Probabilistic Completeness of Randomized Possibility Graphs Applied to Bipedal Walking in Semi-unstructured Environments
我们提出了一个理论分析最近的全身运动规划方法，随机可能性图，它使用了一个高层次的分解的可行性约束流形，以迅速找到路线，可能导致一个解决方案。这些路线然后由较低级别的规划者进行审查，以确定可行性。在本文中，我们表明，这种方法是概率完成双足机器人执行准静态行走在“半非结构化”的环境。此外，我们表明，分解成更高和更低的水平规划允许一个相当高的收敛速度的概率找到一个解决方案时，存在。我们用一系列模拟场景说明了这种改进的收敛性。
2017-02-01 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
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
Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking
Robotics Innovation Center at the German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心机器人创新中心）
提出一种多阶段全身模型预测控制方法，结合近视野详细全身模型与远视野简化单刚体模型，降低计算复杂度并保持预测能力，在通用MPC框架acados中求解，无需预设足迹位置，在18自由度双足机器人HyPer-2上验证。
2026-06-03 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
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
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
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
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
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
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
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
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
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
Linear Policies are Sufficient to Realize Robust Bipedal Walking on Challenging Terrains
Indian Institute of Technology (BHU) Varanasi（瓦拉纳西印度理工学院（BHU））；Ohio State University（俄亥俄州立大学）；Indian Institute of Science（印度科学学院）
在这项工作中，我们展示了强大的行走在不平坦的地形上的双足机器人Digit通过学习一个单一的线性政策。特别是，我们提出了一个新的控制管道，其中高层次的轨迹调制器形状的末端脚椭圆轨迹，和低层次的步态控制器调节躯干和脚踝的方向。脚轨迹调制器使用线性策略，调节器使用线性PD控制律。与基于神经网络的策略相反，所提出的线性策略只有13个可学习的参数，从而不仅保证样本有效学习，而且使策略简单和可解释。在斜坡、楼梯和户外景观等具有挑战性的地形上，性能丝毫无损。我们首先在自定义仿真环境MuJoCo中演示了鲁棒行走，然后直接转移到硬件，无需修改控制管道。我们的主题是一系列的推动和地形高度的变化，室内和室外，从而验证了所提出的工作。
2021-10-05 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
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
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
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
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
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
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
A Reactive and Efficient Walking Pattern Generator for Robust Bipedal Locomotion
University of Tehran（德黑兰大学）；K. N. Toosi University of Technology（图西理工大学）
现有的可能性，以防止跌倒的机器人在存在严重的干扰，主要是压力中心（CoP）调制，步骤的位置和定时调整，和角动量调节。在本文中，我们的目标是设计一个步行模式发生器，采用这些工具的最佳组合，以产生强大的步态。在该方法中，首先，与命令的行走速度一致地并且基于运动的发散分量（DCM）测量来决定下一个步骤位置和定时。这个阶段是由一个非常小的二次规划（QP）使用线性倒立摆模型（LIPM）的动态，以适应开关触点的位置和时间。然后，与第一阶段一致，使用具有飞轮动力学的LIPM在每个控制周期再生DCM和角动量轨迹。这是通过调制CoP和质心动量枢轴（CMP）来完成的，以在当前步骤结束时实现期望的DCM。仿真结果表明，这种反应式方法的优点，在产生强大的和动态一致的步行模式。
2017-10-24 cs.RO
Bipedal locomotion using variable stiffness actuation
University of Twente（特文特大学）
在机器人技术中，稳健且节能的双足运动仍然是一个具有挑战性的课题。为了解决这一领域的问题，我们可以通过研究人类运动从大自然中获得灵感。弹簧加载倒立摆（SLIP）模型已被证明是一个很好的模型，用于此目的。然而，人类肌肉骨骼系统使我们能够主动调节腿部刚度，例如当在具有不规则和意外的行走表面高度变化的崎岖地形中行走时。在传统的基于SLIP的模型中没有考虑这种改变腿部刚度的能力，因此本文探讨了双足运动中主动腿部刚度变化的潜在作用。它表明，概念SLIP模型可以迭代扩展到更接近于现实（即，非理想）步行者，并且可以设计反馈控制策略，以在这些扩展模型中再现SLIP行为。我们发现，这些扩展模型实现了运输成本相当于人类行走，这表明，主动腿刚度变化起着重要的作用，在人类运动，以前没有捕获的SLIP模型。这项研究的结果表明，主动腿刚度适应是一个很有前途的方法，实现更节能和强大的双足步行机器人。
2017-06-01 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
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
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
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
Omnidirectional Bipedal Walking with Direct Fused Angle Feedback Mechanisms
University of Bonn（波恩大学）
本文提出了一种基于方向偏差估计直接反馈的全方位闭环步态。步态的核心是一个开环中央模式发生器。定向反馈来自于3D非线性姿态估计器，并使用融合角的概念将其分裂成矢状面和横向平面中的相关角偏差。这些与预期的角度偏差被许多独立的反馈机制（包括控制定时的反馈机制）用来执行稳定校正动作。调谐的反馈机制进行了讨论，包括基于LQR的方法来调谐瞬态矢状响应。致动器控制方案和机器人位姿表示在使用中也得到了解决。实验结果表明，本文的核心概念，如果传感器管理和反馈链精心构建，相对简单的无模型和机器人不可知的反馈机制，可以成功地稳定一个通用的双足步态。
2018-09-27 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
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 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
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
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
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
Analytic Bipedal Walking with Fused Angles and Corrective Actions in the Tilt Phase Space
本文提出了双足仿人机器人平台的反馈稳定行走算法，以及实现该算法所需的基本理论和感觉运动框架。由于双足机器人的高度非线性和大量的自由度，相应状态的可观测性和可控性有限，以及不完美的致动与不太理想的感测的组合。所提出的方法以多种方式处理这些问题，范围从致动器控制和前馈补偿方案的开发，到在几乎所有步态稳定反馈管道中包含滤波。两个步态的发展和研究，直接融合的角度反馈步态，和倾斜相位控制器。这两种步态都遵循利用半稳定开环步态发生器的设计理念，并通过所谓的纠正措施通过稳定反馈来扩展它。使用校正动作的想法是以这样的方式修改开环关节波形的生成，使得机器人的平衡受到影响并由此得到改善。这样的校正动作的示例包括臂摆动和腿摆动轨迹的修改、对臀部和脚的动态位置和旋转偏移的应用、以及命令的步长和定时的调整。支持反馈步态和它们相应的步态发生器是3D旋转理论领域的重大进展。这些进展包括三个新的旋转表示，倾斜角，融合角，倾斜相空间表示的发展。所有这三种表示都是基于一种新的创新方式，将3D旋转分解为各自的偏航和倾斜分量。
2020-12-23 cs.RO
Data-Driven Latent Space Representation for Robust Bipedal Locomotion Learning
Ohio State University（俄亥俄州立大学）；Southern University of Science and Technology (SUSTech)（南方科技大学）
提出结合自动编码器潜在状态表示与RL策略的双足行走框架，实现解耦步态编码，并在仿真中展现优于模板模型的鲁棒性与泛化能力。
2023-09-27 cs.RO
Bipedal Walking on Constrained Footholds: Momentum Regulation via Vertical COM Control
California Institute of Technology（加州理工学院）
本文提出了一种在线步行综合方法，使动态和稳定的步行约束足的欠驱动双足机器人。我们的方法调制的角动量的变化约脚地面接触枢轴在离散的影响，使用预碰撞垂直质心（COM）的速度。为此，我们利用欠驱动线性倒立摆（LIP）模型近似欠驱动行走动力学，以提供所需的碰撞后角动量为每一步。所需的输出构造通过在线优化结合封闭形式的多项式和跟踪通过二次规划（QP）为基础的控制器。这种方法被证明在两个机器人，琥珀色和3D卡西，稳定的步行行为与约束的立足点实现在平地上，楼梯，和随机定位的垫脚石。
2021-09-23 cs.RO cs.SY eess.SY
Koopman Operator Based Time-Delay Embeddings and State History Augmented LQR for Periodic Hybrid Systems: Bouncing Pendulum and Bipedal Walking
Department of Mechanical；Industrial Engineering, University of Illinois at Chicago, 842 W Taylor St, Chicago, IL 60607, USA. (e-mail
本文将时滞嵌入技术扩展至周期性混合系统，为弹跳摆和最简单步行器构建线性模型，并提出利用当前与历史状态进行反馈控制的状态历史增强LQR方法。
2025-08-11 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
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
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
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
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
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
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
