双足机器人的行走控制是机器人学中最具挑战性的问题之一。为了实现稳定、高效的行走，控制器必须精确计算机器人各个关节所需的力矩，同时考虑到机器人本身的复杂动力学以及与地面的交互。传统的模型预测控制（MPC）方法在计算效率和模型精度之间往往需要做出权衡：高保真度的全身模型虽然能够描述多达数十个自由度的详细动力学，但计算复杂度极高，难以在实时系统中部署；而简化的刚体模型虽然计算快速，但忽略了许多细节，可能导致控制性能下降。为了打破这一瓶颈，德国DFKI机器人创新中心的研究人员提出了一种创新的“级联保真度”模型预测控制方法。
该方法的核心思想是在预测时域内动态调整使用的模型精度。具体来说，在预测时域的前段（即将发生的几个时间步内），使用详细的全身模型，以精确捕捉机器人的快速动态和接触力；而在后续较远的预测中，则切换为简化的单刚体模型，以降低计算负担。这种多阶段策略使得控制器既能够在短时间内做出精确反应，又能够保持长期规划的可计算性。研究团队利用acados工具包中的序列二次规划（SQP）求解器，高效地处理了由此产生的非线性最优控制问题。
值得一提的是，该控制器并不需要预设的落脚点位置。它仅以事先指定的接触时序和目标行走速度为输入，直接优化关节力矩。这一特性使得算法对未预期的地形变化更具适应性。为了验证所提方法的有效性，研究团队在MuJoCo物理仿真平台上对18自由度的双足机器人HyPer-2进行了仿真实验。结果显示，该控制器能够生成平滑、稳定的行走步态，同时计算时间满足实时控制的要求，达到了约1kHz的控制频率。
这项工作不仅在技术上取得了突破，还得到了学术界的认可。该论文已被IEEE ICRA 2026研讨会“机器人优化前沿”接收。这一研究成果有望推动双足机器人在搜救、工业巡检等领域的实际应用，为未来机器人走进人类社会提供了可靠的控制基础。