#腿式操作 (3)

用于腿式移动操作的全身逆动力学模型预测控制

移动操作（Loco-manipulation）要求协调的全身运动来有效操纵物体同时保持行走稳定性，这对规划和控制都提出了重大挑战。本文提出了一种全身模型预测控制（MPC）框架，通过全阶逆动力学直接优化关节力矩，在单一预测层内实现统一的运动与力规划及执行。该方法使得涌现出的、物理一致的全身行为能够同时考虑系统动力学和物理约束。我们使用开源软件框架（Pinocchio 和 CasADi）以及最先进的内点求解器 Fatrop 实现 MPC 公式。在配备 Unitree Z1 机械臂的 Unitree B2 四足机器人上的真实实验中，MPC 公式实现了 80Hz 的实时性能。我们演示了需要对末端执行器的位置和力进行精细控制的移动操作任务，如拉动重物、推动箱子和擦拭白板。

Lukas Molnar, Jin Cheng, Gabriele Fadini2025年11月24日

腿式操作模型预测控制反向动力学2025年11月24日

学习腿式操作机器人的动态拾取与放置

腿式操作机器人通过将敏捷行走与多功能臂控制相结合，将机器人能力扩展到静态操作之外。然而，在保持协调行走的同时实现精确操作仍是一个重大挑战。本工作提出了一种层次化强化学习框架，用于使用配备 6 自由度机械臂的四足机器人执行动态拾取与放置任务。该框架包含一个显式质量估计模块，能够对不同的物体重量实现自适应全身控制。在仿真中，系统对最高 2.3kg 载荷实现了 86.05% 的成功率。该方法还通过六个代表性场景的真实实验进行了验证，这些场景在物体物理属性（尺寸和质量）和任务高度上有控制变化。具体而言，在从地面到 1.1m 高桌面的大垂直工作空间内，系统对最高 1.3kg 载荷展示了 73.3% 的平均成功率，平均执行时间为 4.06 秒。与以往处理轻量物体并以缓慢分段运动执行拾放的方式不同，该框架利用并发行走和操作实现动态连续执行。

Moonkyu Jung, Jiseong Lee, Zhengmao He2026年5月15日

腿式操作动态抓取强化学习2026年5月15日

学习地形感知的感知式腿式移动操作全身控制

腿式操作机器人集成了卓越的地形适应能力与移动操作能力。然而，在复杂地形上实现协调的全身操作控制仍面临重大挑战。本文提出了一种地形感知的全身控制框架，使腿式操作机器人能够在感知复杂地形的同时执行操作任务。该方法通过感知模块获取地形信息，并将其纳入全身控制策略中，使机器人能够根据地形条件自适应调整运动和操作行为。实验表明，统一策略在复杂地形上实现了更大的可达空间、更小的跟踪误差和更少的意外跌倒，突出了腿式操作机器人在跨复杂地形执行移动操作任务方面的强大能力。

Sikai Guo, Yudong Zhong, Guoyang Zhao2026年5月29日

腿式操作地形感知全身控制2026年5月29日