01站得住 · 本体、驱动与平衡
G1 是双足支撑、重心高、支撑面小的欠驱动系统。要站住,先得有一套能描述全身位姿的坐标语言、能算出惯性与重力的动力学模型,还要有在被推一下之后把误差拉回零的控制器。
- 髋、膝、踝各有转轴,怎么把整条腿写成一串连杆与关节?
- IMU 的姿态、编码器的关节角,怎么放进同一套坐标语言?
- 单腿支撑被推一下,关节跟踪误差能不能收敛到零?
选一个真实机器人演示,在左侧实时三维画面里看现象,同步对照右侧三步观察单,往下拆解它需要哪些课程知识。
看切换参考系,盯住同一个足端点在读数板里的两组数字。
拆位置 / 姿态 / 位姿的描述;同一物理点在不同坐标系下的表示。
看只改一个髋或膝的关节角,看整条腿和足端怎么连锁移动。
拆连杆参数、D-H 建系与正运动学的变换连乘。
看按 P 观看 AI 对打,盯住被命中那一瞬间躯干的倾斜,以及随后几步小碎步调整。
拆刚体动力学、本体状态估计与抗扰反馈控制共同把重心拉回支撑面。
看按 C 手动接管,用 WASD 移动、JKL 出拳,感受按键到全身动作之间的延迟与幅度。
拆全身运动追踪策略、轨迹的时间律与执行器的力矩 / 速度限幅。
看用鼠标拖动机器人施加一个外力推它,看姿态被拉回竖直的全过程。
拆误差动力学、状态空间表示与反馈镇定。
看在右侧面板切换 Policy,同一个 G1 换一份策略,站立与行走行为立刻不同。
拆状态 / 输入契约、模型前馈与计算力矩控制。
看在 Select policy 里切换 Walk / Run / Getup,仿真器与机器人都不变,行为却完全不同。
拆控制器作为可替换模块:策略接口、观测与动作的契约。
看拖动 Velocity X / Y / Yaw rate 滑块,看速度指令怎么变成步频与步幅。
拆几何路径、时间律、轨迹插值与轨迹层到控制层的接口。
看点 Start playback 看正弦参考下的自适应跟随,同时盯住跟踪误差曲线。
拆误差动力学、稳定性判据与自适应 / 鲁棒控制。
看看人戴头显做动作 → 记录双手目标 → 双臂跟动的完整链路。
拆逆运动学、Jacobian、奇异性多解选择。
看换一个机器人模型,看同一段人类动捕得到的关节序列整体改变。
拆连杆参数、D-H 建系与正运动学连乘。
看看同一份 URDF 在 MuJoCo / Isaac Lab / Gazebo 里列出的关节顺序表。
拆关节空间、建系命名与正运动学连乘对索引的依赖。
看按 N 让机器人踩上箱子、再按 Z 下来,盯住支撑脚切换的那一瞬间。
拆接触约束、支撑面与稳定性判据;落脚点本身是一次路径决策。
看按 G 搬起箱子、按 P 放下,看躯干和手臂同时怎么调整。
拆刚体动力学、Jacobian 转置与力控闭环。
看用 A / D 调瞄准方向,看页面上的轨迹预览线怎么随目标改变。
拆几何路径、时间律与轨迹插值三者的分工。
看按住 Space 蓄力、松开射门,盯住助跑到摆腿的切换。
拆轨迹层到控制层的接口、接触约束下的可行轨迹。
看点 Start race,看六台 G1 同时起步时队形怎么散开。
拆状态空间维数、批量观测与并行仿真接口。
看用 WASD 驾驶、按 Space 跳过障碍,看落地后的几步恢复。
拆误差动力学、接触切换与反馈镇定。
看从速度 / 朝向目标切到路径跟随,盯住同一台 G1 的步态几乎不变。
拆目标接口、状态 / 输入契约与控制分层。
看给一个稀疏身体目标(例如手腕位置),看其余关节怎么自己补出来。
拆冗余自由度、逆运动学与零空间。
看输入一句动作描述生成参考动作,看 G1 怎样把整段动作跟下来。
拆姿态参数化、动作重定向与轨迹时间律。
看点 Start,用 WASD 给一个前进速度,看全身关节怎么一起动起来。
拆命令空间、轨迹层接口与执行器限幅。
看用 HJ / ZX / CV 改高度、roll、pitch,观察跟踪质量怎么变化。
拆状态空间、稳定性判据与模型预测控制。
看切到 Human, 5 points,看只给骨盆、双踝、双腕时机器人怎么补全动作。
拆观测表示、冗余自由度与逆运动学。
看换成不同形态的机器人,看同一段人体动作得到的关节序列完全不同。
拆连杆参数、D-H 建系与正运动学连乘。
看在 World model / Goal / MuJoCo 三个视图之间切换,比较同一时刻的姿态。
拆状态估计、模型误差与观测更新。
看按 Push test 依次给 0.5 / 1 / 2 / 4 m/s 的冲击,看白色目标轮廓与机器人的偏差。
拆误差动力学、稳定性裕度与反馈镇定。
先不谈公式。按提示操作演示,盯住一个具体瞬间:被击中的倾斜、推一下后的回正、跨越台阶前的抬腿。
把现象翻译成一个可回答的工程问题:「它凭什么没倒?」「一个按键怎么变成几十个关节的力矩?」
把工程问题倒推成必须会算的方程、会写的约束、会做的验证:接触力怎么求、摩擦锥怎么线性化、躯干速度怎么估、延迟怎么实测;再按一种知识领域划分逐层定位。
每个关键问题对应课程体系里的一门基础课,有编号、核心关系式与可直接打开的单页课件。
选一个角度,看这一幕演示涉及哪些研究问题,以及对应到课程的哪些章节。
先问这台机器人要能做成哪几件事,再往下拆。
六类整机任务:站得住 / 走得动 / 看得清 / 走得到 / 抓得住 / 干得成。
整机能力拆解 · 六类整机任务G1 是双足支撑、重心高、支撑面小的欠驱动系统。要站住,先得有一套能描述全身位姿的坐标语言、能算出惯性与重力的动力学模型,还要有在被推一下之后把误差拉回零的控制器。
走路不是「把腿抬起来放下去」:摆腿相的足端是一条几何路径,走多快由时间律决定;支撑相要承受全身重量;落脚点要靠逆解与全身协调;而实际能走多快,最终由关节力矩与接触约束决定。
头戴相机看到的是像素,手臂能用的是三维坐标;中间隔着相机模型、标定、坐标链与状态估计。人形机器人还必须知道自己在哪——这既是定位问题,也是地图问题。
知道自己在哪之后,还要回答「怎么过去」:先把机器人与障碍放进构型空间,再找一条无碰撞的几何路径,最后检查这条路径在微分约束与动力学约束下是否真的走得出来。
人形机器人的上半身要完成「伸手 → 对准 → 接触 → 施力」:前两步是运动学与轨迹插值,后两步是接触几何与柔顺控制。夹得紧不等于抓得住,位置控得太硬反而会顶坏物体。
单个算法跑通不等于整机跑通:还要有仿真平台、编程与离线编程、采样与延迟下的闭环综合,以及读懂现代文献与 URDF 的记号能力。这一层把前面五条能力收成一个可交付的人形机器人系统。
把整机拆成机构、传感、估计、规划、控制等子系统,逐个追问。
每个子系统下保留原来的关键问题与所需知识。
按系统层次组织的课程路径连杆参数、D-H 建系、坐标系链;先有结构语言才能谈运动
位置/姿态/位姿描述、映射、算子、变换方程、欧拉角与四元数
误差动力学、稳定性、PID 整定与离散实现、状态空间与极点配置
加速度与质量分布、牛顿-欧拉递推、拉格朗日方程与仿真
路径与轨迹的区别、时间律、多项式插值与连续性阶次
逆运动学解存在性、解析解、多解选择与数值逆解
轨迹优化三要素、力矩约束沿路径的线性化、TOPP 与相平面
轮式机构运动学、完整 / 非完整约束、可行速度锥
里程计与误差传播、概率定位、地图表示与 SLAM
针孔相机模型、内外参与畸变、三维位姿估计
映射、变换方程与坐标链;手眼关系的表达
占据栅格、定位、SLAM 入门、导航与探索
概率基础、贝叶斯滤波、卡尔曼 / EKF / 粒子滤波
构型空间、自由空间、障碍映射与 Bug 算法
势函数、路线图、单元分解、PRM / RRT 与图搜索
非完整 / 微分约束、可行速度锥、约束下的轨迹优化
D-H 建系、正/逆运动学、三种空间、Jacobian 与静力
笛卡尔空间路径、四元数 SLERP、途经点与样条
接触、摩擦锥、形封闭与力封闭
模型前馈与计算力矩、混合位置 / 力、阻抗与导纳
拉格朗日动力学与仿真、数值误差、机器人编程与仿真平台
机器人编程、离线编程、软件平台与数据流
轨迹 → 控制器 → 闭环综合实验、延迟 / 饱和 / 噪声、综合实验
twist / wrench 与伴随变换、指数积 PoE 与 URDF(研究生衔接选修)
本体、移动、操作三条方向并列,可从任意一条进入。
按机器人要完成的物理任务分类,感知与控制贯穿三条方向。
按任务能力组织的课程路径不专属某一主题的公共基础课,按教材章序排列
动力学 → 误差动力学 → 各类控制 → 闭环综合
规划 → 移动建模 → 估计 → 定位与 SLAM → 综合实验
运动学 → 微分运动 → 轨迹 → 抓取与编程 → 选修记号
把一次完整任务切成「找到 → 到达 → 取得 → 交付 → 检查」。
以目标序列为线索,看每一步各自需要哪些基础课。
按任务子目标组织的课程路径先看观测,再用滤波与定位确认目标与自身位置
路线、可达性、多解选择与奇异避开
接触与摩擦锥、静力映射、力控
轨迹与时间律、负载改变后的动力学
闭环综合、仿真与机构约束的检查
不专属某一主题的公共基础课,按教材章序排列
在本体、移动、操作之外,把人机协作单列为一类能力。
三条方向和人机协作并列,便于讨论协作任务与共享 autonomy。
四能力扩展与人机协作不专属某一主题的公共基础课,按教材章序排列
在任务能力三方向之外,增加「任务中还有一个人」的协作领域。
在任务能力三方向之外,增加「任务中还有一个人」的协作领域。
抓取、编程、综合实验、闭环与相机共同服务「确认交接完成」;人机协作不设独立章节。
在任务能力三方向之外,增加「任务中还有一个人」的协作领域。
按支撑完整任务的六个功能入口划分。
更靠近工程组织方式的一组入口,含一个综合教学入口。
六支撑能力视角不专属某一主题的公共基础课,按教材章序排列
六个教学入口:五个功能型支撑能力 + 一个移动机器人综合教学入口。
刚体速度 / 速度传递 / 奇异性 + 传感误差 / 概率 / 滤波
六个教学入口:五个功能型支撑能力 + 一个移动机器人综合教学入口。
六个教学入口:五个功能型支撑能力 + 一个移动机器人综合教学入口。
六个教学入口:五个功能型支撑能力 + 一个移动机器人综合教学入口。
以底盘、定位与 SLAM 为主案例;与滤波章节有交叉,按主题分开。
感知 → 估计 → 决策 → 规划 → 控制 → 执行,按信息流拆。
每个功能有输入、输出与失效条件,可以串成一条系统链路。
按系统功能组织的课程路径不专属某一主题的公共基础课,按教材章序排列
相机模型、传感与姿态参数化
误差传播 → 概率滤波 → KF/EKF/PF → 定位与 SLAM
编程与仿真、闭环综合、综合实验
C-space 与图搜索 → 路径轨迹 → 时间最优 → 抓取接触
动力学模型 → 误差动力学 → PID / 极点配置 / 最优 / 鲁棒 / 力控
按 Craig 教材顺序,从空间描述一路走到控制与感知集成。
先修链最清楚,符号与记号逐步引入。
Craig 章序 · 10 个知识层 / 50 章教材章节层
教材章节层
教材章节层
教材章节层
教材章节层
教材章节层
教材章节层
教材章节层
教材章节层
教材章节层
从「想清楚做什么」到「这一毫秒给多少力矩」,按时间尺度分层。
高层语义推理以每秒几次运行,动作策略几十到两百次,全身控制与关节伺服更高频。
人形机器人通行的「大脑—小脑—本体」分层;HLM 综述的任务规划 → 运动规划 → 全身控制链路把一句指令或场景理解拆成可执行的子任务,运行频率低。
把高层目标翻译成连续的全身姿态、速度指令或足端目标。
在力矩、接触与稳定性约束下,滚动求未来一小段的最优动作。
高频把目标变成各关节力矩,同时处理多任务与接触冲突。
驱动、传感、看门狗与急停构成最后一道边界。
按人形形态切:头颈、躯干、手臂、手、腿足,以及把它们连起来的全身协调。
同一套数学工具在不同部位上面对的约束不同:手要灵巧,脚要稳定,躯干要传力。
按人形本体形态与自由度分布划分相机、云台与头部自由度决定机器人能看见什么。
重心所在的浮动基座,是全身动力学的参考点。
七自由度冗余臂要解决可达性、多解与奇异性。
接触点、法向力与摩擦决定能不能抓稳。
摆腿相是一条几何路径,支撑相要承受全身重量。
除手脚之外的躯干、肘、膝也可以成为有用接触。
先不看算法,看这台机器人由哪些物理部件与基础设施构成。
机构、驱动、传感、电源、算力、仿真资产共同决定算法能达到的上限。
人形机器人硬件栈:机构 / 驱动 / 传感 / 电源 / 算力 / 仿真关节数、连杆长度与质量分布先划定了可达空间。
电机力矩、减速比与热限决定轨迹能不能被执行。
IMU、编码器、相机、力与触觉各有噪声与带宽。
续航、散热与推理延迟是整机级别的硬约束。
传感器、控制器与执行器必须在同一时间尺度上对齐。
MuJoCo / URDF / MJCF 与策略权重构成可复现的实验底座。
不问机器人做什么,先问人类有哪些可用的知识工具。
按几何、力学、优化、概率、控制、学习等知识领域归类。
按知识与方法组织的课程路径位姿 → 建系 → 正逆解 → 速度与静力 → 现代记号选修
牛顿-欧拉 / 拉格朗日、抓取接触、机构与驱动
移动建模 → 里程计 → 概率与滤波 → 定位 / SLAM → 相机
C-space / 搜索 / 采样 → 路径与轨迹 → 时间最优 → 编程
误差动力学 → PID → 状态空间 → 计算力矩 → LQR / MPC / 鲁棒 → 力控
不专属某一主题的公共基础课,按教材章序排列
同一个动作,可以用模型算出来,也可以从数据里学出来。
基于模型的规划控制、强化学习、模仿学习、基础模型与混合范式各有适用边界。
Gu et al., Humanoid Locomotion and Manipulation, IEEE/ASME T-Mech 2026 (arXiv:2501.02116)先写动力学与约束,再解最优控制问题。
在仿真里大量试错,把策略迁移到真机。
从遥操作、动捕与视频里学动作,再跨形态迁移。
用大模型做长时任务规划与语义理解,低层仍交给控制器。
把接触信息接进模型,与学习策略互补。
从一个想法到一台能跑的机器人,中间要经过哪些环节。
建模 → 数据 → 仿真训练 → 控制器或策略 → 迁移部署 → 评测,每一环都可能成为瓶颈。
HLM 综述关于数据、sim-to-real 与评测的讨论先有能算的坐标语言、连杆模型与动力学参数。
遥操作、动捕、互联网视频与生成动作各有质量边界。
在仿真里穷举地形、摩擦与扰动。
决定状态、输入、代价与约束,然后求解或训练。
把仿真里的行为搬到有噪声、有时滞的硬件上。
用成功率之外的量判断系统是否真的可用。
把人形机器人还原成几门支撑学科,看每门课解决哪一类问题。
几何、力学、控制、优化、概率、视觉、学习与系统集成。
Craig《机器人学导论》主干 + 本站概念交互台的知识分类位置、姿态、变换与多种参数化,是全部内容的语言。
关节量与末端位姿、速度、力之间的映射。
惯性、科氏力、重力与接触力的关系。
误差动力学、反馈镇定与稳定性判据。
把「做得好」写成目标与约束,再求解。
在噪声观测下递推地判断自己在哪、环境是什么样。
从图像、深度与点云里得到可用的三维信息。
策略、数据、模型描述与仿真接口拼成可运行系统。
不问「能不能动」,改问「凭什么说它做得好」。
稳定性、接触安全、鲁棒性、泛化与效率,对应不同的实验与代价函数。
HLM 综述的评价维度:稳定性 / 接触安全 / 鲁棒性 / 泛化 / 计算效率被推一下、被撞一下之后还能不能回到支撑面内。
与人、物体接触时不产生危险力。
模型误差、摩擦变化与外力扰动下的表现。
换任务、换场景、换身体还能不能工作。
求解耗时、能耗与机载算力是否撑得住实时运行。
| 编号 | 层 | 课程章节 | 核心关系式 | 人形机器人里对应什么 | 涉及演示 | 课件 |
|---|---|---|---|---|---|---|
| M05 | L1 | 位置、姿态与位姿的描述 | ᴬp = ᴬR_B ᴮp + ᴬp_Borg | G1 的躯干、髋、膝、踝各有一套坐标系;要说清「左脚此刻在哪」,先得说清用哪个坐标系、怎么表示姿态。 | g1lab | 打开 ↗ |
| M06 | L1 | 映射:从一个坐标系到另一坐标系 | ᴬp = ᴬT_B ᴮp,ᴬT_B = [ᴬR_B ᴬp_Borg; 0 0 0 1] | 头戴相机看到杯子,手臂却长在肩上;把视觉坐标里的目标搬到肩坐标系,靠的就是这一章的映射。 | g1lab | 打开 ↗ |
| M07 | L1 | 算子:平移、旋转与齐次变换 | R_z(θ) = [cosθ −sinθ 0; sinθ cosθ 0; 0 0 1] | 人要转身、要抬腿,本质都是对位姿做平移与旋转;齐次变换把这两件事合成一次矩阵乘法。 | g1lab | 打开 ↗ |
| M08 | L1 | 变换方程与坐标链 | ᴬT_C = ᴬT_B ᴮT_C;ᴬT_B = ᴬT_C (ᴮT_C)⁻¹ | 相机→头→躯干→肩→手是一整条坐标链;链上任一环的外参错了,手就会伸偏。 | g1lab | 打开 ↗ |
| M09 | L1 | 其他姿态描述:欧拉角 / RPY / 四元数 | ᴬR_B = R_z(α) R_y(β) R_x(γ);q = (η, ε₁, ε₂, ε₃) | IMU 给出的姿态常用欧拉角或四元数; Head 转动接近万向节退化时,选哪种表示直接决定控制是否稳定。 | g1labmorphmimicretarget | 打开 ↗ |
| M10 | L2 | 连杆、关节与 D-H 建系 | ⁱ⁻¹T_i = R_x(α_{i−1}) D_x(a_{i−1}) R_z(θ_i) D_z(d_i) | 给 G1 的每条腿建立 D-H 坐标系,是把「髋转 30°」变成可计算运动学的第一步。 | g1labjointordermorphmimicretarget | 打开 ↗ |
| M11 | L2 | 正运动学:连杆变换连乘 | ⁰T_N = ⁰T_1 ¹T_2 ⋯ ^{N−1}T_N | 知道所有关节角,要算出足端落在哪里、躯干朝哪,靠连杆变换连乘。 | g1labjointordermorphmimicretarget | 打开 ↗ |
| M12 | L2 | 三种空间、标准命名与工具坐标系 | q ∈ Q → x = f(q) ∈ X;⁰T_tool = ⁰T_N ᴺT_tool | 示教器里的基座系、工具系、工件系如果命名混乱,同一条指令会走到完全不同的位置。 | g1labjointordermorphmimicretarget | 打开 ↗ |
| M13 | L2 | 逆运动学:解存在性、子空间与解析解 | q = f⁻¹(x);可达 ⟺ x ∈ WS;三轴相交可分离求解 | 给定下一个落脚点或手要够到的杯子,反过来求各关节角,就是人形机器人每毫秒都在做的事。 | mit2165morphmimicretarget | 打开 ↗ |
| M14 | L2 | 多解选择、重复精度与数值逆解 | Δq = J⁺(q) e;qₖ₊₁ = qₖ + Δq | 同一个手部位姿常有好几种肘部姿态;避开关节限位与自碰撞,要在多解里挑一个。 | mit2165 | 打开 ↗ |
| M15 | L3 | 时变位姿、刚体线速度与角速度 | v = ṗ;ω;Ṙ Rᵀ = [ω]× | 走路时机体一边转一边加速,线速度与角速度是描述「这一瞬间怎么动」的基本量。 | — | 打开 ↗ |
| M16 | L3 | 连杆速度传递与 Jacobian | ⁰V = J(q) q̇;ⁱ⁺¹ω_{i+1} = ⁱ⁺¹_i R ⁱω_i + θ̇_{i+1} ⁱ⁺¹Ẑ_{i+1} | 摆腿时髋、膝、踝的速度怎样传到足端?Jacobian 把关节速度翻译成末端速度。 | mit2165 | 打开 ↗ |
| M17 | L3 | 奇异性、可操作度与冗余零空间 | det J = 0;q̇ = J⁺ẋ + (I − J⁺J) q̇₀ | 腿快伸直时某些方向突然使不上力,这就是奇异;人形下蹲与起身必须留出可操作度。 | mit2165 | 打开 ↗ |
| M18 | L3 | 静力、力域 Jacobian 与笛卡尔变换 | τ = Jᵀ(q) F;P = τᵀq̇ = FᵀV | 脚踩地面产生的接触力,要换算成髋膝踝各出多少力矩,靠 τ = JᵀF。 | — | 打开 ↗ |
| M19 | L4 | 加速度、质量分布与牛顿-欧拉方程 | F = m v̇_C;N = I_C ω̇ + ω × I_C ω | 人形机器人抬腿时,全身质量分布与惯性耦合决定了电机到底要出多大力。 | grithtdmetatronmit2165mjswanscenebotsim2simsonic | 打开 ↗ |
| M20 | L4 | 牛顿-欧拉递推与封闭形式动力学 | τ = M(q) q̈ + V(q, q̇) + G(q) + F(q̇) | 牛顿-欧拉递推让控制器能在一个控制周期内算出全身所需的关节力矩。 | grithtdmit2165mjswanracerrealmimicsupermimic | 打开 ↗ |
| M21 | L4 | 拉格朗日方程、笛卡尔动力学与仿真 | d/dt(∂L/∂q̇) − ∂L/∂q = τ;Λ(x) = (J M⁻¹ Jᵀ)⁻¹ | 上真机之前,先在仿真里用拉格朗日方程跑一遍步态,看力矩与能耗是否离谱。 | footballgrithtdmetatronmit2165mjswanracersim2simsonic | 打开 ↗ |
| M22 | L5 | 路径与轨迹:几何路径、时间律与参数化 | q(t) = q(s(t));q̈ = q″(s)ṡ² + q′(s)s̈ | 摆腿相足端沿一条空间曲线从后往前:这条曲线是路径,走多快由时间律决定——同一条摆腿路径可以快走也可以慢走,但关节力矩完全不同。 | footballmetatronretargetsim2simsonic | 打开 ↗ |
| M23 | L5 | 关节空间插值:多项式、边界条件与连续性阶次 | q(τ) = q₀ + Δ(10τ³ − 15τ⁴ + 6τ⁵) ; q̈_max ∝ Δ/T² | 起脚与落脚要求位置、速度、加速度都连续;条件数决定该用三次、五次还是七次多项式。 | footballretargetscenebotsim2sim | 打开 ↗ |
| M45 | L5 | 时间缩放与速度剖面:梯形、双 S 与 jerk 限 | q̃(t) = q(t/λ) ; q̈̃ = q̈/λ² ; j̃ = j/λ³ | 步态节拍压得太短会激起机身振动;把整条轨迹放慢 λ 倍,路径一个点都不改,峰值加速度却按 λ⁻² 下降。 | footballsim2sim | 打开 ↗ |
| M46 | L5 | 笛卡尔空间路径与姿态插值 | Q(u) = [sin((1−u)Ω)/sinΩ]Q₀ + [sin(uΩ)/sinΩ]Q₁ | 手伸向杯子时,位置走直线、姿态走四元数大圆;对欧拉角做线性插值会让手腕中途翻转。 | — | 打开 ↗ |
| M47 | L5 | 途经点、分段连续与样条 | S′ᵢ(tᵢ) = S′ᵢ₊₁(tᵢ) , S″ᵢ(tᵢ) = S″ᵢ₊₁(tᵢ) ; q(s) = Σ Nᵢ,ₖ(s)Pᵢ | 一套上身动作有几十个途经点;逐点停最慢,三次样条能一次穿过所有点且加速度连续。 | retarget | 打开 ↗ |
| M48 | L5 | 轨迹优化:目标、约束与最优时间参数化 | min T = ∫₀¹ ds/ṡ ; τ = A(s)s̈ + B(s)ṡ² + C(s) ≤ τ̄ ; b = ṡ² | 同一条步态路径,哪几段必须降速?决定因素是力矩、速度与关节限位,不是「曲线够不够平滑」。 | footballgritmetatronscenebotsim2simsonic | 打开 ↗ |
| M49 | L5 | 从几何路径到轨迹:时间律与控制接口 | τ_ff = M(q_d)q̈_d + h(q_d, q̇_d) ; e = q_d − q | 轨迹层必须把 q_d、q̇_d、q̈_d 一起交给控制器;人靠近时常常只改时钟 s(t),几何路径与控制器都不用换。 | footballsim2sim | 打开 ↗ |
| M24 | L6 | 反馈控制与误差动力学:稳定性与稳态误差 | ë + K_v ė + K_p e = 0 ; ζ = K_v/(2√K_p) | 单腿支撑被推一下,髋膝踝的跟踪误差能不能收敛到零,取决于闭环误差动力学与阻尼比。 | grithtdioboardmetatronmit2165mjswanmorphmimicracerrealmimicsonicsupermimic | 打开 ↗ |
| M25 | L6 | 关节 PID:整定、离散实现与工程约束 | τ[k] = K_p e[k] + K_i T_s Σe + K_d Δe/T_s + ĝ(q) | 同一组关节增益在 1 kHz 下稳定,降到 100 Hz 就振荡;采样、噪声与限幅才是真机调参的主战场。 | footballgrithtdmjswanrealmimicscenebotsonicsupermimic | 打开 ↗ |
| M26 | L6 | 力控制:混合位置 / 力、阻抗与导纳 | F_d = M_d Δẍ + B_d Δẋ + K_d Δx ; τ = JᵀF | 脚落地或从桌上拿杯子时,位置控得太硬会产生巨大接触力;需要让末端表现成期望的阻抗。 | — | 打开 ↗ |
| M27 | L6 | 控制综合实验:轨迹 → 控制器 → 闭环 | e = q_d − q ; τ_cmd = sat(τ_ff + τ_fb) ; J_e = (1/N)Σ‖e‖² | 把轨迹、前馈、反馈、限幅、传感延迟串成一条闭环,才能公平比较 PID / 计算力矩 / MPC 谁更适合这台人形。 | footballgritscenebot | 打开 ↗ |
| M50 | L6 | 状态空间、线性化与极点配置 | ẋ = Ax + Bu ; det(λI − (A − BK)) = 0 | 把整机在工作点线性化后,「调两个增益」就等价于配置闭环极点,平衡点附近才谈得上稳定裕度。 | htdioboardmetatronmit2165mjswanmorphmimicracerrealmimicsonicsupermimic | 打开 ↗ |
| M51 | L6 | 模型前馈与计算力矩控制 | τ = M(q)(q̈_d + K_v ė + K_p e) + h(q,q̇) ⇒ ë + K_v ė + K_p e = 0 | 高速挥臂时惯性耦合不能忽略;计算力矩用动力学模型预先抵消非线性,让每个关节像独立二阶系统。 | htdioboardmjswanrealmimicsim2simsonicsupermimic | 打开 ↗ |
| M52 | L6 | LQR 与最优控制入门 | J = ∫(xᵀQx + uᵀRu)dt ; K = R⁻¹BᵀP | 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。 | ioboardmjswan | 打开 ↗ |
| M53 | L6 | 模型预测控制与约束处理 | min Σ‖xₖ−xᵣ,ₖ‖²_Q + ‖uₖ‖²_R s.t. xₖ₊₁=Axₖ+Buₖ, uₖ∈U | 关节快撞上机械限位、足底接触力快超限时,预测控制能提前几步调整力矩,而不是撞上再纠正。 | htdioboardmjswanrealmimicsupermimic | 打开 ↗ |
| M54 | L6 | 鲁棒、自适应控制与扰动观测 | τ = Yθ̂ + K s ; θ̂̇ = −ΓYᵀs ; V̇ = −sᵀKs ≤ 0 | 手里抱起 5 kg 负载后模型参数已变;自适应律在线更新负载估计,误差才不会一直残留。 | footballgrithtdmetatronmit2165morphmimicracerrealmimicscenebotsim2simsonicsupermimic | 打开 ↗ |
| M28 | L7 | 构型空间、自由空间与 Bug 算法 | Q_free = Q \ Q_obs;Bug 沿障碍边界绕行 | 全身几十个关节,判断一个姿态会不会撞到自己的腿或桌角,先把问题搬进构型空间。 | metatronparkourscenebot | 打开 ↗ |
| M29 | L7 | 势函数、路线图与单元分解 | U(q) = U_att(q) + U_rep(q);F = −∇U | 从房间这头走到那头,势函数会给出一条下坡路,路线图与单元分解则给出可复用的通路结构。 | parkour | 打开 ↗ |
| M30 | L7 | 采样规划 PRM / RRT 与图搜索 | f(n) = g(n) + h(n);P(找到解) → 1 | 高维构型空间里穷举不可行;PRM / RRT 靠采样把「能不能过去」变成图搜索。 | metatronparkour | 打开 ↗ |
| M31 | L7 | 非完整约束、微分约束与可行轨迹 | A(q)q̇ = 0 ; q̇ ∈ null(A(q)) ; min ∫L(x,u)dt s.t. ẋ=f(x,u) | 差速底盘规划出的横向平移曲线,做再多糖的平滑也走不出来——非完整约束限制的是速度,不是曲线好不好看。 | parkourscenebot | 打开 ↗ |
| M32 | L8 | 轮式机构与移动机器人运动学 | q̇ = G(q)u;差速:ẋ = v cosθ, ẏ = v sinθ, θ̇ = ω | 双足之外,轮式移动平台的左右轮速度决定它只能沿圆弧走;这是理解人形移动约束的最好对照。 | — | 打开 ↗ |
| M33 | L8 | 传感器、里程计与误差传播 | Σ′ = F Σ Fᵀ + Q;p(x′ | x, u) | 足端打滑、IMU 有零偏,机器人却还要知道自己走了多远;先要会算误差是怎么一路传下去的。 | — | 打开 ↗ |
| M34 | L8 | 概率基础与离散 / 贝叶斯滤波 | bel(xₜ) = η p(zₜ|xₜ) Σ p(xₜ|uₜ,xₜ₋₁) bel(xₜ₋₁) | 多传感器互相矛盾时该信谁?贝叶斯递推给出「先验 + 观测」的合并规则。 | — | 打开 ↗ |
| M35 | L8 | 卡尔曼滤波 / EKF / 粒子滤波 | K = P⁻Hᵀ(HP⁻Hᵀ + R)⁻¹;x̂ = x̂⁻ + K(z − Hx̂⁻) | 把 IMU、关节编码器与足端力传感融合成稳定姿态估计,靠卡尔曼 / EKF / 粒子滤波。 | — | 打开 ↗ |
| M36 | L8 | 定位、地图表示与占据栅格 | lₜ = lₜ₋₁ + l_inv − l₀;p(m | x₁:ₜ, z₁:ₜ) | 在走廊里走一圈,要同时估计自己在哪、周围哪里有墙,占据栅格是最常用的地图表示。 | parkour | 打开 ↗ |
| M37 | L8 | SLAM 入门、导航与探索 | min_{x} Σ ‖e_{ij}(x)‖²;global plan + local planner + controller | 没有先验地图时,人形机器人要一边走一边建图一边定位,这就是 SLAM 与主动探索。 | parkourrealmimicsupermimic | 打开 ↗ |
| M38 | L9 | 机构设计、驱动、传动与传感 | τ_out = n η τ_m;J_reflect = J_load / n² | 电机、减速器、编码器与连杆刚度决定了力矩上限、背隙与传感精度,后面所有算法都受这些硬件边界约束。 | — | 打开 ↗ |
| M39 | L9 | 相机模型、标定与三维位姿估计 | s[u v 1]ᵀ = K [R | t] [X Y Z 1]ᵀ | 头戴相机看到的是像素,手臂能用的是三维坐标;焦距、外参与畸变标定是中间那道桥。 | parkour | 打开 ↗ |
| M40 | L9 | 抓取:接触、摩擦锥与形/力封闭 | |f_t| ≤ μ f_n;G f = −F_ext;rank(G) 判据 | 两个手指夹住杯子,为什么有时夹紧了还是会滑?摩擦锥与形 / 力封闭给出判据。 | — | 打开 ↗ |
| M41 | L9 | 机器人编程、离线编程与仿真 | 程序 → 轨迹 → 仿真验证 → 下载到控制器 | 几十个关节、多个传感器与规划器要靠编程与离线编程连成一个系统;仿真平台是上真机前的必经环节。 | footballgrithtdjointordermetatronmjswanmorphmimicracerrealmimicsim2simsonic | 打开 ↗ |
| M42 | L9 | 综合实验:感知 → 规划 → 控制闭环 | 闭环误差 = Σ 各环节误差;二分定位首个失真相 | 把感知、规划、控制串成闭环综合实验,才能检验「看得清、走得到、抓得住」是否真能同时成立。 | gritparkourscenebot | 打开 ↗ |
| M43 | L10 | twist / wrench 与伴随变换(概念导读) | V = (ω, v);F_b = [Ad_T]ᵀ F_a | 读 Drake 或现代论文时会遇到 twist / wrench;这一章只做记号导读,让本科生能看懂文献在说什么。 | — | 打开 ↗ |
| M44 | L10 | 指数积 PoE 与 URDF(概念导读) | T(θ) = e^[S₁]θ₁ ⋯ e^[Sₙ]θₙ M | URDF 与现代运动学库常用指数积 PoE;作为研究生衔接,知道它与 D-H 的对应关系即可。 | jointorderracer | 打开 ↗ |
感知 → 估计 → 决策与规划 → 控制 → 执行,按经典 sense–plan–act 的功能环节切分。
想按「机器人是怎么工作的」建立整体框架 · 26 个细分主题
拖一个关节角,看整条运动链与末端位姿怎么连锁变化。
示例:连杆、关节与 D-H 建系 ↗相机成像、标定与三维位姿估计的可视化。
示例:相机模型、标定与三维位姿估计 ↗从看到目标到手到达,逐环节排查第一个出错的坐标变换。
示例:从几何路径到轨迹:时间律与控制接口 ↗给一个力矩,看轨迹与动力学响应曲线怎么变。
示例:牛顿-欧拉递推与封闭形式动力学 ↗噪声观测下卡尔曼 / EKF / 粒子滤波的状态估计。
示例:卡尔曼滤波 / EKF / 粒子滤波 ↗途经点、分段连续与样条插值的形状变化。
示例:途经点、分段连续与样条 ↗同一负载换力臂,看关节力矩与 Jacobian 转置。
示例:静力、力域 Jacobian 与笛卡尔变换 ↗切换参考系,看同一个物理点的坐标怎么变。
示例:位置、姿态与位姿的描述 ↗势函数、路线图与单元分解的路径搜索过程。
示例:势函数、路线图与单元分解 ↗鲁棒 / 自适应控制与扰动观测的响应曲线。
示例:鲁棒、自适应控制与扰动观测 ↗定位、地图表示与占据栅格的更新。
示例:定位、地图表示与占据栅格 ↗概率递推与贝叶斯滤波的更新过程。
示例:概率基础与离散 / 贝叶斯滤波 ↗改 PID 参数与时滞,看阶跃响应、超调与稳态误差。
示例:反馈控制与误差动力学:稳定性与稳态误差 ↗交换两次旋转的顺序,看最终姿态差多少。
示例:算子:平移、旋转与齐次变换 ↗传感器零偏、噪声与里程计误差传播。
示例:传感器、里程计与误差传播 ↗关节空间 / 笛卡尔空间与碰撞边界。
示例:构型空间、自由空间与 Bug 算法 ↗机构、驱动、传动与本体传感决定的能力边界。
示例:关节 PID:整定、离散实现与工程约束 ↗同一条几何路径换时间律,看速度与加速度剖面。
示例:路径与轨迹:几何路径、时间律与参数化 ↗在速度 / 加速度约束下求最短时间参数化。
示例:轨迹优化:目标、约束与最优时间参数化 ↗非完整约束下的可行路径与规划。
示例:非完整约束、微分约束与可行轨迹 ↗项目自带的真实 G1 三维工作台:躯干、髋、膝、踝各有坐标系,可拖动关节、切换参考系、观察目标点在不同坐标系里的读数。
M05 / M06 / M07 / M08 / M09 / M10 / M11 / M12
两台 G1 在拳台对打,头 / 躯干 / 大腿命中 +1,倒地判负,一分钟比分决胜;支持手动接管、AI 对打、动作展示与精彩回放。
M19 / M20 / M21 / M24 / M25 / M27 / M41 / M42 / M48 / M54
同一个页面里可切 G1 / Go2 / Go1 等不同机器人与训练好的步态、平衡策略,观察策略在扰动下如何维持站立与行走。
M19 / M20 / M21 / M24 / M25 / M41 / M50 / M51 / M52 / M53
浏览器内跑 MuJoCo 仿真与 ONNX 策略,实时看 G1 走、跑、跌倒起身与全身跟踪;面板还列出各策略的训练代码与论文入口。
M19 / M21 / M22 / M23 / M41 / M45 / M48 / M49 / M51 / M54
操作员用键盘给出速度指令,机器人依靠感知策略跨越障碍、跳上台阶。
M28 / M29 / M30 / M31 / M36 / M37 / M39 / M42
把「人戴着头显做动作 → 记录轨迹 → 用 Lyapunov 自适应控制器复现」完整走一遍,控制器补偿已知刚体动力学并在线估计关节摩擦,保证 V̇ ≤ 0。
M13 / M14 / M16 / M17 / M19 / M20 / M21 / M24 / M50 / M54
把人类动捕数据映射到人形机器人关节,检查哪些动作能迁移、哪里会失真。
M09 / M10 / M11 / M12 / M13 / M22 / M23 / M47
把「同一份模型在不同仿真器里关节编号不一致」这个工程陷阱可视化。
M10 / M11 / M12 / M41 / M44
同一份策略完成走上台阶、坐下起身、搬起放下箱子、踢球与自由空间运动,接触与非接触动作在同一段序列里连续切换。
M19 / M23 / M25 / M27 / M28 / M31 / M42 / M48 / M54
给 G1 一个射门任务:先由速度与朝向目标助跑,接近球后切换为定时足端目标,完成摆腿、击球与随挥,页面实时给出轨迹预览与射门力度。
M21 / M22 / M23 / M25 / M27 / M41 / M45 / M48 / M49 / M54
六台人形机器人在同一场景里竞速,同一策略批量推理,观察多机并行时的队形、干扰与名次变化。
M20 / M21 / M24 / M41 / M44 / M50 / M54
同一份网络覆盖运动追踪、转向、路径跟随、伸向稀疏身体目标、场景交互与跌倒起身;换的是给定的目标,不是换控制器。
M19 / M21 / M22 / M24 / M28 / M30 / M41 / M48 / M50 / M54
给一段参考动作,G1 用统一策略全身跟踪;可以关掉策略、关掉物理、推开机器人,直观看到参考轨迹与闭环抗扰之间的区别。
M19 / M21 / M22 / M24 / M25 / M41 / M48 / M50 / M51 / M54
直接给 G1 下发速度、高度与躯干姿态命令,看策略把命令变成全身关节运动;把滑块推到训练范围之外,还能看到跟踪质量如何变化。
M19 / M20 / M21 / M24 / M25 / M41 / M50 / M51 / M53 / M54
同一份策略只看人体的 5 个点(骨盆、双踝、双腕)或 24 个关节,就能驱动不同形态的机器人完成动作;页面上还能看到被推动后的恢复过程。
M09 / M10 / M11 / M12 / M13 / M24 / M41 / M50 / M54
把策略学到的世界模型、目标姿态与 MuJoCo 真值放在一起;拖动机器人、加动作噪声或改摩擦,看它如何重新收敛。
M20 / M24 / M25 / M37 / M50 / M51 / M53 / M54