Quadruped-PyMPC

基于梯度和采样控制的四足运动 Python MPC 框架

许可证

BSD-3-Clause

概述

Quadruped-PyMPC 是来自 IIT 动态腿式系统实验室的基于 Python 的四足机器人运动模型预测控制框架。它使用单刚体模型实现了两种互补方法：通过 acados 的基于梯度的优化（CPU 上小于 5ms）和通过 JAX 的大规模并行采样控制（GPU 上 10,000 次滚动展开小于 2ms）。发表于 IROS 2024 和 IEEE RAL 2025，已在真实 Unitree 机器人上验证。

Quadruped-PyMPC 是一个用于四足运动的 Python MPC 框架，提供通过 acados 的基于梯度的优化（CPU 上小于 5ms）和通过 JAX 的大规模并行采样控制（GPU 上 10,000 次滚动展开小于 2ms）。支持多种步态、足端优化和在 Unitree 机器人上的真实硬件部署。

为何重要

该项目使最先进的四足运动控制在 Python 中变得易于使用，并在 IROS 2024 和 IEEE RAL 2025 上发表了成果。来自 IIT 动态腿式系统实验室的双重梯度/采样方法和真实硬件验证使其成为一个有价值的研究平台。

解决的问题

为四足运动实现模型预测控制涉及复杂的优化、接触调度和实时约束。该框架提供了一个简洁的 Python 实现，梯度和采样两种方法均达到实时性能。

要点

• 双重 MPC：基于梯度（acados，<5ms）和基于采样（JAX，10K 次滚动展开 <2ms）
• 支持对角步、侧对步、跳跃步态及足端优化
• 在 Unitree 四足机器人上进行了真实验证
• ROS2 集成用于硬件部署

适用人群

• 从事四足控制的腿式机器人研究人员
• 希望使用 Python MPC 而无需编写 C++ 优化代码的工程师
• 在 Unitree 四足机器人上部署 MPC 控制器的团队

局限

• 基于单刚体模型——是完整动力学的简化
• 真实部署需要 Unitree 机器人及其 SDK
• 基于 GPU 的采样需要支持 JAX CUDA 的 NVIDIA 硬件