R机器人实验室ROBOTICS ATLAS
模块 / M52 / LQR 与最优控制入门
v2 课件目录完整实验台 ↗
① G1 实验台 · C03兴趣引入 · 复用原站点演示 复用本站 C03 课时真实 G1 人形实验台;先看整机,再回到本章的人形问题
独立打开 ↗
② 二阶闭环阶跃响应概念演示 · 与本模块同步 拖参数,看图形与读数

改增益与时延,看超调、调节时间与稳定裕度怎么变。

本模块核心关系 · 教学示意J = ∫(xᵀQx + uᵀRu)dt ; K = R⁻¹BᵀP
看什么:看响应曲线与 ±2% 调节带;比较 Kp / Kd 与通信延迟对超调、RMS 误差与稳态误差的影响。

模块 M52 · L6 控制:从误差动力学到闭环 · 必修 · 单页课件

LQR 与最优控制入门

会写出二次型代价与 Riccati 方程,说明 Q / R 的权衡含义,以及 LQR 与极点配置的差别。

内容主体:本科机器人学课程体系 v2(Craig 骨架 · 路径轨迹与控制扩展)中的章节正文;以 G1 人形机器人为贯穿案例 | 配套:① 原站点演示 + ② 本模块概念交互台

怎么用左边两个演示:先在 ① 的真实 G1 人形平台上动手试一次,把本章的人形问题提出来;再到 ② 里拖参数,看图形与读数怎样随核心关系变化。① 是本站已有真实实验台,用作兴趣 / 问题引入,不是本模块专属仿真;② 才与本模块核心关系直接对应。右栏的「在 ② 里看」按钮会把概念台切到对应预设。

人形机器人 · 本章引入 G1 案例

站立平衡里,位置误差与电机能耗的取舍可以写成 Q / R 权重,而不是靠试凑增益。

① 的真实 G1 三维实验台是这一章的兴趣引入:先在左栏看整机的姿态与读数,把「这台人形机器人为什么需要本章」提出来;再到 ② 把核心关系亲手拖一遍。

本节要解决的问题 章节定位

把 Q 的位置权重提高 10 倍,跟踪误差与控制能量各怎么变?

为什么独立成章:把「增益怎么选」从试凑变成有目标函数的优化,与 L5 的轨迹优化形成呼应。

知识层级L6 · 控制:从误差动力学到闭环
课程性质本科必修 · 3 学时
学习结果会写出二次型代价与 Riccati 方程,说明 Q / R 的权衡含义,以及 LQR 与极点配置的差别。
概念台模型response

概念辨析 5 组

二次型代价J = ∫(xᵀQx + uᵀRu)dt:Q 惩罚状态偏差,R 惩罚控制能量。
权重设计Q 大 → 跟得紧但费能量、易饱和;R 大 → 省力但响应慢;权重是可解释的设计量。
Riccati 方程解出 P 后 K = R⁻¹BᵀP,最优反馈是状态线性反馈。
与极点配置对比极点配置指定闭环位置;LQR 由权重自动折中,天然带稳定裕度。
时域与离散化无限时域定常增益、有限时域时变增益;数字实现用离散 LQR(DARE)。

核心关系式 Craig Ch9–10;Ogata;MIT Underactuated Ch8

式 (M52.1)J = ∫₀^∞ (xᵀQx + uᵀRu) dt

线性二次调节的目标函数。

式 (M52.2)AᵀP + PA − PBR⁻¹BᵀP + Q = 0

连续时间代数 Riccati 方程。

式 (M52.3)u = −Kx , K = R⁻¹BᵀP

最优反馈增益;结构与极点配置相同,但 K 由权重决定。

↔ 概念演示先把第一组条件放到 ② 里亲手拖一遍。

方法与步骤

  1. 建立线性化模型 → 选 Q / R → 解 Riccati → 得到 K → 在非线性模型上验证。
  2. 用 Q / R 扫描画出「误差 RMS vs 控制能量」的折中曲线。
  3. 把 LQR 看作无约束、无限时域的特例,为 M53 的 MPC 铺垫。

工程例子 把式子落到真实约束上

平衡控制:把 Q 的位置权重提高 10 倍,偏差减半但电机电流峰值接近饱和;调大 R 后动作变柔,能耗下降但恢复时间变长。

二次型代价 J = ∫(xᵀQx + uᵀRu)dt 把「增益怎么选」变成有目标的优化;K = R⁻¹BᵀP 与极点配置结构相同,但由权重决定。

↔ 概念演示换一组预设,看关系在不同条件下怎样变化。

② 概念台怎么读

二阶闭环阶跃响应。改增益与时延,看超调、调节时间与稳定裕度怎么变。

看什么:看响应曲线与 ±2% 调节带;比较 Kp / Kd 与通信延迟对超调、RMS 误差与稳态误差的影响。

滑块分别改变 比例增益 Kp、微分增益 Kd、延迟;读数板列出中间量与判定。预设「临界阻尼 ζ=1」等对应最容易出错的几组条件。

概念台边界:② 用 Kp / Kd 近似演示「更紧的跟踪 vs 更大的控制量」的折中,没有现场求解 Riccati 方程;方程与权重含义在右栏。

章节依据 可逐条追溯

主干 / 主补充:

  • MIT Underactuated Ch8 LQR
  • ANDERSON & MOORE《Optimal Control》
  • BERTSEKAS《Dynamic Programming and Optimal Control》

其他参照:OGATA 最优控制章;BOYD 凸优化(QP / Riccati 背景)

先修链 显式 DAG

M50状态空间、线性化与极点配置(L6)

先修关系写在 curriculum-craig-v2/curriculum.json 的 prereq 字段,50 个模块整体无环、可直接拓扑排序。

编写状态与使用边界 如实标注

页面形态:A01 单页两栏课件 右栏:章节讲义教学版(概念 / 公式 / 方法 / 例子) ① 真实 G1 演示:兴趣 / 问题引入 ② 概念交互台:与本模块核心关系对应 教材正文:未复制、未镜像

使用边界:商业教材只登记公开目录、算法事实与公式;① 是本站已有真实交互实验台,用作兴趣 / 问题引入,不是本模块专属仿真;② 是教学示意模型,数值用于观察关系,不作为工程计算结果。

自测 · 掌握证据

题目:把 R 增大,闭环响应速度与能耗分别怎么变? LQR 为什么不能像 MPC 那样直接处理关节限位约束?

提示:从 ② 里找证据

先在概念台里复现一组典型条件,再用核心关系式逐项核对读数;能说清「哪个量变了、哪个量没变、为什么」,才算达到本模块的掌握证据。

出处 · 本模块内容来源

  • 内容主体 curriculum-craig-v2/curriculum.json 与 01_课程体系大纲_路径轨迹与控制扩展.md 中的章节 M52;主干教材为 Craig《Introduction to Robotics》4/e。
  • ① 兴趣引入 站点原有 G1 三维实验台 c03.html,通过 ?embed=topic 嵌入模式复用,未改写原页面代码。
  • ② 概念演示 本页新增的参数化 SVG 交互台,用于直观呈现本模块核心关系;教学示意模型,不是真实机器人仿真。
  • 主干 / 主补充章节(可逐条追溯) MIT Underactuated Ch8 LQR;ANDERSON & MOORE《Optimal Control》;BERTSEKAS《Dynamic Programming and Optimal Control》
  • 其他参照 OGATA 最优控制章;BOYD 凸优化(QP / Riccati 背景)
使用边界:本页按 v2 大纲逐节展开概念辨析、核心关系式、方法步骤与工程例子,是章节讲义的教学版,不是教材正文的复制;商业教材只用公开目录、算法事实与公式。Craig / Biagiotti / Siciliano / Ogata 等为商业教材;MIT OCW 与作者公开预印本按各自许可引用。概念台数值用于观察关系,不作为工程计算结果。

本页按 A01 单页课件模式生成,承载 v2 体系重写 / 新增的扩展章节;17 份课件独立存放在全新目录,v1 体系、19 份缺口课件、32 份课时课件与 91 模块课件一份未动。① 需经本地 HTTP 服务加载 ES module 与模型;② 为页内 SVG,离线可用。