轮式双足机器人结合了轮式移动和双足跳跃的优势，能够在复杂地形中灵活运动，但其跳跃高度控制是一个极具挑战性的问题。跳跃过程中涉及欠驱动、非线性动力学、瞬时冲击等多种复杂因素，使得精确控制高度非常困难。在实际应用中，为了确保安全，机器人往往采用过高的跳跃高度，但这会导致电机损耗增加、地面反作用力增大以及能量消耗上升，限制了机器人的效率和续航能力。
针对这一难题，研究团队提出了一种新型轮式双足跳跃动力学模型（W-JBD）。该模型基于物理原理推导，能够实现精确的高度控制，但在实际机器人应用中存在一个关键缺陷：其生成的扭矩曲线存在剧烈的阶跃变化，无法直接应用于真实硬件，因为真实的电机和传动系统难以承受这种突变。为了解决这个问题，研究人员进一步提出了基于贝叶斯优化的扭矩规划方法（BOTP）。
BOTP方法不需要精确的动力学模型，而是通过少量实验采样，利用贝叶斯优化算法在搜索空间中寻找最优的扭矩曲线。该方法以W-JBD模型提供的扭矩曲线作为初始搜索范围，能够快速收敛，平均仅需40次迭代即可得到优化结果。在Webots仿真平台上进行的实验表明，BOTP方法将跳跃高度误差降低了82.3%，同时能量消耗减少了26.9%，并且生成的扭矩曲线连续平滑，适合实际硬件。
这项研究的创新之处在于将动力学模型与数据驱动优化相结合，既利用模型提供的先验知识缩小搜索空间，又通过贝叶斯优化避免了对精确模型的依赖。该方法为轮式双足机器人的精确高度控制提供了实用的解决方案，有望在搜救、勘探和城市侦察等需要精确跳跃能力的场景中得到应用。未来的工作将集中在真实机器人上的实验验证，以及进一步优化算法以减少实验次数。