wheeled bipedal轮足
| 问题 | 解决 | |
|---|---|---|
| 40 | 需要更广泛的适用性，避免依赖腿部动力学 | 提出的控制器使用虚拟模型控制概念，通过忽略腿部动力学而允许更广泛的适用性 |
| 需要最大化运动灵活性并最小化模型阶数 | 通过直接将车轮的非完整约束纳入动力学方程，提出了轮式刚性动力学模型 | |
| WBR的非最小相位特性 | 分层MPC控制结构来跟踪所需的姿态 | |
| 增强机器人的自主性 | 状态估计器，它利用运动学和惯性传感器数据来提供机器人状态的高速且准确的估计 | |
| 47 | 平衡控制应用于实际WLR平台 | 基于线性二次调节器（LQR），根据建立的动态方程构建平衡控制器 |
| 述机器人的简化动力学模型 | ||
| 验证LQR控制器的效率 | ||
| 48 | 遇到不平坦的地形时保持身体平衡 | 设计的WBR有额外的膝关节 |
| 不需要系统动力学的先验知识 | 所提出的IMBC系统不需要系统动力学的先验知识，并且使用人类知识的定性方面来调整控制器参数 | |
| 高度非线性、动态、不稳定和欠驱动的特性 | 于模糊逻辑方法的智能运动和平衡控制器（IMBC） | |
| 31 | 式腿系统配备更广泛的运动能力 | 型串联双足轮式机器人VC-I上开发并实现了运动控制系统 |
| 静态不稳定性和模型的动态特性 | 状态相关Riccati方程（SDRE）方法作为机器人的平衡控制器 | |
| 姿态角和跳跃能力 | ||
| 24 | 需要增强机器人的高速转弯鲁棒性和地形适应性 | 分布式动态建模策略来揭示躯干和轮腿系统之间的力传递关系 |
| 处理高速小半径转弯 | 基于模型预测控制的分层控制框架，将离心力补偿（CFC）和地形适应控制策略融入全身控制器中 | |
| 面对非结构化地形时表现出主动顺从性和适应性 | 抗扰动和CFC转弯实验验证了其对扰动和高速小半径转弯的鲁棒性，单腿连续下楼梯实验证明了适应性 | |
| 22 | 提高双足机器人敏捷性、移动速度和能源效率性能 | 六自由度双足腿轮机器人SR600，该机器人的小腿末端有两个驱动轮 |
| 建立运动学模型 | 变结构轮式倒立摆，并基于重心约束推导了其运动学模型 | |
| 平衡和运动控制 | SR600的平衡和运动控制策略由比例积分微分（PID）控制器处理 | |
| 28 | 有的欠驱动在平衡控制方面提出了重大挑战，特别是在面对不确定性和外部干扰时 | WBR滑模控制策略，即使在各种外部干扰的影响下也能保证鲁棒的平衡性能 |
| 针对性的控制设计 | WBR的动态方程首先以级联形式重新排列，有利于有针对性的控制设计 | |
| 滑动表面在固定时间内收敛到零 | 设计车轮扭矩和腿部支撑力，以确保滑动表面在固定时间内收敛到零 | |
| 67 | 需要优秀的跳跃和避障能力 | 对一种基于同步带传动的双足轮式机器人进行建模和设计，并推导了其跳跃姿态的动力学 |
| 没有研究设计参数对双足轮式机器人运动的影响以及跳跃姿势优化问题 | 找出每个阶段跳跃高度与腿长比以及髋关节、膝关节角度位置之间的关系，并利用PSO算法找到最优解 | |
| 验证算法的最优解 | 利用ADAMS和MATLAB/Simulink进行联合仿真验证算法的最优解 | |
| 76 | 恶劣环境下的机动性挑战 | 使机器人即使在有风环境下也能成功完成跳跃动作，并最大化跳跃距离 |
| 仿真环境不够真实 难以准确模拟跳跃过程中，随着姿态变化（倾斜角度）风力对机器人的动态影响。 |
建立了特定函数来模拟跳跃过程中 不同倾斜角度下 机器人表面风力的变化，实现了对强风条件的详细仿真。 | |
| 物理硬件的限制 实际应用中受到电机能力和自身重量的物理约束。 |
电机的最大扭矩限制 和 机电部件的重量 ， | |
| 缺乏对双足轮腿机器人在强风条件下性能的深入研究。 | 探讨了强风下的跳跃性能，并提出利用 遗传算法 来优化机器人的跳跃轨迹 | |
| 79 | 轮腿人形机器人在应对 崎岖地形 和 突发外部干扰 时的稳定性控制问题尚未解决。 | 柔顺平衡控制框架 (CBCF) 设计了一种能够吸收地面冲击、承受意外外部干扰，并在运动过程中保持稳定姿势的控制框架。 |
| 全身协调控制 如何协调腿部的运动与轮子的平衡 |
质心耦合控制策略 通过机器人**质心(CoM)**的运动，将腿部运动控制与轮子平衡控制有机连接起来。 |
|
| 车轮平衡与腿部姿态 需要分别解决车轮的动态平衡和腿部的柔顺姿态保持。 |
分层控制算法 1. 车轮 ：采用倒立摆模型结合模型预测控制； 2. 腿部 ：利用 全身动态补偿器 实现柔顺运动并保持姿势。 |
|
| 非结构化环境适应性 在 未建模 的复杂环境中快速移动，以及在单腿离地等极端情况下的抗干扰能力 |
高级规划器配合与抗扰验证 CBCF与高级运动规划器配合，使机器人能在草地、台阶等未建模地形快速移动，甚至在单腿离地受扰时也能快速恢复平衡。 |
|
| 80 | 两轮自平衡机器人在经过凹凸不平的道路时很容易失稳翻船 | 机构配置的综合设计，提出了七连杆腿部结构，将机器人的平衡运动与腿部运动解耦 |
| 动力学模型 | 欧拉-拉格朗日方法，在广义坐标系下应用非完整动态劳斯方程，得到系统的动力学模型 | |
| 高度变化影响控制 | 根据机器人的高度划分机器人的状态空间，利用线性二次调节器（LQR）方法实时求解Riccati方程 | |
| 腿部运动需要控制 | 自抗扰控制（ADRC）方式实现的 | |
| 85 | 独特的结构限制与研究缺失 腿部 没有滚动(Roll)关节 的轮式双足机器人（如Handle, Ascento）运动生成挑战独特，且目前关于此类机器人 如何向前迈步 的研究很少。 |
混合步进运动策略（两阶段设计） |
| 单腿支撑阶段的控制 需要在单腿支撑时保持平衡并生成步进动作 |
倒立摆模型控制 在单腿支撑阶段，采用 双质量可变高度倒立摆模型 来进行运动生成和控制。 |
|
| 双腿支撑阶段的建模难题 双腿支撑阶段涉及复杂的 接触滑动、摩擦和碰撞 ，难以通过传统物理模型精确建模。 |
无模型强化学习 在双腿支撑阶段，采用 无模型强化学习 (Model-free RL) 方法，利用丰富的数据来可靠地生成运动，避开了复杂的物理建模难题。 |
|
| 100 | 加速性能不足 相比传统轮式移动机器人，轮腿机器人(WLR)的高速性能，特别是 加速阶段 的性能仍然不够好。 |
提出仿人加速控制 (HIAC) 提出了一种受人类骑行启发的加速控制方法（Human-Riding Inspired Acceleration Control） |
| 响应慢与误差大 受特定动态特性影响，WLR往往 响应缓慢 ，且 速度跟踪误差较大 。 |
复合控制策略 HIAC包含两个核心部分： 1. 部分反馈线性化控制器 ； 2. 仿人骑行的身体摆动运动 （模仿人骑车时的身体前倾/摆动）。 |
|
| 动力学冲突 系统的非线性特性与WLR惯性动力学之间存在冲突，导致控制困难。 |
优化加速响应 通过上述方法解决了动力学冲突，使机器人在加速阶段能够 快速、平稳地响应 ，并显著减小了跟踪误差。 |
|
A Wheeled-Bipedal Robot
a Bipedal Leg-wheeled Robot
wheeled biped robot
wheeled bipedal robot
Bipedal Wheeled Robot
Wheel-Legged Humanoid Robot
wheel-legged robot based on LQR and ADRC