有和没有离线步态，在模拟和硬件上的平面机器人琥珀-3M。
2022-11-03 cs.RO
Preference-Based Learning for User-Guided HZD Gait Generation on Bipedal Walking Robots
California Institute of Technology（加州理工学院）
本文提出了一个框架，利用控制理论和机器学习，以获得稳定和强大的双足运动，而不需要手动参数调整。传统上，步态是通过轨迹优化方法产生的，然后通过实验实现的--由于模型和硬件之间的差异，这个过程通常需要大量的调整。在这项工作中，步态实现的过程中，通过混合零动力学（HZD）为基础的优化正式结合基于偏好的学习，系统地实现动态稳定行走。重要的是，这种学习方法不需要精心构建的奖励函数，而是利用人类的成对偏好。所提出的方法的力量是通过两个实验上的平面AMBER-3 M：第一个与刚性点脚，和第二个与诱导模型的不确定性，通过添加弹簧，其中增加的顺应性不占在步态生成或控制器。在这两个实验中，该框架在不到50次迭代中实现了稳定，健壮，高效和自然的行走，而不依赖于模拟环境。这些结果表明，在统一控制理论和学习的一个有前途的一步。
2021-03-29 cs.LG cs.RO
Contingency Model Predictive Control for Bipedal Locomotion on Moving Surfaces with a Linear Inverted Pendulum Model
Motional AD, LLC（Motional AD有限责任公司）；Rutgers University（罗格斯大学）
针对移动表面上双足行走的平衡控制难题，提出基于线性倒立摆模型的应急模型预测控制（CMPC），通过纳入最坏情况表面运动，在仿真中验证了其优于常规MPC的可行性与性能。
2024-04-18 cs.RO
STRIDE: An Open-Source, Low-Cost, and Versatile Bipedal Robot Platform for Research and Education
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
本文提出开源低成本双足机器人平台 STRIDE，通过模块化设计、可重构地形与定量扰动系统，并结合自适应逐步动力学行走控制器，为双足机器人研究与教育提供多功能评估平台。
2024-07-02 cs.RO
Nonlinear Model Predictive Control for Robust Bipedal Locomotion: Exploring Angular Momentum and CoM Height Changes
School of Power and Mechanical Engineering, Wuhan University（武汉大学动力与机械学院）；Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人研究院）；School of Mechanical Engineering, University of Leeds（利兹大学机械工程学院）；School of Informatics, The University of Edinburgh（爱丁堡大学信息学院）；Humanoid and Human Centered Mechatronics Research Line, Istituto Italiano di Tecnologia（意大利技术研究院人形与以人为中心的机电一体化研究线）
本研究提出一种具备步位调整、质心高度变化和角动量自适应能力的新型非线性模型预测控制框架，通过非线性倒立摆加飞轮模型构建二次约束二次规划问题并快速求解，生成鲁棒行走模式，经仿真验证了多场景双足行走适应性。
2021-01-25 cs.RO
Extended Hybrid Zero Dynamics for Bipedal Walking of the Knee-less Robot SLIDER
Robot Intelligence Lab, Dyson School of Design Engineering, Imperial College London, UK（机器人智能实验室，设计工程学院，伦敦帝国理工学院，英国）；Department of Aeronautics, Imperial College London, UK（航空系，伦敦帝国理工学院，英国）
针对无膝双足机器人SLIDER，提出扩展混合零动态方法结合引导式深度强化学习的行走控制方案，结合稳定步态生成与实时自适应优势，行走速度较原有MPC方法提升150%。
2025-06-13 cs.RO cs.SY eess.SY
Toward an Expressive Bipedal Robot: Variable Gait Synthesis and Validation in a Planar Model
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Laban/Bartenieff Institute of Movement Studies（拉班/芭特妮芙动作研究学院）
人类是高效的，但在运动中却富有表现力。人类的行走行为可以用于在各种各样的表面上行走而不会跌倒，并且通过可变的步态风格将内部状态传达给其他人。这为创造类似表现力的双足机器人提供了灵感。为此，风格步态生成框架中的指南针式欠驱动的平面三维模型。步态设计是使用基于模型的轨迹优化与可变约束。对于有限范围的优化参数，可以为该模型生成360个步态的大集合。特别是，步长和成本函数是不同的，以产生不同的周期性步行步态。从这些得到的步态中，使用具身运动分析，用与人类活动相关的风格动词识别和标记6种步态，例如，"lope"和"saunter"。这些标签已经通过在Amazon Mechanical Turk中进行用户研究进行了验证，从而证明使用此框架可以生成视觉上可区分的有意义的步态。这为创建具有可变社交能力运动轮廓的双足人形机器人奠定了基础。
2018-09-13 cs.RO
Resolved Motion Control for 3D Underactuated Bipedal Walking using Linear Inverted Pendulum Dynamics and Neural Adaptation
Ohio State University（俄亥俄州立大学）
我们提出了一个框架，以产生周期性的轨迹参考的三维欠驱动双足机器人，使用线性倒立摆（LIP）为基础的控制器与自适应神经调节。我们使用的LIP模板模型来估计机器人的质心（CoM）的位置和速度在当前步骤结束时，并制定一个离散控制器，确定下一个脚步的位置，以实现所需的步行轮廓。该控制器配备了一个基于神经网络的自适应项，减少了模板和物理机器人之间的模型失配，特别是影响横向运动的正面平面。然后，为LIP模型计算的脚放置位置被用来生成实际机器人的任务空间轨迹（CoM和摆动脚轨迹），以实现稳定行走。我们使用一个快速，实时的基于QP的逆运动学算法，从任务空间的轨迹，这使得制定独立的机器人动力学的知识产生联合参考。最后，我们实施和评估所提出的方法在仿真和硬件实验与数字机器人获得稳定的周期性运动的情况下。
2022-08-02 cs.RO cs.SY eess.SY
Robust Push Recovery on Bipedal Robots: Leveraging Multi-Domain Hybrid Systems with Reduced-Order Model Predictive Control
Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系，加州理工学院）
本文提出一种将双足运动的混合系统模型与降阶模型预测控制相统一的框架，用于实现双足机器人运动中的鲁棒推力恢复，在仿真中验证了其在动态环境下的稳定性和实时可行性。
2025-04-25 cs.RO
Evolution of central pattern generators for the control of a five-link bipedal walking mechanism
Chalmers University of Technology（查尔姆斯理工大学）
中枢模式发生器（centralpatterngenerators，CPG）是一种用于产生节律性运动的神经网络，其研究基础是神经生理学。虽然CPG越来越多地用于机器人控制，但大多数应用程序都是针对特定任务进行手动调整的，并且在该领域中公认缺乏用于为给定任务创建单独网络的通用方法和设计原则。本研究提出了一种方法，其中CPG网络的连通性和振荡参数是由进化算法与适应度评估，在一个现实的模拟与准确的物理。我们将此技术应用于五连杆平面步行机构，以证明其可行性和性能。此外，为了观察仿真结果是否可以被可接受地转移到真实机器人硬件，还在真实机构上测试了最佳进化的CPG网络。我们的研究结果还证实，生物启发的CPG模型非常适合腿运动，因为已经观察到网络的各种表现形式在进化过程中的适应度模拟中取得了成功。
2012-03-29 cs.NE cs.RO
Demonstrating a Robust Walking Algorithm for Underactuated Bipedal Robots in Non-flat, Non-stationary Environments
本文提出融合踝关节力矩、改进 ALIP、虚拟约束与实时 MPC 的双策略行走控制方法，并在 Cassie 上实现台阶及移动自动人行道等非静止环境的鲁棒行走。
2024-09-05 cs.RO cs.SY eess.SY
Global Position Control on Underactuated Bipedal Robots: Step-to-step Dynamics Approximation for Step Planning
California Institute of Technology（加州理工学院）
欠驱动双足步行的全局位置控制是一个具有挑战性的问题，由于缺乏驱动的脚的机器人。在本文中，我们应用混合线性倒立摆（H-LIP）基于步进的三维欠驱动双足机器人的全局位置控制。H-LIP行走的一步到一步（S2 S）动态近似于机器人行走的实际S2 S动态，其中步长被认为是输入。因此，基于H-LIP的反馈控制器近似地控制机器人像H-LIP一样行为，它们之间的差异保持在误差不变集中。将模型预测控制（MPC）应用于H-LIP，以实现3D中的全局位置控制。然后，H-LIP步进产生机器人跟踪所需的步长。此外，转向行为与步规划相结合。该框架在三维欠驱动双足机器人Cassie上进行了仿真验证，并进行了概念验证实验。
2021-11-29 cs.RO cs.SY eess.SY
Bipedal Locomotion Optimization by Exploitation of the Full Dynamics in DCM Trajectory Planning
University of Tehran（德黑兰大学）
基于发散运动分量（DCM）和线性倒立摆模型（LIPM）的步行运动规划是实现人形机器人在线步态轨迹生成的一种方法。该算法需要调整不同的参数。在这里，我们开发了一个框架，以获得最佳的参数，以实现一个稳定的和节能的轨迹，真正的机器人的步态。为了找到最优的轨迹，四个成本函数代表的能量消耗，关节速度和施加在每个下肢关节的机器人，和成本函数的基础上的零力矩点（ZMP）的稳定性标准。在该框架中采用遗传算法来优化每个成本函数。虽然轨迹规划是在简化模型的帮助下进行的，但每个代价函数的值是通过考虑Bullet物理发动机模拟器中的全动力学模型和脚-地面接触模型来获得的。优化结果表明，最稳定的行走和最有效的行走方式是相互对比的。因此，在另一尝试中，在三个不同速度下执行ZMP和能量成本函数的多目标优化。最后，我们比较了设计的轨迹，这是使用最佳参数生成的，在舞蹈模拟器的仿真结果。
2022-07-30 cs.RO
Control Lyapunov Functions for Compliant Hybrid Zero Dynamic Walking
California Institute of Technology（加州理工学院）
在动态机器人系统上实现具有形式保证的非线性控制器的能力有可能实现更复杂的机器人行为-然而，实现这些控制器通常具有实际挑战性。为了解决这个问题，本文提出了端到端的实现动态双足运动的欠驱动双足机器人通过混合零动态和控制李雅普诺夫函数。Cassie的顺应性模型被表示为混合系统以设置用于轨迹优化框架的阶段。为了在所有方向上实现各种步行速度，编译了顺应性步行运动库，然后将其参数化，以便在实时控制器中有效使用。控制李雅普诺夫函数，这有很强的理论保证，综合利用步态库，再加上逆动力学，以获得基于优化的控制器框架为二次规划。它被证明，该控制器可证明实现稳定的运动，这是再加上一个理论分析，证明有用的性能的控制器的调整和实施。所提出的理论框架上的Cassie机器人，其中3D步行是通过使用基于优化的扭矩控制实现实际证明。实验突出了机器人行走在不同的速度和地形，说明了端到端的实现理论上合理的非线性控制器的动态欠驱动机器人系统。
2021-07-09 cs.RO
Dynamic Walkng of Legged Machines
University of Edinburgh（爱丁堡大学）
腿式机器的运动面临着模型复杂性和计算成本的问题。存在基于复杂模型和/或强化学习的算法来解决行走控制任务。在这个计画中，我们的目标是发展一个以简单的线性倒立摆模型为基础的双足步行控制系统。为了简化复杂的腿运动控制过程，我们采用了将控制分为高度控制、前进速度控制和平衡控制三部分的技术。身体的前进速度与脚的位置成线性关系，因此我们用一个线性函数来实现脚的位置。我们的控制系统在模拟环境中实现了稳定的行走步态，我们的双足机器人以稳定，动态和几乎自然的方式以循环模式行走超过200步。实验数据和分析。
2018-05-15 cs.RO
Bipedal Robust Walking on Uneven Footholds: Piecewise Slope LIPM with Discrete Model Predictive Control
Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算学部）；State Key Laboratory of Robotics and System, Harbin Institute of Technology（哈尔滨工业大学机器人技术与系统国家重点实验室）
针对不平整地形下LIPM的局限性，提出PS-LIPM和G-ALIP模型，结合MPC与WBC构建分层控制框架，实现步长位置与持续时间的同步优化，有效提升了双足在不平整踏脚石上行走的鲁棒性。
2025-04-03 cs.RO cs.SY eess.SY
RL-augmented MPC Framework for Agile and Robust Bipedal Footstep Locomotion Planning and Control
Universitat Politècnica de Catalunya (UPC)（加泰罗尼亚理工大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出结合MPC与RL的双足落脚点规划控制框架，利用学习策略弥合简化模型与全阶系统差距，在DRACO 3机器人上验证了动态运动性能的显著提升。
2024-07-25 cs.RO
Indirect Optimal Control for Constructing Libraries of Periodic Trajectories: Application to Bipedal Walking
Institute for Adaptive Mechanical Systems, University of Stuttgart（斯图加特大学自适应机械系统研究所）；Systems Modeling and Simulation, Saarland University（萨尔大学系统建模与仿真研究所）
本文提出间接方法生成最优周期轨迹库，对比直接方法，解决收敛问题，展示在compass-gait walker和RABBIT机器人中的应用，提升轨迹优化效率。
2026-10-30 cs.RO
Geometry-Aware Predictive Control for Walk-to-Run Bipedal Obstacle Crossing
Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）
本文提出几何感知预测控制框架，结合阶段轨迹生成器与MPC跟踪层，实现双足机器人行走到奔跑的平滑过渡越障，成功跨越前4个障碍物，为智能双足越障提供高效基础。
2026-10-14 cs.RO
Enhanced Capture Point Control Using Thruster Dynamics and QP-Based Optimization for Harpy
SiliconeSynapse Labs（硅突触实验室）；Northeastern University（东北大学）；California Institute of Technology（加州理工学院）
针对双足机器人Harpy，本研究通过整合姿态操纵与推力矢量控制，开发基于捕获点且集成QP求解器的推力器辅助动态行走控制器，以探索未充分研究的运动控制范式并提升性能。
2024-11-21 cs.RO
Pattern Generation for Walking on Slippery Terrains
K. N. Toosi University of Technology（K. N. 图西理工大学）；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）
在本文中，我们扩展了最先进的模型预测控制（MPC）的方法，以产生安全的双足步行光滑的表面。在这种情况下，我们制定步行作为实现所需的步行速度和保持强大的脚与地面接触之间的权衡。利用MPC内的这个公式，我们表明，在各种平坦地形上的安全行走可以通过妥协三个主要属性来实现，即。e.步行速度跟踪、零力矩点（ZMP）调节和所需摩擦系数（RCoF）调节。仿真结果表明，增加行走速度会增加机器人打滑的可能性，而减少打滑的可能性与减少接触的倾翻可能性是矛盾的，反之亦然。
2017-10-07 cs.RO
Data-Driven Gait Segmentation for Walking Assistance in a Lower-Limb Assistive Device
Northwestern University（西北大学）；Ekso Bionics（艾克索仿生学公司）
混合系统，如双足步行机，是具有挑战性的控制，因为其非线性动力学的不连续性。如果不对控制混合模式之间转换的保护条件进行建模，几乎无法预测系统的演变，因此即使是具有可靠状态感测的系统也难以控制。我们提出了一种算法，允许使用数据驱动的分析，实时确定系统的混合模式。该算法与数据驱动的动态识别一起使用，以实现完全基于数据的模型预测控制。两个例子-一个模拟料斗和实验数据从一个双足步行者-被使用。在第一个例子的背景下，我们能够密切近似的混合SLIP模型的动态，然后成功地将它们用于控制仿真。在第二个例子中，我们展示了人类行走数据的步态划分，准确区分站立和摆动，以及选定的摆动子阶段。我们在没有接触传感器的情况下，仅使用来自膝关节和髋关节的运动学数据来识别接触事件，例如脚跟着地和脚趾离地，这在步行期间提供在线帮助时可能特别有用。我们的算法不假设一个预定义的步态结构或步态相变，贷款本身的健康和病理步态的分割。有了这种灵活性，就可以设计针对具体缺陷的康复战略或援助。
2019-02-28 cs.RO
Optimal Reduced-order Modeling of Bipedal Locomotion
University of Pennsylvania（宾夕法尼亚大学）
腿部运动的最新方法广泛依赖于线性倒立摆（LIP）和弹簧加载倒立摆（SLIP）等模型的使用，这些模型很受欢迎，因为它们的简单性使各种工具能够用于规划，控制和分析。然而，它们不可避免地限制了执行复杂任务或敏捷机动的能力。在这项工作中，我们的目标是自动合成模型，保持低维，但保留的高维系统的能力。例如，如果要将小程度的复杂性恢复到LIP、SLIP或类似模型，则我们的方法会发现优化性能的额外复杂性的形式。在本文中，我们定义了一类降阶模型，并提供了一个算法优化这一类。为了证明我们的方法，我们优化模型的步行速度和地面倾斜的范围内，五连杆模型和Cassie双足机器人。
2019-09-23 cs.RO
Force-and-moment-based Model Predictive Control for Achieving Highly Dynamic Locomotion on Bipedal Robots
University of Southern California（南加利福尼亚大学）
针对动态足式机器人，提出了一种基于力和力矩的模型预测控制（MPC）新框架。具体来说，我们提出了一个配方MPC设计的10度的自由度（DoF）的双足机器人使用简化的刚体动力学与输入力和力矩。这个MPC控制器将计算应用于机器人的最佳输入，包括每只脚的3-D力和2-D力矩。然后，通过将这些力和力矩映射到每条腿上的5个致动器的电机扭矩，来生成这些期望的输入。我们评估我们提出的控制设计的物理仿真的10度的自由度（DoF）的双足机器人。该机器人在崎岖地形上可以实现高达1.6 m/s的快速行走速度，并具有精确的速度跟踪。在相同的控制框架下，我们所提出的方法可以实现广泛的动态运动，包括步行，跳跃和运行使用相同的控制参数集。
2021-10-06 cs.RO cs.SY eess.SY
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
Stochastic and Robust MPC for Bipedal Locomotion: A Comparative Study on Robustness and Performance
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Trento（特伦托大学）；New York University（纽约大学）
线性模型预测控制（MPC）已成功地用于产生可行的人形机器人的步行运动。然而，不确定性对约束满意度的影响仅使用鲁棒MPC（RMPC）方法进行了研究，该方法考虑了每个时刻有界扰动的最坏情况实现。在这封信中，我们首次提出使用线性随机MPC（SMPC）来解释双足行走的不确定性。我们表明，SMPC提供了更大的灵活性，用户（或高层次的决策者）容忍小（用户定义的）概率约束违反。因此，SMPC可以被调整以实现任意接近100%的约束满足概率，但不会像基于管的RMPC那样牺牲性能。我们比较SMPC对RMPC的鲁棒性（约束满足）和性能（最优性）。我们的研究结果突出了SMPC的好处和机器人社区的兴趣，作为一个强大的数学工具，处理不确定性。
2020-11-13 cs.RO cs.SY eess.SY
Variable Inertia Model Predictive Control for Fast Bipedal Maneuvers
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；North Carolina State University（北卡罗来纳州立大学）
针对双足机器人降阶模型与全身模型的偏差问题，提出融合可变质心惯性网络的MPC控制框架，结合接触力规划与全身控制器，在DRACO 3仿真中实现了更高速度的稳定行走。
2024-09-14 cs.RO
Adapting Rapid Motor Adaptation for Bipedal Robots
University of California Berkeley（加州大学伯克利分校）；Carnegie Mellon University（卡内基梅隆大学）
腿运动的最新进展使四足动物能够在具有挑战性的地形上行走。然而，双足机器人本质上更不稳定，因此很难为它们设计行走控制器。在这项工作中，我们利用最新的进展，快速适应运动控制，并将其扩展到双足机器人。类似于现有的作品，我们从一个基本的政策，产生的行动，同时作为输入的估计extrinsics向量从适应模块。这个外部向量包含有关环境的信息，使步行控制器能够快速在线适应。然而，外部估计器可能是不完美的，这可能导致期望完美估计器的基本策略的性能较差。在本文中，我们提出了A-RMA（自适应RMA），它通过使用无模型RL对其进行微调，从而为不完美的外生估计量调整基本策略。我们证明，A-RMA优于一些基于RL的基线控制器和基于模型的控制器在仿真中，并显示zero-shot部署一个单一的A-RMA政策，使双足机器人，卡西，走在各种不同的情况下，在现实世界中超出了它在训练过程中看到的。视频和结果https://ashish-kmr.github.io/a-rma/
2022-09-06 cs.AI cs.CV cs.LG
Dynamic Walking: Toward Agile and Efficient Bipedal Robots
California Institute of Technology（加州理工学院）
双足机器人的动态行走已经从科幻小说中的想法发展成为现实。这是由于在三个关键领域的持续进展：对运动的数学理解，通过优化编码这种数学的计算能力，以及能够在实践中实现这种理解的硬件。在这种情况下，这篇评论文章概述了端到端的过程中，已被证明是有效的，在文献中实现动态行走的双足机器人的方法。我们首先介绍运动的数学模型，从捕获基本行走行为的降阶模型到编码全阶连续动态和离散脚步撞击动态的混合动力系统。这些模型通过（非线性）优化问题形成步态生成的基础。最后，模型及其生成的步态在实时控制的上下文中合并，其中步行行为被转换为硬件。所提出的概念在整个仿真中进行了说明，并强调了在多个步行平台上的实验实例，以证明在敏捷和高效的双足机器人上实现动态步行的能力。
2020-10-15 cs.RO
3D Underactuated Bipedal Walking via H-LIP based Gait Synthesis and Stepping Stabilization
California Institute of Technology（加州理工学院）
在本文中，我们全面提出了一个混合线性倒立摆（H-LIP）为基础的方法，合成和稳定的3D足欠驱动双足步行，重点是彻底的硬件实现。H-LIP的建议，以捕捉欠驱动和驱动部分的机器人行走的重要组成部分。然后，基于H-LIP直接合成机器人步行步态。我们全面描述的周期轨道的H-LIP和可证明的步进稳定通过其一步到一步（S2 S）的动力学，然后利用近似的S2 S动力学的质心（COM）的水平状态的机器人行走。近似设施的H-LIP为基础的步进控制器，以提供所需的步长，以稳定的机器人行走。通过实现所需的步长，机器人实现动态和稳定的行走。该方法在三维欠驱动双足机器人Cassie的仿真和实验中得到了充分的评价，该机器人具有很高的通用性和鲁棒性。
2021-11-03 cs.RO
Robust Disturbance Rejection for Robotic Bipedal Walking: System-Level-Synthesis with Step-to-step Dynamics Approximation
California Institute of Technology（加州理工学院）
我们提出了一个步进稳定控制，解决外部推动双足步行机器人的干扰。步进控制是基于被控制为具有近似恒定的质心（COM）高度的机器人的步进（S2 S）动力学来合成的。我们首先学习一个线性的S2 S动态与有界模型的差异，从机器人的不受干扰的步行行为，其中步行步长作为控制输入的S2 S动态。然后，外部推动被认为是对学习的S2 S（L-S2 S）动态的干扰。然后，我们应用系统级综合（SLS）的方法对受干扰的L-S2 S动态鲁棒稳定的机器人所需的步行，同时满足机器人的运动学约束。我们成功地实现了所提出的方法对步行的两足机器人琥珀色和卡西受到推动干扰，表明该方法是通用的，有效的，和计算效率的鲁棒干扰抑制。
2022-01-26 cs.RO
Natural and Robust Walking using Reinforcement Learning without Demonstrations in High-Dimensional Musculoskeletal Models
Max-Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Hertie Institute for Clinical Brain Research（赫蒂临床脑研究所）；Center for Integrative Neuroscience（综合神经科学中心）；Goatstream；Meta AI；University of Stuttgart（斯图加特大学）；University of Tübingen（图宾根大学）；Heidelberg University（海德堡大学）
针对高维双足肌骨模型类人行走依赖脆弱的专家演示数据的问题，提出无需演示的强化学习方法，在保障高鲁棒性的同时实现了自然行走，为研究复杂环境中的人类步态开辟了新途径。
2023-09-07 cs.LG cs.RO
A Three-Stage Offline SDRE-Based Control Framework for Human Motion Reproduction on a Suspended Bipedal Robot
Department of Applied Mathematics, National Yang Ming Chiao Tung University（应用数学系，阳明交通大学）；Department of Electrical Engineering, National Central University（电气工程系，国立中央大学）
本文针对下肢外骨骼人体评估的安全风险，提出三阶段离线SDRE控制框架，结合PID-LQR补偿，在悬挂式双足机器人上实现行走、下蹲运动的高精度可重复复现，性能优于基准控制器。
2026-10-07 cs.RO math.OC
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
Bipedal-Walking-Dynamics Model on Granular Terrains
Department of Mechanical and Aerospace Engineering, Rutgers University（罗格斯大学机械与航空航天工程系）；Bridgewater Raritan High School（布里奇沃特-拉里坦高中）；State Key Lab of Fluid Power Transmission and Control and the School of Mechanical Engineering, Zhejiang University（浙江大学流体动力传动与控制国家重点实验室和机械工程学院）
本文提出一种新的双足行走动力学模型，用于预测在颗粒介质上行走的运动。模型通过动态足部-地形交互模型计算地面反作用力，并引入三个额外自由度以估计足部下沉和滑动，从而改进机器人行走的运动学和动力学分析。
2026-04-13 cs.RO
Invariant Filtering for Bipedal Walking on Dynamic Rigid Surfaces with Orientation-based Measurement Model
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
双足机器人行走的实际应用需要精确、实时的状态估计。动态刚性表面（DRS），如电梯，船舶，公共交通工具和飞机上的运动的状态估计，仍然是探索不足，虽然静态刚性表面的状态估计器的设计已被广泛研究。在状态估计中解决DRS运动是一个具有挑战性的问题，这主要是由于行走动力学的非线性、混合性质、非静止的表面-脚接触点和硬件缺陷（例如，有限的可用性、噪声和机载传感器的漂移）。为了解决这个问题，我们引入了一个不变的扩展卡尔曼滤波器（InEKF），其过程和测量模型显式地考虑DRS运动和混合行走行为，同时分别满足组仿射条件和不变形式。由于这些有吸引力的属性，滤波器的估计误差收敛可证明保证混合DRS运动。滤波器的测量模型还利用与支撑脚和表面取向相关联的完整约束，在该完整约束下，在存在一般DRS运动的情况下，机器人在世界上的偏航角变得可观察。摇摆跑步机上的双足步行实验结果表明，该滤波器确保快速的误差收敛和可观测的基础偏航角。
2021-09-02 cs.RO
Adaptive Mimic: Deep Reinforcement Learning of Parameterized Bipedal Walking from Infeasible References
Tsinghua University（清华大学）
直到最近，通过深度强化学习（DRL）实现了鲁棒的机器人运动。然而，为了有效地学习参数化双足步行，通常需要开发的参考，限制性能的参考。本文在参考文献的基础上，提出了一种自适应的模仿学习奖励函数。当智能体的性能较低时，鼓励智能体模仿参照物，而当智能体达到参照物的极限时，鼓励智能体追求高性能。我们进一步证明，开发的参考可以被低质量的参考所取代，这些参考是在没有费力的调整和不可行的情况下生成的，只要它们可以提供先验知识来加快学习过程。
2021-12-13 cs.RO
