这是完整实验效果的视频链接： 机器人协调控制系统实验效果.

一.系统简介

功能

这是我自主研发的六足控制系统，全部python实现，已经实现的功能包括：六足协调运动，四足协调运动，手部精确控制，头部云台控制，自动转向，地图导入，自动水平归位等功能。

使用

只需告诉机器最终希望达到什么状态，系统会自动生成中间的所有动作，用最自然地方式达到目标状态，并且可以中途修改决策，系统自动衔接新的动作。所有指令均抽象到scratch水平，与控制小车运动一样简单，而且可以精确到环境坐标。

实验

基于这套控制系统，我设计了几个实验，包括挑战7个近似波士顿动力的实验效果、7个自定义实验效果，所有实验均为控制系统的不同决策组合生成。

二.详细实验解读

注：我的协调控制系统，能够自动判断行走细节，包括落地足能牢牢抓住地面不打滑，这在每一个实验中基本都做到了，所以不在赘述。

波士顿动力近似试验1：空间定点

6足机器人4足站立，腾出2足做手，分别指向身体两侧空中点位，任意摇晃身体，同时锁定所有足尖的坐标不动。类似波士顿动力机器狗展示过的实验，扭动身体，同时锁定空间某一点，不发生移动。本实验重点展示本系统的精确坐标控制功能。

自定义试验1：太极云手

在后4足落地模式下，2只前足可作为手控制，这里展示了控制两手，反向画圈的云手效果，并且增加身体对应扭动，头部始终锁定更高的足尖位置。本实验重点展示本系统的手部独立控制功能。

自定义试验2：醉鬼

行走过程中，身体保持偏航角不动，不断扭转滚转角和俯仰角，仿佛醉鬼走路。本实验重点展示本系统允许身体扭动决策与行走决策同时执行，并且互不影响。

自定义试验3：边转边走

身体偏航角旋转同时，沿着指定方向匀速前进。本实验重点展示本系统可以自动配合身体的偏航角变化，修改各足运动方案，使移动决策和转身决策能够同时进行，互不影响。

自定义试验4：平移

保持身体角度不动，走一个正方形。本实验重点展示本系统支持身体锁定朝着某个方向，并且依然可以准确控制身体进行任意位移。

自定义试验5：自动变向

在移动的同时，身体自然转到运动方向。本实验重点展示本系统支持身体自动跟随运动调整角度，这符合自然界动物的运动习惯。

波士顿动力近似试验2：过独木桥

导入独木桥地形（两桥间隔略大于6足预设间距），行走时各足落地点，限制在桥上。由于这台机器人，不可能尝试2足行走，因此本实验引入两个独木桥，难度远低于波士顿动力双足机器人走独木桥实验。本实验重点展示本系统支持机器人的在很窄的轨道上行走。

波士顿动力近似实验3：走桩

导入木桩地形，间隔5厘米，设置5*5的方块落足区域。同样类似波士顿动力双足机器人，在有限选择落脚点的区域中行走，由于无需考虑2足的平衡问题，本实验难度也远低于波士顿动力双足机器人走桩实验。本实验重点展示本系统支持机器人的在前进方向被限制落点，可以自动生成踩着桩位行走的动作。

波士顿动力近似实验4：看点绕圈

近似模仿波士顿动力机器狗实验：绕圈走时依然可以将头部精确锁定在空间某一位置。本系统可以做到身体绕行一周，头部摄像头始终盯着中心一点看。（视频中的实验效果有待完善：因为身体累计误差和陀螺仪延迟矫正，导致一周最后几个转弯并未走好。）

波士顿动力近似实验5：上下楼梯

导入楼梯地形，自动完成地形的运动优化，并协调身体和腿部，完成台阶上下行走。同样类似波士顿动力机器狗爬楼，这一次我额外增加要求，爬楼时保持身体水平，这样未来可应用于很多载人场合。因此每上一个台阶，本系统都会预先抬高身体。由于当前机器人的腿较短，并且足尖结构导致有效角度不能太平，我降低了台阶高度，以确保足尖落地而不是腿骨架落地（后者将破坏精确控制）。但即使如此，视频中，由于腿的长度不足，依然发生了滑动，导致下楼的判断，有了1~2厘米的偏差，出现了些许不自然。
本实验重点展示本系统支持多平面地形的移动，并且能够自动生成多平面的行走过渡方案。

自定义试验6：行走模式切换

在预设的几种不同行走模式之间，灵活切换。本实验验证本系统，可以通过决策，切换到任意运动模式，并且切换过程同样自然生成，无需重启相关线程，全过程运动无缝衔接。

波士顿动力近似实验6：四足慢速行走

4足行走模式，抬起中间两足，使机器人只有4足落地，进行4足行走。由于机器人配重并不均衡，加上各机械臂重量较重，以及舵机受力时达到厘米级形变误差，慢速行走时抬腿很容易引发全身重心飘移，因此我引入了较显著的左右补偿运动，用于补救重心的晃动误差。这一点上，我认为，波士顿动力机器狗在被设计时已经优化过配重，因此可以忽视很多腿部运动带来的重心问题。这也是我放弃尝试快速跑动的原因之一，硬件差距实在太大了，光靠算法编程弥补，我预估时间成本会非常大。

自定义试验7：平衡同时运动

随机修改地面角度，包括偏航角，通过每隔0.5秒触发的动作检查以及角度矫正，使身体始终保持决策角度，同时依然完成决策动作。本实验验证本系统，支持任何运动执行的同时，进行水平矫正。由于机器人在晃动地面上操作的场景并不常见，因此本功能更适合在曲面上行走时，保持身体角度，同样是为载人情况预设的功能。因此我将“保持水平”，作为运动判断的附加功能，添加到了本系统中。

波士顿动力近似实验7：斜坡运动

模仿波士顿动力机器人斜面行走实验，6足机器人在斜面上完成行走和转身，整个过程保持身体水平，并且与“醉鬼”不同，不仅倾斜身体，还附加倾斜身体重心，使6条腿在理论上始终保持最均匀的受力，以便站的更稳。本实验验证本系统，自动生成的动作，能够使机器人在固定倾角的斜坡上依然能站立稳定，并且行走如履平地。即所有倾斜相关判断，都来自理论计算，而非陀螺仪计算，陀螺仪仅仅在硬件误差累积到一定程度时，进行矫正。这样设计是为了系统功能统一，同时也是出于节约树梅派算力的角度考虑。

注：由于机器人没有任何受力传感信号（当时买来才知道，真的想哭），所以所有受力分析，重心控制，全部都是理论计算，这也是我不做快速跑步的另一个原因（根本没判断数据可以修正理论和实际的偏差，结果只能一通乱跑）。

三.补充说明：

由于种种硬件条件限制，我没有尝试快速跑步，重点专注于精确控制。另外由于本人精力有限，我尚未尝试视觉三维建模，因此所有环境信息，都是按照地图导入的形式输入的，加上这个六足机器人本身有不小的结构和形变误差，所以理论坐标位置和实际依然有1~2厘米的偏差。

本次研究全部成本：2500元树莓派机器人1台+100元陀螺仪1个+我8个月业余时间

做这个项目，一方面是想验证我自创的一套强化学习理论，另一方面，我也想证明：在机器人控制的理论计算上，中国并不输美国！！！

加油中国！！！

注：目前暂不公开