Aligator – 机器人的轨迹优化库

---

它是什么

Aligator 是一个开源的 C++ 库（附有 Python API），提供工具来制定并解决机器人和其它动态系统的最优控制／轨迹优化问题。它实现了快速、受限的求解器，例如 ProxDDP 和 FeasibleDDP，可用于运动规划、模型预测控制和最优状态估计。

主要功能

功能	详细说明
建模接口	在 C++（或通过 Python）中逐节点建立最优控制问题。
求解器	近端 DDP（ProxDDP）和 FeasibleDDP，两者都能有效处理约束。
线性代数后端	针对求解器内出现的线性系统提供多种分解例程。
刚体动力学支持	直接与 Pinocchio 库集成，包括解析导数。
Crocoddyl 兼容性	可作为 Crocoddyl 轨迹优化库的前端。
Python API	从 Python 建立原型公式或运行求解器，便于快速实验和部署。
并行／CPU 优化	基于 OpenMP 的并行化及其它 CPU 级调整（请参阅高级用户指南）。

典型使用场景

• 腿式机器人、人形机器人或操作机器人的运动生成与规划。
• 模型预测控制（MPC），需要高频重新计算轨迹。
• 最优状态估计（例如平滑），可重用相同的 DDP 机制。
• 由于简洁的 C++ API 和 Python 绑定，可用于新最优控制算法的研究。

快速开始

1. 通过 Conda 安装（推荐）：

   conda install -c conda-forge aligator
   

2. 或使用轻量级包管理器 Pixi 从源码构建：

   pixi run test   # 安装依赖、配置、构建并运行测试
   

   或者，克隆仓库并使用 CMake/Ninja 编译。
3. 运行示例 – 仓库内含 C++ 和 Python 示例程序，展示如何定义问题、创建求解器并获取最优轨迹。
4. 高级用法 – 请参阅高级用户指南以了解 CMake 集成、创建 Python 扩展模块或启用并行执行。

性能与基准测试

另一个仓库 aligator‑bench 包含与其他求解器的对比基准。该库专为实时使用而设计，利用 OpenMP 和高效的线性代数后端（Eigen、mimalloc 等）。

维护者

核心团队位于 Inria 和 LAAS‑CNRS，贡献者来自 Willow 和 Gepetto 实验室。该项目以宽松的 BSD‑2‑Clause 许可证发布。

如何引用

如果您在研究中使用 Aligator，请引用仓库本身，并针对 ProxDDP 算法引用 README 中列出的 IEEE T‑Robotics 论文（2025）。

---

结论： Aligator 是一个真正的、生产级的轨迹优化库，专为需要快速、受限最优控制求解器且同时具备 C++ 性能和 Python 便利性的机器人研究人员和工程师而设计。