跳到主要内容
极客日志极客日志
首页博客AI提示词GitHub精选代理工具
搜索
|注册
博客列表
C++AI算法

基于 2-RSS-1U 的双足机器人并联踝关节分析与实现

综述由AI生成双足机器人并联踝关节设计采用 2-RSS-1U 构型,相比串联方案显著降低转动惯量并提升刚度。文章对比了串并联技术路线,详细推导了运动学模型,涵盖逆运动学解析解、雅可比矩阵构建及正运动学牛顿迭代法。提供了基于 Eigen 库的 C++ 实现代码,包含几何参数配置与求解逻辑,适用于高动态行走控制场景。

暖阳发布于 2026/4/12更新于 2026/4/263 浏览
基于 2-RSS-1U 的双足机器人并联踝关节分析与实现

基于 2-RSS-1U 的双足机器人并联踝关节分析与实现

在双足机器人的运动控制中,踝关节的设计往往决定了行走的稳定性与动态性能。相关研究指出,在仿真到现实(sim2real)的迁移过程中,踝关节控制的偏差通常是最大的瓶颈。因此,设计一个高性能的踝关节机构至关重要。

脚踝设计:串联与并联的深度对比

传统的单轴踝关节设计虽然结构简单,但在动态性能上存在局限。我们需要的是像人类脚踝一样的灵活性:既能前后摆动(pitch),又能左右倾斜(roll)。

技术路线选择

在双自由度踝关节设计中,串联与并联是两种主要构型。从当前先进人形机器人的设计趋势来看,并联构型正逐步成为主流。

并联踝关节结构示意图

1. 串联构型

这是最直接的实现方式。Pitch 和 Roll 两个自由度通过将两个电机依次堆叠而成。一个电机驱动 Pitch 轴,另一个安装在其上驱动 Roll 轴。

  • 优势:控制算法简单直观。每个电机的运动与一个独立的关节自由度直接对应,运动学解算非常直接。
  • 劣势:
    • 转动惯量大,动态性能差:处于运动链末端的电机及其减速器等组件成为了上一级关节的额外负载。整个腿部末端的惯量显著增加,导致摆腿速度慢、能耗高。
    • 刚度较低,承载能力弱:负载通过每个关节依次传递,呈悬臂梁式受力结构。整体刚性不如并联结构。
2. 并联构型 (Parallel Kinematics)

并联构型将两个驱动器布置在固定的基座(小腿)上,通过独立的连杆机构共同驱动一个移动平台(脚掌)。

  • 初步挑战:运动学耦合。单个电机的运动会同时影响 Pitch 和 Roll 两个自由度,模型比串联结构复杂。
  • 核心优势:
    • 低转动惯量:将质量最大的电机部件上移至小腿,极大地降低了脚部和脚踝的转动惯量,对快速、节能的动态行走至关重要。
    • 高刚度与高承载力:闭环的并联结构天然比开环的串联结构具有更高的刚度,能抵抗更大的外部冲击。

综合考量,尽管并联踝关节的控制算法更复杂,但其在物理性能上的巨大优势使其成为实现高动态运动的必然选择。

机构设计:2-RSS-1U 并联方案

参考了 Zhou 与 Tsagarakis 的全面分析后,我们最终选择了 2-RSS-1U 这一并联构型。

2-RSS-1U 结构示意

该名称是对机械结构的精确描述:

  • 2-RSS:代表系统包含两条相同的 R-S-S 运动链。
    • R (Revolute):位于小腿上的主动驱动关节,由电机驱动。
    • S (Spherical):两个球关节,分别位于连杆中段和连接脚掌处,提供空间运动自由度。
  • 1-U:代表一个位于中心的被动万向节 (Universal Joint)。其两个交叉的转轴精确地定义了脚掌的 Pitch 和 Roll 运动。

设计考量与参数优化: 相比于 UPU 或 UPS 等其他构型,RSS 结构在力矩传递上具有显著优势,力矩传递比在整个运动空间内变化更小。这保证了脚踝在不同姿态下都能保持稳定、可预测的力矩输出能力。

在设计阶段,重点关注了以下几个关键几何参数:

  • l_bar: 电机驱动臂的长度。
  • l_rod: 中间连杆的长度。
  • l_spacing: 两条并联运动链之间的间距。

论文中的设计参数(l_bar=85mm, l_rod=135mm, l_spacing=43mm),在保证结构紧凑的同时,实现了 Roll 方向 [-20, 20] 度和 Pitch 方向 [-58, 42] 度的宽阔运动范围。

运动学解算:从电机到足部的精确映射

有了先进的机械结构,下一步是建立精确的数学模型,以实现有效控制。这包括逆运动学、正运动学和雅可比矩阵的求解。

1. 逆运动学 (IK): 从目标姿态到电机指令

这是控制中最基础的一步:给定脚掌的目标姿态(q_roll, q_pitch),计算出两个驱动电机应达到的角度(θ1, θ2)。

  • 求解逻辑:转化为几何约束求解问题。
    1. 根据目标 q_roll 和 q_pitch,确定脚掌平台在小腿坐标系下的旋转矩阵。
    2. 利用旋转矩阵,计算连杆与脚掌的连接点 C1 和 C2 的三维坐标。
    3. 对于每条运动链,构成由固定点 A_i、计算点 C_i 和已知连杆长度约束的空间几何问题。
    4. 通过求解该几何约束,得到电机角度 θ_i 的解析解。
  • 实现:该问题存在封闭形式的解析解。这意味着 IK 计算速度极快,且没有奇异性或多解问题,为实时位置控制提供了坚实基础。

2. 雅可比矩阵 (Jacobian): 速度与力矩的传递桥梁

雅可比矩阵建立了机器人关节空间速度与任务空间(末端执行器)速度之间的线性关系。

  • 关节空间:由两个主动驱动电机的角度 θ = [θ₁, θ₂]ᵀ 构成。速度为 θ̇ = [θ̇₁, θ̇₂]ᵀ。
  • 任务空间:由脚掌的姿态角 q = [q_roll, q_pitch]ᵀ 构成。角速度为 q̇ = [q̇_roll, q̇_pitch]ᵀ。

逆运动学函数表示为 θ = f(q)。对其求导,根据链式法则得到:

θ̇ = (∂f/∂q) * q̇

这个偏导数矩阵 ∂f/∂q 就是雅可比矩阵 J。因此,速度关系可以写为:

[ θ̇₁ ]   [ ∂θ₁/∂q_roll  ∂θ₁/∂q_pitch ]   [ q̇_roll ]
[    ] = [                              ] * [        ]
[ θ̇₂ ]   [ ∂θ₂/∂q_roll  ∂θ₂/∂q_pitch ]   [ q̇_pitch ]

其中每一项的物理意义清晰明了。例如,∂θ₁/∂q_roll 表示当 q_pitch 不变时,q_roll 的微小变化引起的电机 1 角度变化。

核心作用:

  • 速度控制:实现从期望脚掌角速度到所需电机角速度的直接计算。
  • 力矩控制:通过转置矩阵 J^T,建立末端力矩与电机驱动力矩之间的关系。这使得我们可以精确控制脚掌与地面的接触力,实现柔顺控制等高级功能。

3. 正运动学 (FK): 从编码器读数到实际姿态

这是 IK 的逆问题:根据电机编码器读取的实际角度(θ1, θ2),反算出脚掌的当前姿态(q_roll, q_pitch)。这对于状态估计和闭环控制至关重要。

  • 挑战:无法直接求得解析解,对应复杂的高阶多项式方程组。
  • 解决方案:牛顿 - 拉夫逊(Newton-Raphson)迭代法。
    1. 定义误差函数:e(q) = θ_actual - f_IK(q_guess)。目标是找到 q 使误差趋近于零。
    2. 迭代求解:从初始猜测值 q_k 开始,利用雅可比矩阵更新: q_{k+1} = q_k + J⁻¹(q_k) * e(q_k)
    3. 收敛:重复迭代直至误差小于阈值。该方法收敛速度极快,通常在几次迭代内即可达到高精度,满足实时性要求。

参考实现代码

为了便于工程落地,以下提供一份基于 C++ 和 Eigen 库的逆运动学参考实现。代码封装了机构几何参数配置与求解逻辑,可直接用于验证或集成。

#include <Eigen/Dense>
#include <iostream>
#include <cmath>
#include <stdexcept>

// 并联机构几何参数结构体
struct ExternalParameters {
    double pm_ankle_a_1[3] = {0.0, 53, 180}; // 执行器 1 的 A 点坐标 [mm]
    double pm_ankle_c_1[3] = {-70.0, 53, 0.0}; // 执行器 1 的 C 点初始坐标 [mm]
    double pm_ankle_bar_rod_1[2] = {70, 180}; // 执行器 1 连杆长度 [法兰杆,连杆] [mm]
    double pm_ankle_a_2[3] = {0.0, -53, 100.0}; // 执行器 2 的 A 点坐标 [mm]
    double pm_ankle_c_2[3] = {-70.0, -53, 0.0}; // 执行器 2 的 C 点初始坐标 [mm]
    double pm_ankle_bar_rod_2[2] = {70, 100}; // 执行器 2 连杆长度 [法兰杆,连杆] [mm]
};

// 单个执行器的几何参数
struct AnkleActuatorParams {
    Eigen::Vector3d r_Ai_0;           // A 点在基坐标系下的位置向量 [mm]
    Eigen::Vector3d r_Ci_0_initial;   // C 点在初始姿态下的位置向量 [mm]
    double l_bar;                     // 法兰杆长度 [mm]
    double l_rod;                     // 连杆长度 [mm]
    double alpha_offset_rad;          // 电机零位偏移 [rad]
    double l_bar_sq;                  // l_bar 的平方,用于加速计算 [mm^2]
    double l_rod_sq;                  // l_rod 的平方,用于加速计算 [mm^2]

    AnkleActuatorParams() : l_bar(0), l_rod(0), alpha_offset_rad(0), l_bar_sq(0), l_rod_sq(0) {}

    AnkleActuatorParams(const Eigen::Vector3d& r_ai_0, const Eigen::Vector3d& r_ci_0_initial,
                        double lbar, double lrod, double alpha_rad = 0.0)
        : r_Ai_0(r_ai_0), r_Ci_0_initial(r_ci_0_initial), l_bar(lbar), l_rod(lrod), alpha_offset_rad(alpha_rad) {
        if (l_bar <= 1e-9) {
            throw std::runtime_error("l_bar 必须大于零");
        }
        l_bar_sq = l_bar * l_bar;
        l_rod_sq = l_rod * l_rod;
    }
};

// 绕 X 轴旋转的旋转矩阵
Eigen::Matrix3d Rx(double angle_rad) {
    return Eigen::AngleAxisd(angle_rad, Eigen::Vector3d::UnitX()).toRotationMatrix();
}

// 绕 Y 轴旋转的旋转矩阵
Eigen::Matrix3d Ry(double angle_rad) {
    return Eigen::AngleAxisd(angle_rad, Eigen::Vector3d::UnitY()).toRotationMatrix();
}

// 计算单个执行器的逆运动学
// 输入:roll 和 pitch 角度,执行器几何参数
// 输出:pair<电机角度 [rad], 计算是否成功>
std::pair<double, bool> calculate_single_theta_i_internal(double q_roll_rad, double q_pitch_rad,
                                                          const AnkleActuatorParams& params) {
    const Eigen::Vector3d& r_Ai = params.r_Ai_0;
    // 计算旋转后的 C 点位置
    Eigen::Matrix3d X_rot = Ry(q_pitch_rad) * Rx(q_roll_rad);
    Eigen::Vector3d r_Ci = X_rot * params.r_Ci_0_initial;
    Eigen::Vector3d r_Ci_minus_r_Ai = r_Ci - r_Ai;

    // 计算中间变量 a, b, c
    double a_val = r_Ci_minus_r_Ai.x();
    double b_val = (r_Ai - r_Ci).z();
    double norm_sq_r_Ci_minus_r_Ai = r_Ci_minus_r_Ai.squaredNorm();

    if (params.l_bar < 1e-9) {
        std::cerr << "错误:l_bar 接近零" << std::endl;
        return {0.0, false};
    }

    double c_val = (params.l_rod_sq - params.l_bar_sq - norm_sq_r_Ci_minus_r_Ai) / (2.0 * params.l_bar);

    // 检查 arcsin 参数的有效性
    double den_asin = a_val * a_val + b_val * b_val;
    double inner_sqrt_term = a_val * a_val + b_val * b_val - c_val * c_val;

    if (inner_sqrt_term < -1e-9) {
        std::cerr << "错误:配置不可达,平方根项为负 (" << inner_sqrt_term << ")" << std::endl;
        return {0.0, false};
    }
    if (inner_sqrt_term < 0) inner_sqrt_term = 0;

    double num_asin = b_val * c_val + std::abs(a_val) * std::sqrt(inner_sqrt_term);
    if (std::abs(den_asin) < 1e-12) {
        std::cerr << "错误:arcsin 分母接近零" << std::endl;
        if (std::abs(num_asin) < 1e-9) {
            std::cout << "警告:奇异构型,theta 未定义" << std::endl;
        }
        return {0.0, false};
    }

    double arg_asin = num_asin / den_asin;
    if (std::abs(arg_asin) > 1.0 + 1e-9) {
        std::cerr << "错误:arcsin 参数超出定义域 [-1, 1]: " << arg_asin << std::endl;
        return {0.0, false};
    }
    arg_asin = std::max(-1.0, std::min(1.0, arg_asin));

    // 计算电机角度
    double theta_i_rad = std::asin(arg_asin);
    theta_i_rad += params.alpha_offset_rad;
    return {theta_i_rad, true};
}

// 并联机构逆解结果
struct AnkleIKSolution {
    double theta_1_rad; // 执行器 1 的电机角度 [rad]
    bool success_1;     // 执行器 1 计算是否成功
    double theta_2_rad; // 执行器 2 的电机角度 [rad]
    bool success_2;     // 执行器 2 计算是否成功

    AnkleIKSolution() : theta_1_rad(0), success_1(false), theta_2_rad(0), success_2(false) {}
};

// 计算并联机构的逆运动学(两个执行器)
AnkleIKSolution calculate_ankle_ik_both_actuators(double q_roll_rad, double q_pitch_rad,
                                                  const AnkleActuatorParams& params_1,
                                                  const AnkleActuatorParams& params_2) {
    AnkleIKSolution solution;
    auto result_1 = calculate_single_theta_i_internal(q_roll_rad, q_pitch_rad, params_1);
    solution.theta_1_rad = result_1.first;
    solution.success_1 = result_1.second;

    auto result_2 = calculate_single_theta_i_internal(q_roll_rad, q_pitch_rad, params_2);
    solution.theta_2_rad = result_2.first;
    solution.success_2 = result_2.second;

    return solution;
}

// 并联机构控制类
class PMAnkle {
public:
    ExternalParameters ext_params;
    AnkleActuatorParams params_1; // 执行器 1 的参数
    AnkleActuatorParams params_2; // 执行器 2 的参数

    PMAnkle() {}

    // 初始化并联机构的几何参数
    void PMankleInit() {
        // 初始化执行器 1
        Eigen::Vector3d r_A_1_vec(ext_params.pm_ankle_a_1[0], ext_params.pm_ankle_a_1[1], ext_params.pm_ankle_a_1[2]);
        Eigen::Vector3d r_C_1_vec(ext_params.pm_ankle_c_1[0], ext_params.pm_ankle_c_1[1], ext_params.pm_ankle_c_1[2]);
        double L_bar_1 = ext_params.pm_ankle_bar_rod_1[0];
        double L_rod_1 = ext_params.pm_ankle_bar_rod_1[1];
        double alpha_1_rad = 0.0;
        params_1 = AnkleActuatorParams(r_A_1_vec, r_C_1_vec, L_bar_1, L_rod_1, alpha_1_rad);

        // 初始化执行器 2
        Eigen::Vector3d r_A_2_vec(ext_params.pm_ankle_a_2[0], ext_params.pm_ankle_a_2[1], ext_params.pm_ankle_a_2[2]);
        Eigen::Vector3d r_C_2_vec(ext_params.pm_ankle_c_2[0], ext_params.pm_ankle_c_2[1], ext_params.pm_ankle_c_2[2]);
        double L_bar_2 = ext_params.pm_ankle_bar_rod_2[0];
        double L_rod_2 = ext_params.pm_ankle_bar_rod_2[1];
        double alpha_2_rad = 0.0;
        params_2 = AnkleActuatorParams(r_A_2_vec, r_C_2_vec, L_bar_2, L_rod_2, alpha_2_rad);

        std::cout << "并联机构初始化完成" << std::endl;
        std::cout << " 执行器 1 - L_bar: " << params_1.l_bar << " mm, L_rod: " << params_1.l_rod << " mm" << std::endl;
        std::cout << " 执行器 2 - L_bar: " << params_2.l_bar << " mm, L_rod: " << params_2.l_rod << " mm" << std::endl;
    }

    // 计算给定姿态角度下的电机角度
    AnkleIKSolution getAnkleMotorAngles(double q_roll_rad, double q_pitch_rad) {
        return calculate_ankle_ik_both_actuators(q_roll_rad, q_pitch_rad, params_1, params_2);
    }
};

int main() {
    PMAnkle ankle_ankle;
    std::cout << "=== 踝关节并联机构逆运动学求解 ===" << std::endl;
    ankle_ankle.PMankleInit();

    // 设置目标姿态角
    double q_roll_deg = 10.0;
    double q_pitch_deg = 10.0;
    double q_roll_rad = q_roll_deg * M_PI / 180.0;
    double q_pitch_rad = q_pitch_deg * M_PI / 180.0;

    std::cout << "\n目标姿态角:" << std::endl;
    std::cout << " Roll: " << q_roll_deg << " 度 (" << q_roll_rad << " rad)" << std::endl;
    std::cout << " Pitch: " << q_pitch_deg << " 度 (" << q_pitch_rad << " rad)" << std::endl;

    // 求解逆运动学
    AnkleIKSolution solution = ankle_ankle.getAnkleMotorAngles(q_roll_rad, q_pitch_rad);
    std::cout << "\n电机角度:" << std::endl;
    if (solution.success_1) {
        std::cout << " 电机 1: " << solution.theta_1_rad * 180.0 / M_PI << " 度 (" << solution.theta_1_rad << " rad)" << std::endl;
    } else {
        std::cout << " 电机 1: 计算失败" << std::endl;
    }
    if (solution.success_2) {
        std::cout << " 电机 2: " << solution.theta_2_rad * 180.0 / M_PI << " 度 (" << solution.theta_2_rad << " rad)" << std::endl;
    } else {
        std::cout << " 电机 2: 计算失败" << std::endl;
    }
    return 0;
}

编译并运行上述代码,即可根据设定的目标姿态获取对应的电机角度。开发者可根据实际硬件尺寸修改 ExternalParameters 中的参数,该实现可作为基础框架进行扩展。

目录

  1. 基于 2-RSS-1U 的双足机器人并联踝关节分析与实现
  2. 脚踝设计:串联与并联的深度对比
  3. 技术路线选择
  4. 1. 串联构型
  5. 2. 并联构型 (Parallel Kinematics)
  6. 机构设计:2-RSS-1U 并联方案
  7. 运动学解算:从电机到足部的精确映射
  8. 1. 逆运动学 (IK): 从目标姿态到电机指令
  9. 2. 雅可比矩阵 (Jacobian): 速度与力矩的传递桥梁
  10. 3. 正运动学 (FK): 从编码器读数到实际姿态
  11. 参考实现代码
  • 💰 8折买阿里云服务器限时8折了解详情
  • GPT-5.5 超高智商模型1元抵1刀ChatGPT中转购买
  • 代充Chatgpt Plus/pro 帐号了解详情
  • 🤖 一键搭建Deepseek满血版了解详情
  • 一键打造专属AI 智能体了解详情
极客日志微信公众号二维码

微信扫一扫,关注极客日志

微信公众号「极客日志V2」,在微信中扫描左侧二维码关注。展示文案:极客日志V2 zeeklog

更多推荐文章

查看全部
  • 基于 Java 在高德地图面查询检索中使用 WGS84 坐标的方法
  • 微信小程序前端开发入门:从零构建第一个可交互页面
  • Rust 异步微服务架构最佳实践与反模式规避
  • CTFShow Web 入门:文件上传漏洞实战
  • VS Code 中常用的 Python 代码格式化工具
Java 面向对象核心:继承、多态与抽象类接口
  • STC 单片机摄像头图像处理与搜线算法优化实战
  • 自然语言处理高级应用与前沿技术实战指南
  • GPUGEEK平台破解AI算力困境实测
  • 飞算 JavaAI 专业版实测:全栈代码生成与开发效率提升
  • OpenClaw 与 Claude Code、Cursor、Copilot 的核心区别
  • C++11 新特性深度解析:从可变参数模板到 Lambda 表达式
  • 计算机视觉实战:图像平滑与去噪处理详解
  • 三数之和:C 语言双指针解法详解
  • AI 模型可解释性与安全防护结合指南
  • Xinference 同平台并发推理实录:Llama3-70B+Qwen2-VL+Whisper-large-v3
  • Apache Guacamole 远程桌面网关部署与配置指南
  • 开发者软技能:沟通时机与自我成长
  • llama.cpp 核心特性、技术原理与实用部署
  • Ubuntu 22.04 安装配置 OpenClaw 实战指南
  • 相关免费在线工具

    • 加密/解密文本

      使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online

    • RSA密钥对生成器

      生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online

    • Mermaid 预览与可视化编辑

      基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online

    • 随机西班牙地址生成器

      随机生成西班牙地址(支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选),支持数量快捷选择、显示全部与下载。 在线工具,随机西班牙地址生成器在线工具,online

    • Gemini 图片去水印

      基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印,支持批量处理与下载。 在线工具,Gemini 图片去水印在线工具,online

    • Base64 字符串编码/解码

      将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online