四足机器人控制技术 - 间歇欠驱系统特性：运动员跳跃过程分为起跳、飞行、落地三阶段，腾空阶段质心轨迹为不可控抛物线，起跳/落地阶段通过肌肉控制足底反力实现质心可控，这种部分自由度间歇性失控的系统称为间歇欠驱系统 [5] - 四足机器人运动类比：对角步态中支撑足连线形成支撑线，绕支撑线旋转方向为欠驱状态，半个步态周期后支撑线切换但欠驱特性持续存在 [7] 控制系统架构 - 分层控制流程：包含上层规划、估计器、规划器、控制器四级结构，其中控制器需同时处理当前周期跟踪与未来多周期轨迹预测 [6] - 核心算法应用： - 卡尔曼滤波用于质心速度估计 - 逆运动学计算摆动腿关节角 - VMC/MPC/WBC方法求解站立腿关节力矩 [6] 动力学建模方法 - 单刚体模型简化：将四足机器人简化为12变量（6自由度位置+速度）的单刚体模型，可降低MPC计算量且保持控制精度，MIT Cheetah 3验证该模型下腿质量仅占10%对精度影响有限 [8][13] - 动力学方程近似：对欧拉角动力学进行线性化处理，忽略旋转体进动/章动效应，将非线性方程简化为适合凸优化的线性时变系统 [15][17] MIT Cheetah 3 MPC实现 - 控制框架： - 摆动腿采用PD+前馈控制，前馈力矩由单腿动力学模型计算得出（公式1-2） - 支撑腿通过MPC优化足端力，经力雅可比矩阵映射至关节空间 [9][12] - 性能表现：采用Convex MPC控制器实现3m/s奔跑速度，预测视界0.3-0.5秒，25-50Hz更新频率，使用qpOASES求解二次规划问题 [9][31] 关键技术细节 - 参考轨迹生成：基于操作指令构建0.3-0.5秒短时参考轨迹，包含速度/位置/偏航角参数，落足点计算考虑质心速度与支撑时间（公式33） [22][23] - 力约束条件：设置z向力上下限（公式22）及摩擦锥约束（公式23-24），采用方形金字塔近似简化计算 [20][21] - 优化问题重构：通过状态浓缩技术减小QP问题规模，消除零变量提升求解效率，Hessian矩阵计算仅依赖腿数与预测长度（公式28-31） [26][29]