Quadruped-PyMPC

四足機器人行走運動的 Python MPC 框架，提供梯度式與取樣式控制

授權條款

BSD-3-Clause

概述

Quadruped-PyMPC 是 IIT Dynamic Legged Systems Lab 推出、以 Python 撰寫的四足機器人行走運動模型預測控制框架。它實作單一剛體模型，並提供兩種互補的做法：透過 acados 進行梯度式最佳化（在 CPU 上低於 5ms），以及透過 JAX 進行大規模平行的取樣式控制（在 GPU 上低於 2ms 完成 10,000 次 rollout）。相關成果發表於 IROS 2024 與 IEEE RAL 2025，並已在真實的 Unitree 機器人上通過驗證。

Quadruped-PyMPC 是四足機器人行走運動的 Python MPC 框架，提供透過 acados 的梯度式最佳化（在 CPU 上低於 5ms），以及透過 JAX 的大規模平行取樣式控制（在 GPU 上低於 2ms 完成 10,000 次 rollout）。它支援多種步態、落腳點最佳化，以及在 Unitree 機器人上的真實硬體部署。

為何重要

這個專案讓最先進的四足機器人行走運動控制能在 Python 中使用，相關成果已發表於 IROS 2024 與 IEEE RAL 2025。梯度式／取樣式的雙重做法，加上 IIT Dynamic Legged Systems Lab 的真實硬體驗證，使它成為很有價值的研究平台。

解決的問題

為四足機器人行走運動實作模型預測控制，涉及複雜的最佳化、接觸排程與即時性限制。這個框架提供簡潔的 Python 實作，梯度式與取樣式兩種做法都能達到即時效能。

重點

• 雙 MPC：梯度式（acados，<5ms）與取樣式（JAX，10K 次 rollout <2ms）
• 支援對角小跑（trot）、同側步（pace）、跳躍（bound）步態，並具落腳點最佳化
• 已在真實的 Unitree 四足機器人上通過驗證
• 整合 ROS2 以進行硬體部署

適用對象

• 研究四足機器人控制的足式機器人研究人員
• 想用 Python 實作 MPC、而不必撰寫 C++ 最佳化程式碼的工程師
• 在 Unitree 四足機器人上部署 MPC 控制器的團隊

限制

• 以單一剛體模型為基礎，是完整動力學的簡化
• 真實部署需要 Unitree 機器人及其 SDK
• 以 GPU 進行取樣需要支援 JAX CUDA 的 NVIDIA 硬體