仿人机器人是模拟人类行为和外貌的机器人，通过结合先进技术如人工智能、语音识别等，实现更真实人机交互，满足人类对更复杂互动的需求。虽然目前有诸如Atalas、Digit等较为成熟的产品，但有关仿人机器人运动控制的开源内容依旧有限。

本项目开发了基于MPC（Model Predictive Control，模型预测控制）和 WBC（Whole Body Control，全身控制）的开源控制框架，完成全身31个自由度机器人的运动控制，并在Mujoco仿真平台上验证了算法的可行性，实现了机器人的行走、盲踩障碍、跳跃。

本控制框架代码具备以下几个优势:

易部署 集成了主要第三方库依赖，简化部署过程。

可扩展 框架结构分层模块化设计，为二次开发提供了友好的环境。

易理解 针对功能进行代码模块封装，降低代码复杂度，提高可理解性。

MPC+WBC算法控制框架

该控制框架具备以下特点：

基于单刚体模型对机身状况的预测产生提前的控制量，提高机器人控制的稳定性。

基于全维动力学模型，应用多任务优先级控制，实现冗余自由度机器人的运动控制。

控制框图如下所示：

控制框图

MPC在低频层级运行，基于单刚体模型通过对未来一段时间内对系统模型进行预测，并基于当前系统状态与预测优化生成足底接触力轨迹。

机器人单刚体模型如下所示：

MPC的优化过程如下所示：

WBC在高频层级运行，通过零空间映射实现机器人全身多关节对于多任务的执行，并基于全身动力学优化最终生成全身关节的位置速度力矩指令。

机器人全维动力学模型如下所示：

WBC的优化过程如下所示：

以上为本控制框架的核心算法，据此实现机器人的多种运动能力。

示例视频

本控制框架在Mujoco仿真平台下实现了机器人行走，并能进行盲踩及跳跃，示例代码可在开源项目仓库中下载并复现其效果。

示例：1m/s快速行走

示例：盲踩障碍物与10cm跳跃

本项目基于Mujoco仿真平台进行算法可行性验证，仿真环境搭建可参考Mujoco官方文档。

本项目参考了MPC与WBC相关文献，及MATLAB关于MPC的教程，用户若想进一步了解算法，可参考该文献 ¹^, ²^, ³ 及教程。