iit-DLSLab/Quadruped-PyMPC

解决的问题

它为四足机器人提供了一种高性能模型预测控制器 (MPC)，使其能够执行小跑、快步和跳跃等复杂动作，同时保持稳定性和鲁棒性。

运作原理

该项目使用 Python 实现了基于单刚体模型的控制器。它提供了两种不同的计算方法：

1. 基于梯度的 MPC：使用 acados 进行快速计算（CPU 上小于 5ms），具有可选的落脚点优化、地面反作用力平滑和稳定性准则。
2. 基于采样的 MPC：使用 jax 在 GPU 上执行数千次并行模拟（小于 2ms），支持 MPPI 和 CEMPPI 等策略，并具有多种控制参数化（零阶、线性或三次样条）。

适用对象

专为从事腿式运动研究的机器人研究人员和工程师设计，他们需要一个灵活、基于 Python 的 MPC 框架，并能与 Mujoco 和现实硬件兼容。

特点

• 双重实现，同时支持基于梯度 (CPU) 和基于采样 (GPU) 的优化。
• 极低延迟：基于梯度的方法小于 5ms，基于采样的模拟小于 2ms。
• 支持先进的控制策略，包括 MPPI、CEMPPI 和 Feedback-MPPI。
• 兼容于 Mujoco 模拟，并可通过 Unitree 机器人通讯工具进行实际部署。