iit-DLSLab/Quadruped-PyMPC

解決的問題

本專案提供一個針對四足機器人設計的高效率模型預測控制（MPC）框架，使機器人能執行如小跑、踱步與跳躍等複雜動作。透過即時計算最佳控制動作，解決足式移動過程中的穩定性與平衡挑戰。

作用方式

系統使用單一剛體模型來預測與優化機器人運動。提供兩種不同的實作路徑：

• 基於梯度的MPC： 使用 acados 實現快速計算（現代CPU上低於5ms），並包含足點最佳化與基於李雅普諾夫函數的穩定性準則等功能。
• 基於取樣的MPC： 借由 jax 實現大規模平行滾動（在GPU上10,000次滾動於2ms內完成），支援MPPI、CEMPPI以及多種控制參數化方式（零階、線性或三次樣條）的隨機取樣策略。

適用對象

本專案專為使用Mujoco進行模擬或部署至真實Unitree機器人的足式運動與控制系統研究人員與工程師設計。

主要特色

• 雙引擎架構： 同時支援基於CPU的梯度最佳化與基於GPU的取樣加速。
• 適用真實場景： 與Mujoco相容，並整合狀態估計與通訊工具，可直接部署至真實機器人。
• 極高效率： 無論是梯度或取樣控制迴路，皆實現極低延遲。
• 進階控制選項： 包含可選的地面反力平滑處理與步頻自適應功能，以提升穩健性。