双足机器人设计入门：从单腿平衡到稳定行走的工程实践

简介这份文档面向双足机器人控制方向的开发者与嵌入式学习者围绕北京汉库科技HGR-3HV-C型号机器人系统讲解其步伐源代码帮助读者理解并优化机器人的运动控制逻辑。内容从初始站立子程序切入逐层拆解双腿下蹲、起立、侧身及抬腿等单一动作的变速运动子程序按第1族、第2族分阶段说明电机速度与关节角度的协调方式并涉及姿态检测、传感器融合、动力学模型与控制算法等配套模块便于开发者调整参数、定制步态并提升动态性能与能源效率。资源包共1个doc文件约9.07MB为完整手册文档目录结构清晰适合按章节检索学习。目前已有474人学习下载可作为研究双足机器人步态控制与嵌入式程序实现的参考材料。1. 双足机器人设计从一条腿的平衡开始双足机器人设计最反直觉的地方在于它根本不是先画两条腿而是先让一条腿站稳。很多刚接触这个方向的人会直接打开三维软件画髋关节、膝关节、踝关节拼出一个像人的结构然后发现它连站都站不住。问题不在结构在于控制周期和质心投影的关系没理清。双足机器人设计的核心矛盾是机械结构决定了你能走多快控制频率决定了你能站多久。一个典型的入门级双足平台整机重量在 1.5 到 3 公斤之间腿长 200 到 350 毫米关节数 10 到 12 个控制板跑 500Hz 到 1kHz 的闭环。这个量级下你不需要昂贵的力矩电机但你需要把零力矩点ZMP和倒立摆模型吃透。适合谁看做过轮式或四足、想切到双足方向的嵌入式工程师以及手里有 3D 打印机和舵机、想认真做一个能走路的平台的开发者。接下来按“先建模、再选型、后调参”的顺序把这条腿站稳。2. 双足机器人设计的运动学建模与关节选型2.1 用倒立摆模型把双足问题降维双足机器人的完整动力学模型有几十个状态变量直接上 MPC 在入门级 MCU 上跑不动。常见做法是先用线性倒立摆LIPM把问题简化把整机质量集中到质心假设腿是无质量的伸缩杆只考虑质心在水平面的运动。这个模型下质心高度 z 固定水平加速度与质心到 ZMP 的偏差成正比。公式不复杂关键是它给了你一个可解析的 ZMP 轨迹生成方法。我一般会先在 Python 里把 LIPM 的步态轨迹跑一遍确认质心轨迹和 ZMP 轨迹的相位关系再决定控制周期。比如步频 1.5Hz、步长 80mm 的情况下质心在支撑腿上方时 ZMP 要落在脚掌中心摆动腿落地前 ZMP 要提前移到新支撑脚。这个提前量就是控制周期的下限来源如果你的控制周期是 2msZMP 调整的相位滞后大约 3 到 5 度还能接受如果周期到 10ms滞后会超过 15 度机器人就会在落地瞬间前后晃。import numpy as np # LIPM 参数 z 0.25 # 质心高度单位米 g 9.81 # 重力加速度 T 1.0 / 1.5 # 步态周期步频 1.5Hz dt 0.002 # 控制周期 2ms # 离散化 LIPM 状态转移 omega np.sqrt(g / z) A np.array([[np.cosh(omega*dt), np.sinh(omega*dt)/omega], [omega*np.sinh(omega*dt), np.cosh(omega*dt)]]) B np.array([[1 - np.cosh(omega*dt)], [-omega*np.sinh(omega*dt)]]) # 给定 ZMP 参考递推质心轨迹 def generate_com(zmp_ref, x0, v0, steps): x, v x0, v0 traj [] for i in range(steps): u zmp_ref[i] x, v A np.array([x, v]) B.flatten() * u traj.append((x, v)) return np.array(traj) # 示例ZMP 在脚掌中心附近小幅摆动 zmp 0.02 * np.sin(2 * np.pi * np.arange(500) * dt / T) com generate_com(zmp, 0.0, 0.0, 500) print(com[:5])这段代码的作用是验证你的控制周期是否足够小。参数z是质心高度直接决定倒立摆的自然频率dt是控制周期越小相位滞后越小但对 MCU 算力要求越高。zmp_ref是期望的 ZMP 轨迹实际调试时这个轨迹来自步态规划器。跑完这段代码你会看到质心轨迹的幅值大约是 ZMP 幅值的 1.5 到 2 倍这个比例关系在调参时很有用如果你希望质心摆动不超过 30mmZMP 摆动就要控制在 15 到 20mm。2.2 关节选型舵机、无刷电机还是准直驱双足机器人设计的关节选型直接决定你能不能做力控。常见方案有三类舵机、无刷电机加谐波减速器、准直驱电机。舵机便宜、集成度高但只能做位置控制背隙大落地冲击全靠结构硬扛。无刷加谐波减速器力矩密度高、背隙小但价格是舵机的五到十倍而且需要额外的力矩传感器才能做柔顺控制。准直驱电机扭矩密度低但反驱透明度好适合做基于电流环的力控。我一般会按这个顺序选如果预算在两千元以内用数字舵机但要把控制频率提到 500Hz 以上用位置环加前馈补偿来弥补背隙。如果预算到一万元选准直驱电机配合关节力矩估算做阻抗控制落地冲击会小很多。谐波减速器方案适合预算充足且需要高精度位置控制的场景但入门阶段不建议因为调试复杂度高一旦减速比选错整个步态频率都要重调。方案单关节成本控制带宽背隙适合阶段数字舵机100-300 元50-100Hz1-3 度入门验证准直驱电机800-1500 元500Hz-1kHz0.5 度力控进阶无刷谐波2000-5000 元200-500Hz0.2 度高精度场景选型时还要看一个参数关节最大角速度。双足行走时摆动腿的髋关节角速度峰值大约在 300 到 500 度每秒如果电机额定转速不够步频就上不去。舵机标称的 0.1 秒每 60 度换算过来是 600 度每秒但那是空载带载后会掉到一半以下。所以选舵机时要把扭矩余量留到 2 倍以上。2.3 用 URDF 把连杆参数固化下来运动学建模的最后一步是把连杆长度、质心位置、关节轴方向写成 URDF 文件。这个文件不只是给仿真用的它也是你后续做正逆运动学解算的输入。常见做法是先在三维软件里量出实际尺寸再手写 URDF然后用 Pinocchio 或 KDL 做验证。!-- 简化版单腿 URDF只保留髋、膝、踝三个关节 -- robot nameleg link namehip inertial mass value0.3/ origin xyz0 0 0/ /inertial /link joint namehip_joint typerevolute parent linkhip/ child linkthigh/ axis xyz0 1 0/ limit lower-1.2 upper1.2 effort10 velocity8/ /joint link namethigh inertial mass value0.4/ origin xyz0 0 -0.12/ /inertial /link joint nameknee_joint typerevolute parent linkthigh/ child linkshank/ axis xyz0 1 0/ limit lower-2.0 upper0.1 effort10 velocity8/ /joint link nameshank inertial mass value0.3/ origin xyz0 0 -0.12/ /inertial /link /robot这段 URDF 的关键参数是origin xyz和axis xyz。origin决定质心在连杆坐标系里的位置写错了会导致逆动力学算出来的力矩偏差很大。axis决定关节旋转轴双足机器人的髋关节通常有横滚、俯仰、偏航三个轴入门阶段先做俯仰和横滚偏航用被动关节或者小舵机补偿。limit里的effort和velocity要和实际电机匹配写大了仿真会失真写小了仿真里机器人走不动。3. 双足机器人设计的步态规划与 ZMP 轨迹生成3.1 用三次样条生成摆动腿轨迹步态规划分两部分支撑腿的 ZMP 轨迹和摆动腿的关节轨迹。摆动腿从离地到落地要满足三个约束起落点位置、离地高度、落地速度接近零。常见做法是用三次样条插值在笛卡尔空间规划足端轨迹再用逆运动学解算关节角。import numpy as np from scipy.interpolate import CubicSpline def swing_foot_traj(p_start, p_end, height, T_swing, dt): 生成摆动腿足端轨迹p_start/p_end 为三维坐标 t np.arange(0, T_swing, dt) # 水平方向线性插值 x np.linspace(p_start[0], p_end[0], len(t)) y np.linspace(p_start[1], p_end[1], len(t)) # 垂直方向用抛物线保证离地高度 z p_start[2] (p_end[2] - p_start[2]) * t / T_swing \ height * 4 * t * (T_swing - t) / (T_swing ** 2) return np.column_stack([x, y, z]) # 示例步长 80mm离地 40mm摆动时间 0.3s traj swing_foot_traj( np.array([0.0, 0.0, 0.0]), np.array([0.08, 0.0, 0.0]), height0.04, T_swing0.3, dt0.002 ) print(traj.shape) # (150, 3)这段代码里height是摆动腿离地最大高度一般取步长的 0.4 到 0.6 倍。太小会蹭地太大会增加落地冲击。T_swing是摆动时间通常占整个步态周期的 40% 到 50%。dt和控制周期一致保证轨迹点能直接送给逆运动学。跑完这段你会得到 150 个足端位置点下一步就是逐点解逆运动学。3.2 逆运动学解算与关节角限幅单腿的逆运动学在矢状面内可以解析求解。给定髋关节到足端的距离和方向用余弦定理算膝关节角再算髋关节角。注意膝关节通常只有一个自由度且只能向后弯所以解算时要判断符号。def leg_ik(hip_pos, foot_pos, l1, l2): 矢状面内单腿逆运动学返回髋、膝角度 dx foot_pos[0] - hip_pos[0] dz foot_pos[2] - hip_pos[2] dist np.sqrt(dx**2 dz**2) # 可达性检查 if dist l1 l2 or dist abs(l1 - l2): return None # 余弦定理求膝关节角 cos_knee (l1**2 l2**2 - dist**2) / (2 * l1 * l2) knee np.pi - np.arccos(np.clip(cos_knee, -1, 1)) # 求髋关节角 alpha np.arctan2(dx, -dz) beta np.arccos(np.clip((l1**2 dist**2 - l2**2) / (2 * l1 * dist), -1, 1)) hip alpha beta return hip, knee # 示例大腿 120mm小腿 120mm hip, knee leg_ik( np.array([0.0, 0.0, 0.25]), np.array([0.04, 0.0, 0.05]), l10.12, l20.12 ) print(fhip: {np.degrees(hip):.1f} deg, knee: {np.degrees(knee):.1f} deg)l1和l2是大腿和小腿长度必须和 URDF 里一致。dist是髋到足端的距离超出l1l2说明目标点不可达这时要截断或者调整步长。knee算出来是正数表示膝关节向后弯符合人体结构。实际下发前还要做关节限幅把角度限制在 URDF 的limit范围内否则舵机会堵转。3.3 ZMP 轨迹与步态相位对齐ZMP 轨迹要和支撑脚切换时刻对齐。常见做法是把一个步态周期分成四个相位双支撑、单支撑左、双支撑、单支撑右。ZMP 在单支撑期从脚掌后跟移到前掌双支撑期从一只脚移到另一只脚。这个轨迹可以用分段线性或者五次多项式生成。我一般会在代码里维护一个相位计数器每个控制周期根据当前相位查表得到 ZMP 参考值。表里的数据来自离线规划在线只做插值。这样 MCU 的算力消耗很小1kHz 下也就几十个时钟周期。关键是相位切换的时刻要和足端落地检测对齐否则 ZMP 提前或滞后都会导致机器人前后晃。落地检测可以用足底压力传感器也可以用关节电流突变来判断后者不需要额外传感器但阈值要调。4. 双足机器人设计的控制框架与实时调参4.1 用 PD 加前馈做关节位置控制入门阶段最稳的控制框架是关节空间 PD 加前馈。位置环用 PD速度前馈来自步态规划的关节角速度力矩前馈来自逆动力学。这样即使 PD 增益不高跟踪误差也能压到 2 度以内。// 单关节 PD 前馈运行在 1kHz 中断里 typedef struct { float kp; float kd; float target_pos; float target_vel; float target_torque; } JointCtrl; float joint_update(JointCtrl *c, float pos, float vel, float dt) { float err_pos c-target_pos - pos; float err_vel c-target_vel - vel; float torque c-kp * err_pos c-kd * err_vel c-target_torque; // 力矩限幅保护电机 if (torque 10.0f) torque 10.0f; if (torque -10.0f) torque -10.0f; return torque; }kp和kd的整定顺序是先把kd设为零慢慢加kp直到关节开始等幅振荡然后取振荡临界值的 0.5 倍作为kp。再加kd从kp的 0.1 倍开始加直到振荡消失。target_torque前馈项在摆动腿加速阶段很重要没有它跟踪误差会到 5 度以上。dt必须和实际控制周期一致写错了积分项会漂。4.2 用 IMU 做姿态反馈与落地检测IMU 提供躯干俯仰和横滚角用来修正 ZMP 参考。常见做法是串级控制外环用姿态误差修正质心位置参考内环还是关节 PD。IMU 的安装位置要尽量靠近质心减少振动耦合。数据融合用互补滤波就够了双足机器人的姿态变化频率不高不需要卡尔曼。落地检测用 IMU 的垂直加速度突变加上关节电流突变两个条件同时满足才认为落地。这样可以避免摆动腿加速时的误触发。检测到落地后相位计数器立即切换到双支撑ZMP 参考切到新支撑脚。这个切换时刻的精度直接影响步态稳定性我一般会把 IMU 采样率提到 1kHz和关节控制同频。4.3 实时调参先调站再调走调参顺序不能乱。第一步让机器人双脚站立调 PD 增益到躯干不晃。第二步单腿站立调 ZMP 参考的偏移量让质心投影落在支撑脚中心。第三步原地踏步调摆动腿轨迹的高度和落地检测阈值。第四步才往前走调步长和步频。每一步都要记录数据关节角跟踪误差、IMU 姿态角、ZMP 偏差。我习惯用串口把数据打到上位机用 Python 画实时曲线。调参时一次只改一个参数改完走十步看是否发散。常见翻车点是步长加得太快ZMP 轨迹没跟上机器人直接前扑。这时候不要急着加 PD先检查 ZMP 相位对不对。5. 双足机器人设计的避坑与常见问题排查5.1 机器人站立时高频抖动现象双脚站立时躯干和腿有 20Hz 以上的高频抖动手摸电机能感觉到。原因通常是 PD 的kd太小或者控制周期抖动。解决先把kd加到kp的 0.2 倍如果还抖检查控制中断是否被其他任务打断。用示波器测中断周期抖动超过 10% 就要把无关任务挪到低优先级。5.2 行走时前后晃越走越不稳现象机器人能迈步但躯干前后摆幅逐渐增大几步后失稳。原因多半是 ZMP 轨迹和实际支撑脚切换时刻没对齐。解决打印 ZMP 参考和实际足底压力中心的曲线看相位差。如果 ZMP 提前把相位计数器切换阈值调后如果滞后调前。另一个可能是质心高度z设得比实际高LIPM 频率算错重新量质心位置。5.3 落地时膝关节过冲舵机发出异响现象摆动腿落地瞬间膝关节角度超过目标值舵机堵转异响。原因是落地冲击力矩超过了 PD 输出限幅关节被外力带着走。解决在落地前 50ms 把膝关节的kd临时提高 2 倍增加阻尼。或者加落地缓冲轨迹让足端在触地前速度降到接近零。如果还不行检查target_torque前馈是否在落地时刻有突变有的话做低通滤波。5.4 逆运动学解算失败导致关节角跳变现象行走中某个关节角突然跳到限幅值机器人踉跄。原因是足端轨迹点超出了腿的可达范围leg_ik返回None后没有处理。解决在逆运动学里加可达性检查不可达时把足端位置往髋关节方向拉回直到可达。同时限制步长和抬腿高度留 10% 的余量。这个坑很隐蔽因为离线规划时轨迹是可达的但在线时 IMU 修正量叠加后可能超限。5.5 电池电压下降后步态变差现象满电时走得好电压降到 7V 以下后步频变慢、步幅变小。原因是舵机扭矩随电压下降PD 输出同样的力矩指令实际关节角跟踪不上。解决在控制里加电压补偿把 PD 输出乘以额定电压和实际电压的比值。或者用电流环做力矩控制但舵机不支持。简单做法是电压低于阈值时自动降低步频和步长牺牲速度保稳定。6. 双足机器人设计的进阶从走到抗扰走到这一步机器人已经能直线行走但离“有用”还差一个抗扰能力。进阶方向有三个推力恢复、斜坡适应、外力柔顺。推力恢复最简单的是用捕获点Capture Point做紧急步检测到躯干速度超过阈值时摆动腿提前落地落点选在捕获点位置。捕获点公式是质心速度乘以根号下质心高度除以重力加速度加上质心当前位置。这个计算量很小1kHz 下完全跑得动。斜坡适应需要估计地面倾角。常见做法是用 IMU 的俯仰角加上足底压力中心偏移来估算然后修正 ZMP 参考的垂直分量。我一般会在站立时先做一次地面标定把 IMU 零偏和地面倾角一起估出来行走时只做小范围修正。外力柔顺则是把关节 PD 改成阻抗控制给定一个虚拟弹簧刚度外力推的时候关节顺着让外力撤了弹回来。刚度参数从 20Nm/rad 开始试太大没效果太小站不住。验证抗扰能力的方法很直接站在机器人侧面用手掌推躯干力度从 10N 加到 50N看它能不能在两步内恢复。记录恢复步数和最大躯干倾角这两个指标比看它走得多快更有意义。我自己的习惯是每次改完控制参数先推十次有一次没恢复就回去查数据。双足机器人设计这件事走起来只是及格推不倒才算入门。希望帮到你。本文还有配套的精品资源点击获取