用于四足机器人墙面支撑双足行走的多速率非线性模型预测控制

本文介绍了一项关于四足机器人运动控制的最新研究成果，提出了一种基于多速率非线性模型预测控制（MR-NMPC）的分层规划与控制框架，使得四足机器人能够在受限环境中利用墙面支撑实现双足行走。这种混合运动模式结合了四足与双足的优点，特别适用于狭窄或复杂的空间。

实时轨迹优化是这一运动模式面临的主要挑战，控制器必须同时规划接触点位置和机器人的质心（CoM）与姿态的连续轨迹，同时考虑非线性动力学、单边接触约束、欠驱动以及动力学切换特性。传统方法往往依赖启发式脚步规划，难以在动态环境下达到最优性能。

研究团队提出的MR-NMPC框架在高层次上动态规划离散的接触点轨迹和连续的CoM与姿态轨迹，采用单刚体（SRB）动力学模型。通过将接触点规划整合到多速率最优控制框架中，该方案显著增强了动态稳定性，优于启发式脚放置策略。在低层次上，基于虚拟约束和二次规划的非线性全身控制器（WBC）负责执行全阶动力学并跟踪MR-NMPC的参考轨迹。

为了验证方法的有效性，研究者在Unitree A1四足机器人上进行了广泛的数值仿真。仿真环境包括粗糙地形和外部扰动，结果表明机器人能够在墙面辅助下稳健地进行双足行走。对比分析显示，在高速不规则地形上，所提MR-NMPC的成功率是采用启发式脚放置的传统模型预测控制（MPC）的2.9倍。

该论文已被IEEE/RSJ IROS 2026会议接收，为四足机器人在复杂环境下的运动控制提供了新的思路。未来，这一技术有望应用于搜索救援、工业巡检等领域，提升机器人在受限空间中的适应能力。