weixin_45728705的博客

这个问题的来源是对四足进行仿真，因为一般的狗腿是串联腿，在webots中只要使用HingeJoint表示各个关节，并且下一个关节定义在children中即可，但对于并联腿的话，解决方式会略有不同，下面进行详细的说明。以下面这张图片中的腿结构进行分析这个腿的结构为四边形结构，抽象为下面这个图片，有两个电机分别控制 θ和γ\theta和\gammaθ和γ在webots中，只需要在驱动关节的HingeJoint中的device添加电机，其余的HingeJoint的device都是空的在最后的交点处添加连

说明：该文章用于记录本人对斯坦福Doggo开源代码中的代码框架以及位控的理解，本人所在的实验室已经成功复现Doggo的功能。由于复现的工作由学长完成，所有可能以下有部分代码理解存在偏差，欢迎批评指正。联系方式：2250017028@qq.com参考资料：斯坦福Doggo开源代码解码斯坦福开源狗DogGo–附硬件清单、源码、图纸、论文1.代码框架注：以下的分层是我根据整体代码的函数实现来分，即以主要的函数来进行划分，而非文件划分，具体的文件内容可以参考上面的第二个参考资料（1）上层整份代码体现

说明：本文章用于记录四足相关论文的公式理解，由于本人能力有限，公式的理解来自对论文内容的研读，网上的相关文章以及个人猜测的结合，不准确之处欢迎各位批评指正，本文也会不断更新。《》...

本篇文章主要参考了以下的文章，目的是为了加深自己对WBC公式以及多优先级任务运用的理解。基于零空间方法（NUB）的全身控制（WBC）的简单实现控制系统输入：滑块在轨道上的位置yhy_hyh​，机械臂各关节位置 θ=[θ1 θ2 θ3]T\boldsymbol{\theta}=[\theta_1\ \theta_2\ \theta_3]^Tθ=[θ1​ θ2​ θ3​]T。控制系统输出：机械臂各个关节的速度θ˙\boldsymbol{\dot{\theta}}

1.介绍：WBC控制器是当今足式机器人最常用的控制器之一。基于多任务不同的优先级，它可以控制关节电机使其按照优先级的顺序满足各个任务的需求。MIT开源的cheetah mini就用到了MPC+WBIC算法来控制落足点。推导的过程参考了以下的资料mini cheetah中WBC公式解析基于零空间方法（NUB）的全身控制（WBC）的简单实现Robot Dynamics Lecture Notes由于本人能力有限，对于WBC控制器的理解还不够深，推导过程有误之处欢迎批评指正。联系方式：22500170

1.MPC四要素(1) 模型:采用阶跃响应(2) 预测(3) 滚动优化:二次规划J(x)=x2+bx+cJ\left(x\right)=x^2+bx+cJ(x)=x2+bx+c极值点J′(x0)=0J^\prime\left(x_0\right)=0J′(x0​)=0(4) 误差补偿参数定义P:预测步长y(k+1),y(k+2)…y(k+P)y\left(k+1\right),y\left(k+2\right)\ldots y(k+P)y(k+1),y(k+2)…y

定义：凸优化又称凸最小化，研究定义于凸集中的凸函数最小化的问题。函数表达：意义：图像上表示为整个图像向下凸出，即局部最小值等于全局最小值。在四足领域，WBC与MPC结合进行凸优化的效果优于一般的MPC控制策略，有效避免了陷入局部极小的困境。...

说明：当今，贝塞尔曲线的应用十分广泛，尤其是在各种图像处理的领域，它生成的平滑曲线对于人机交互十分友好，下面对贝塞尔曲线的一些基本概念做简单的阐述。引入：如图所示，图中共有4个控制点，在某一个控制点运动，其余控制点静止时，曲线仍保持平滑，这就是贝塞尔曲线。简单举例最开始，对于绿色线段的两头 Q0 和 Q1，将其分别放在 P0 和 P1 的位置，此时让它们运动，要求：Q0 往 P1 方向，Q1 往 P2 方向，分别匀速运动，并且同时到达线段的另一头。假定绿色线段上有一点B，B也按照以上的规律.