简介面向双足机器人与人形机器人研究者的全流程学习资料包覆盖机械设计、动力学建模、仿真与控制四大核心环节可帮助机器人工程、自动化等专业学生及研发人员快速掌握双足机器人开发的技术链路减少从零摸索的盲目性。压缩包共134个文件总大小约209.65MB其中step/sldprt/sldasm为三维机械设计模型stl用于仿真与3D打印mat/m为MATLAB仿真数据与脚本osim为OpenSim逆动力学模型docx/pdf/pptx涵盖理论说明、实验报告和课件配套行走动画AVI及仿真轨迹对比图便于直观检验效果。已有85人学习下载。内容覆盖Ansys仿真报告、OpenSim逆动力学仿真说明、机械结构说明、动力学建模过程与先进机器人控制课程报告适合用于课程设计、毕业设计或入门研究按目录分类存放方便按需查阅。1. 双足机器人设计建模仿真控制为什么仿真站着稳真机一跑就摔玩双足机器人最反直觉的一件事是机械结构能装起来并不代表你能让它站稳。真正让设计、建模、仿真、控制四个环节咬合的是一整套从坐标系到接触参数的数据管线。我见过不少同学把仿真调得走路很顺一换真机就摔原因不是控制器差而是建模阶段漏了质心仿真阶段偷了摩擦参数控制阶段又把目标角当成目标力矩直接喂给电机。这篇文章按一条能落地的路线讲先定机械自由度和D-H参数再用运动学、质心与ZMP支撑设计在仿真里调接触和摩擦最后用线性倒立摆生成步态配合PD前馈做出关节指令。适合准备自己搭双足机器人、做步态研究的开发者也适合已经被真机摔到怀疑人生、想从头把流程理一遍的人。2. 双足机器人机械设计与运动学建模12自由度怎么定D-H表怎么填建模是整条数据管线的源头。双足本质上是一串开链机构设计阶段你定的是每个关节在哪里、转轴朝哪、连杆多长建模阶段你用D-H参数把这些决定变成可以用代码算的数。这两件事拆开做很容易合起来做才有意义。2.1 12自由度还是6自由度先看你要走平面还是走三维常见做法是每条腿给6个自由度。髋关节由偏航、滚转、俯仰三个旋转关机组层叠膝关节一个俯仰踝关节保留俯仰和滚转。这样双腿加起来12个自由度能够完成转弯、侧向平衡、适应凹凸地面也是多数双足控制研究的起步配置。关节每条腿数量转轴主要作用髋偏航1躯干垂直轴改变前进方向髋滚转1前后轴侧向平衡与侧移髋俯仰1左右轴抬大腿主导步长膝俯仰1左右轴抬小腿控制落地高度踝俯仰1左右轴脚跟着地、蹬地踝滚转1前后轴侧向稳定、脚掌全着地如果只做平面行走把每条腿砍成髋、膝、踝三个俯仰自由度系统会简单很多逆解可以直接用余弦定理。但只要你让机器人转向或者在侧向被人推一把少了滚转自由度就只能靠踝关节硬扛很容易侧倒。我的习惯是真要做研究12自由度起只验证运动学算法可以先做6自由度平面模型控制逻辑跑通后再扩到12。还有一个设计细节容易被忽略质量分配。同一套关节配置把驱动器放在大腿上、小腿轻一点摆动腿的惯量会明显下降同样PD参数下跟踪误差更小。真机上电池和控制板往往装在躯干这会抬高质心建模时必须把这些质量加进去不能只看腿。2.2 D-H参数表与正运动学最小可用的Python实现从骨盆中心到脚掌每个关节都要定义d、a、alpha三个几何量加上关节角theta就是完整的D-H参数。下面是我常用的左腿简化参数表具体数值要以你模型的坐标系为准但结构可以作为模板。关节d(m)a(m)alpha(rad)髋偏航00-pi/2髋滚转00pi/2髋俯仰000膝俯仰00.280踝俯仰00.280踝滚转00.060这里把大腿长和小腿长都设为0.28m脚踝到脚掌底部留了0.06m。注意左右腿镜像之后alpha符号需要取反很多第一次搭模型的人在这类符号上翻车。import numpy as np def dh_matrix(theta, d, a, alpha): 标准D-H齐次变换矩阵theta用弧度长度用米。 ct, st np.cos(theta), np.sin(theta) ca, sa np.cos(alpha), np.sin(alpha) return np.array([ [ct, -st * ca, st * sa, a * ct], [st, ct * ca, -ct * sa, a * st], [0, sa, ca, d], [0, 0, 0, 1.0] ]) def forward_kinematics(joint_angles, dh_rows): 把骨盆到脚踝的D-H矩阵按顺序连乘。 T np.eye(4) for i, (theta, d, a, alpha) in enumerate(zip(joint_angles, dh_rows)): T T dh_matrix(theta, d, a, alpha) return T这段代码的逻辑很简单每个关节的变换矩阵都由自己的参数独立生成然后用矩阵乘法按顺序叠上去。T的右上角第一个元素就是踝关节相对髋关节的x方向距离第四列前三位是位置。用它验证你画图时量出来的连杆长度是否一致是建模阶段最快速的检查。逆运动学我不建议一上来就写通用雅可比迭代先在平面模型上写闭式解速度快而且容易理解def leg_ik_planar(x, z, thigh_len, shank_len): 平面二连杆逆解x为水平距离z为竖直高度。 dist2 x * x z * z cos_knee np.clip( (dist2 - thigh_len**2 - shank_len**2) / (2 * thigh_len * shank_len), -1.0, 1.0 ) knee np.arccos(cos_knee) beta np.arctan2(x, z) gamma np.arccos(np.clip( (dist2 thigh_len**2 - shank_len**2) / (2 * np.sqrt(dist2) * thigh_len), -1.0, 1.0 )) hip beta gamma ankle knee - hip return hip, knee, ankle闭式逆解里的np.clip是用来防反三角函数定义域越界的数值噪声偶尔会让根号里的量变成1.0000001不clip就直接出现nan。另外这个解只取了一个分支膝盖向前凸是其中的一种实际装配里两条腿的凸向要单独约定。2.3 质心与ZMP一定义就要算两个建模阶段就要算的量运动学告诉你脚在哪质心和ZMP告诉你身体会不会倒。质心是所有连杆质量的加权平均位置ZMP可以粗略理解成地面反力合力穿过支撑面的那个点。站立稳定性的第一判据就是ZMP要始终落在双脚构成的支撑凸包内。def center_of_mass(masses, positions): masses np.asarray(masses) positions np.asarray(positions) total_mass masses.sum() com np.sum(masses[:, None] * positions, axis0) / total_mass return com这个函数把每个连杆的质心位置按各自质量加权再除以总质量。注意躯干、电池和控制板的权重不能忽略很多小机器人装完电池后质心已经偏到骨盆后半部分腿部关节再努力也救不回来。仿真里ZMP可以用足底接触力来估算方法是对各接触点的垂直力做加权平均def estimate_zmp(contact_positions, contact_forces): fz contact_forces[:, 2] total_fz fz.sum() if abs(total_fz) 1e-6: return None zmp_x np.sum(contact_positions[:, 0] * fz) / total_fz zmp_y np.sum(contact_positions[:, 1] * fz) / total_fz return np.array([zmp_x, zmp_y])这里要求接触力来自多个足底接触点不是只有一个合力。如果只有单个接触点ZMP就会被限制在那个点附近失去判断意义。设计阶段我会把估算出的ZMP画到支撑多边形里一旦它靠近边界就回头调整质心位置或者踝关节的默认角度而不是等到控制阶段再去补偿。3. 动力学仿真里的接触与摩擦让仿真里的脚掌先学会站稳运动学模型再漂亮没有质量、惯量和接触算法就不知道力从哪来。仿真的意义就是用廉价的方式把控制任务外面的物理层补上。这一步最常见的失败不是电机参数不准而是脚掌陷进地面或者一直打滑这跟接触参数的关系远大于跟求解器选择的关系。3.1 两类物理引擎怎么选刚性接触还是软接触常见开源物理引擎在接触处理上分两类。一类用刚性接触约束直接满足“两个物体不能互相穿透”算得快参数少但接触力会出现高频震荡落地瞬间尤其明显。另一类用软接触把脚掌和地面的互相挤压建模成弹簧阻尼系统更像真实橡胶脚掌代价是参数多调起来有点玄学。对比项刚性接触软接触计算速度快慢接触力平滑度差容易抖较好必调参数很少刚度、阻尼、摩擦系数适合场景步态规划快速试错真机参数迁移、落地冲击验证我一般做控制器初版验证时先用刚性接触跑通逻辑再切软接触。如果你从一开始就要研究落地冲击、足底压力分布那就直接上软接触把接触行为当核心研究对象。3.2 接触参数三个必调量刚度、摩擦系数、阻尼软接触的核心参数就三个但互相牵制。接触刚度决定了脚掌压进地面多少摩擦系数决定了站不站得住接触阻尼决定落地瞬间会不会弹跳。参数常见范围调小调大接触刚度 N/m5000~500000陷入地面、ZMP噪声小抖动、物理步长要缩摩擦系数0.6~1.0打滑、走不直脚掌卡地、摆动刮擦接触阻尼比0.1~0.5落地弹跳穿透反弹、反向推力接触刚度不是越大越好。设到500000脚掌确实不陷了但接触力噪声会直接灌进ZMP估计控制器跟着抖。我通常从50000起步按机器人重量估算5kg的机器人、允许0.5mm形变刚度最少也要100000N/m。每提高一倍刚度就把物理步长缩一半不然接触求解不收敛。摩擦系数还有一个工程细节静摩擦和动摩擦分开设。站立时靠静摩擦脚掌在落地瞬间会有轻微滑动如果静摩擦设成0.9、动摩擦设成0.6切换相位的冲击会小很多。全部用同一个过高系数摆动脚落地时反而容易把躯干拽偏。3.3 仿真步长与重力补偿跑起来像“站在水里”怎么办双足控制常见的是1kHz控制频率物理仿真步长需要比控制步长更细一般取0.5ms到0.25ms。两者不要混用。如果物理步长大于接触检测间隔脚掌可能在一个步长里穿过地面出现穿透观感上就是机器人站在水里慢慢沉。sim_config { physics_step: 0.0005, control_interval: 0.001, contact_stiffness: 50000, contact_damping: 0.3, friction_static: 0.8, friction_dynamic: 0.6, gravity: [0, 0, -9.81] }这个配置里物理步长是控制间隔的一半接触刚度中等静摩擦0.8动摩擦0.6。接触阻尼0.3表示临界阻尼的30%适合1kg级腿部的小机器人。如果机器人整体质量到20kg以上刚度要加物理步长很可能会缩到0.25ms不然落地瞬间接触力会出现脉冲。还有一个特别容易被当成分段的问题机器人站着但一直在缓慢下蹲蹲到底又停住。这不是控制参数差是重力补偿没加。仿真里电机默认输出力矩跟真实电机一样控制器如果不把重力项抵消比例增益就得一直硬顶着重力结果就是静态误差和关节发热。正确做法是在关节目标力矩里加上按当前姿态算出来的重力补偿项PD只负责修正动态误差。def gravity_compensation(masses, positions, q): g np.array([0, 0, -9.81]) tau_g compute_joint_gravity_torque(masses, positions, q) return tau_g这段代码里的compute_joint_gravity_torque在完整工程里要用雅可比矩阵对质心求导很多物理框架会直接提供接口。如果你从头写一个简单做法是从躯干往下逐个更新每个连杆的重力矩再倒推到关节。3.4 最小仿真验证流程从站立扰动到单腿摆动接触参数调完不要直接上步态。我给自己定的最小验证流程是三步站立扰动机器人立正给躯干一个水平方向短脉冲ZMP应落回支撑多边形并稳定。判断标准是躯干在2秒内回到0.02m以内。单腿摆动一条腿按正弦轨迹抬起放下另一条腿支撑关节跟踪误差小于0.02rad。踏步测试左右脚交替原地踏步先不要求走直线只看ZMP在切换瞬间是否连续。伪代码长这样重点是记录失败点而不是只看最终画面for i in range(int(total_time / control_interval)): phase_time i * control_interval q_ref plan_next_step(phase_time) tau pd_controller(q_ref, robot.q, robot.qd) robot.step(tau) zmp estimate_zmp(robot.contacts) if not inside_support_polygon(zmp): failures.append((i, zmp_out))failure记录比可视化更高效。调参的时候先看failure出现在哪个时间点再判断是规划问题还是控制问题。如果failure出现在摆动腿落地瞬间大概率是接触阻尼和摩擦系数不匹配如果出现在迈步中段大概率是ZMP轨迹规划给得太激进。4. 步态规划与ZMP控制线性倒立摆模型怎么落到关节指令物理仿真给你脚掌站稳的反馈控制层要决定怎么保持重心、怎么迈腿。双足控制不用一上来就学完整全身动力学线性倒立摆模型加ZMP足够支撑起步而且它把步态规划的核心逻辑讲得足够清楚。4.1 线性倒立摆模型为什么能当双足控制的主干线性倒立摆模型有三个假设质量全部集中在质心质心高度恒定支撑脚与地面的接触点固定。在这三个前提下水平方向动力学可以写成质心加速度等于重力加速度除以质心高度再乘以质心位置与ZMP位置的差。如果质心在ZMP正上方加速度为零身体稳定质心偏到ZMP前方就会加速往前倒。迈步的本质就是把ZMP主动放到质心前方让身体获得前进加速度然后在下一步把ZMP重新放到未来质心位置的下方。import math def lipm_step(com_x, com_vx, zmp_x, height, dt): omega math.sqrt(9.81 / height) acc_x omega * omega * (com_x - zmp_x) com_vx acc_x * dt com_x com_vx * dt return com_x, com_vx这里的omega大约等于sqrt(9.81/0.7)约3.74 rad/s。采样周期1ms时这一步积分的数值稳定性足够。ZMP在支撑脚前质心会加速朝着它跑这就是迈步动力学来源。4.2 用预览控制生成质心轨迹ZMP导向的步态规划单步跟踪ZMP不够步态规划需要把未来一段时间的ZMP参考都纳入考虑生成一条平滑的质心轨迹。完整方案需要在预览窗口里解一个小型优化问题自己复现时可以先用滚动预测把未来N步的ZMP序列逐点代入LIPM迭代出质心位置。def preview_com_trajectory(zmp_ref, com, com_v, height, dt, n_steps): omega math.sqrt(9.81 / height) com_list [] for i in range(n_steps): acc omega * omega * (com - zmp_ref[i]) com_v acc * dt com com_v * dt com_list.append(com.copy()) return np.array(com_list)这个函数里zmp_ref是步态规划器给出的未来ZMP序列n_steps是预览步数dt是控制周期。纯前向滚动会累积误差工程上常见做法是在每一步用当前质心与目标ZMP的偏差修正下一步的zmp_ref。预览长度取一个步态周期即可比如步频0.8s预览0.6s1kHz控制下n_steps就是600步计算量可以忽略。4.3 关节PD与前馈力矩仿真里抖动要先查这里质心轨迹规划好后要通过逆解把它变成关节角目标再用每个关节的PD控制器输出力矩。这里最容易踩的坑是把目标角直接喂给电机力矩接口等于没有反馈闭环。def joint_pd_ff(target_q, target_qd, q, qd, kp, kd, tau_ff): tau tau_ff kp * (target_q - q) kd * (target_qd - qd) return tauPD参数没有一个万能值但我给过一个能快速起手的经验范围单位取决于你的电机接口是力矩还是加速度指令先确认再调关节KpKd前馈髋俯仰80-2002-5髋重力矩膝100-2503-6膝重力矩踝30-801-3足底反力修正调参顺序是这样Kp从小往大加加到关节出现轻微高频抖动再用Kd压制。如果加了Kd之后噪声反而变大回退Kp不要继续加Kd。仿真里抖动还有一个来源是目标位置突变给关节目标加一阶低通往往比调低Kp更有效。4.4 把步态拆成相位机支撑相和摆动相的切换边界一个完整步态周期可以做以下划分双脚支撑然后一条腿摆动另一条腿支撑摆动腿落地后再进入双脚支撑最后换腿。切换点就是摆动腿触地瞬间也是ZMP从一只脚迁移到另一只脚的过渡。class GaitPhase: STANCE 0 SWING 1 def update_phase(phase, swing_progress, swing_duration, t): if phase GaitPhase.SWING: if t swing_progress swing_duration: return GaitPhase.STANCE, 0.0 return phase, swing_progress相位切换瞬间做的事情不是把ZMP目标直接跳到另一只脚而是先让摆动腿脚掌轻触地再逐渐把体重压上去。否则脚掌落地冲击会把躯干顶歪ZMP在支撑多边形边界来回跳控制器再稳也压不住。5. 双足机器人上真机的5个血泪坑从仿真参数到零位标定仿真跑到再顺上真机前你都得再过一遍这几个坑。我每一条都亲自摔过按现象、原因、解决的方式一次说清。5.1 仿真站得稳真机螺旋抖现象同一组PD参数直接搬到真机关节开始高频振荡声音像齿轮打架躯干肉眼可见地抖。原因仿真里的电机默认是理想力矩源没考虑供电电压、线圈电感、PWM更新周期。真机上采样频率和传感器滤波也不一样Kd带来的阻尼在真机上会被信号噪声放大。解决在控制器里把目标力矩限制在电机能承受的最大扭矩对速度反馈加一阶低通然后把Kd降到仿真值的60%到80%。def lowpass(raw, prev, alpha0.2): return alpha * raw (1 - alpha) * prev5.2 脚掌总陷进地面现象机器人站稳后不断缓慢下沉或者落地瞬间陷进去几毫米再弹回。原因接触刚度偏低物理步长偏大接触求解没收敛。仿真里的地面模量是理想纸面真机地面有真实形变但仿真里这种下沉不是物理真实是数值穿透。解决先把物理步长从1ms降到0.5ms或0.25ms再把刚度按机器人重量提高一个量级。刚度不要一次翻十倍每次翻一倍同时观察落地瞬间接触力是否出现脉冲。5.3 逆解角度跳变现象走路过程中某个关节瞬间转过90度画面里像是脚闪了一下下一帧又回到上一帧附近的值。原因逆解不止一个解上一周期选了左侧解这一周期离当前状态最近的反而变成了右侧解选解函数没有保持连续性。解决把上一个控制周期的关节角存下来在多个候选解中选择与上一解欧几里得距离最小的那一个。candidates [solve_ik(..., plus), solve_ik(..., minus)] prev_q ... best_q min(candidates, keylambda q: np.linalg.norm(q - prev_q))如果换了最近解之后仍然频繁跳变说明目标点靠近奇异形位需要调整轨迹而不是继续改选解逻辑。5.4 电池电压一降步态跟着变形现象刚充满电迈步正常走几分钟后腿抬不起来膝盖发软步幅变小。原因电机峰值扭矩受母线电压和电流限制电池压降后最大力矩变低但控制器仍然按理想力矩输出步态目标自然跟踪不上。解决在建模阶段给电机加电压-力矩饱和曲线控制时预留20%左右的扭矩余量。真机上用示波器看过一次峰值电流确认驱动板没有超额定值再按实测数据更新模型。5.5 零位每次开机都对不上现象同一个动作代码今天走路偏左明天偏右每次上电姿态都不一样。原因编码器安装时没有定义机械零位或者关节零位只靠上一次标定的偏移值上电后偏移量被重新覆盖。解决上电后执行一次找零位有限位开关的转到机械限位没有的就让两条腿都转到同一个机械基准再记录偏移量写入参数文件。不要在关节圆盘上用记号笔画线当零位那只能在当前装配状态下凑合一次。6. 给每一步做回归用仿真-真机一致性指标把关6.1 一致性指标MSE之外还要看峰值误差调试双足不能只看“有没有走起来”。每次改动步长、步频或PD参数都要记录同一段动作在仿真和真机上的关节角误差。只看MSE会漏掉“大多数时候都好的、但突然抖一下”的情况。def motion_consistency(sim_q, real_q): err np.asarray(sim_q) - np.asarray(real_q) rmse np.sqrt(np.mean(err**2)) peak np.max(np.abs(err)) return rmse, peak对关节角来说我常用的接受范围是RMSE小于0.05rad峰值误差小于0.12rad。如果RMSE正常但峰值超了优先查相位切换瞬间和落地冲击因为误差往往发生在ZMP切换那一刻。指标接受范围说明关节角RMSE0.05 rad整体轨迹跟得上峰值误差0.12 rad瞬间冲击不失控支撑相ZMP偏差0.03 m压力中心没离开支撑脚6.2 自动跑N组步态参数把调试时间从一下午缩到十分钟步长、步频、抬脚高度这些都是可以网格化的参数。把每组参数丢进仿真自动跑一遍记录失败次数和一致性指标最后按得分排序选最优。step_lens [0.10, 0.15, 0.20, 0.25] periods [0.60, 0.80, 1.00] best_score float(inf) best_params None for step_len in step_lens: for period in periods: score, fail_cnt run_gait_batch(step_len, period) if fail_cnt 0 and score best_score: best_score score best_params (step_len, period)这套网格搜索不复杂关键是仿真模型和真机要用同一套运动学与控制器不然搜出来的参数只是在仿真里自嗨。跑完后还要做一次真机单步测试确认接触参数没有明显偏差。我吃过最大的亏是有一版步态参数只在仿真里看着漂亮跳过了这组一致性指标直接换到真机结果第三步开始就抖舵机扫齿报废了一个。后来我把“改动任何参数必须先跑一致性指标”写成了检查清单再没犯过同类错误。调试双足没有银弹但把设计、建模、仿真、控制之间的误差一点点量化你至少每次都能知道该往哪个方向调希望帮到你。本文还有配套的精品资源点击获取
