1.【干货|开源MIT Min cheetah机械狗设计(二十三)】运动控制器源码解析---控制和优化思想
2.[1](含源码)通过关节力矩指令控制LBR/iiwa机械臂运动
3.Arduino开源机器人汇总(基于 GRBL或Marlin)
4.干货|开源MIT Min cheetah机械狗设计(二十一)运动控制器源码解析---刚体动力学建模
5.干货|开源MIT Min cheetah机械狗设计(十四)运动控制器源码解析---四足机器人浮动基动力学模型创建
6.干货|开源MIT Min cheetah机械狗设计(二十)运动控制器源码解析---Locomotion程序架构
【干货|开源MIT Min cheetah机械狗设计(二十三)】运动控制器源码解析---控制和优化思想
本文将深入探讨开源MIT Min Cheetah机械狗设计的机械机器控制与优化策略，重点关注MPC控制和QP优化。源码源码尽管WBC辅助MPC的机械机器内容在前文已有详述，这里主要聚焦控制理论的源码源码应用。
控制的机械机器核心在于通过状态方程描述物体运动规律，如牛顿第二定律，源码源码苹果系统降级软件源码将连续问题离散化以适应计算机处理。机械机器状态空间表达式，源码源码如[公式]，机械机器揭示了物理定律，源码源码如位移与速度的机械机器关系和电容与电流的关系。控制策略的源码源码优化在于选择最适合的路径，如LQR关注整个时间的机械机器最优，而MPC关注当前时刻对过去的源码源码影响。
优化问题涉及代价函数和权重设置。机械机器LQR的代价函数[公式]，权重为[公式]，而MPC更复杂，如[公式]，可加入不等式约束。MPC通过QP求解器，如Matlab或C++，实现开环优化，允许灵活设置约束条件。
与传统PID控制相比，现代控制理论如状态空间模型更精确，但在实际应用中，矿机钻石源码复杂项目如MIT机械狗，可能仍需依赖传统控制如PD，配合现代理论以提升性能。控制算法在无人机、机器人和汽车行业广泛应用，尤其在动力学模型成熟的情况下。
机器学习和强化学习在参数辨识和环境适应方面提供了补充，但强化学习对于规则明确的环境表现较好，未来有望在机器人领域有更多发展。接下来，我们将转向机械狗的仿真实现，以及后续的扩展功能，如路径规划和激光雷达扫描。
[1](含源码)通过关节力矩指令控制LBR/iiwa机械臂运动
本文改编自 MATLAB 的自带帮助文档，介绍了如何使用 MATLAB 和 V-REP 进行 LBR/iiwa 机械臂的计算力矩控制仿真。相较于使用 Gazebo 的原例程，本例程旨在通过将 Gazebo 替换为 V-REP，实现 V-REP 和 MATLAB 的通信与数据交互。本文将逐步指导实现这一仿真过程。
首先，构建项目结构，包括用于存放场景文件、通信文件和控制文件的三个子文件夹。确保 MATLAB 版本不低于 b，以便加载 URDF 文件。然后，期货指标源码图利用 MATLAB 的自带 LBR/iiwa 机械臂的 URDF 文件及三维模型文件，创建场景文件并将其加载至 V-REP 中。处理可能出现的路径兼容性问题，确保仿真环境的搭建无误。
通信准备阶段，复制 V-REP 相关组件至 MATLAB 文件夹，并利用 vrchk.m 文件进行通信失败类型提示。创建 iiwa_computer_torque_control_workcell_init.m 函数文件，用于初始化 V-REP 与 MATLAB 之间的通信链路，包括获取关节句柄和进行 streaming 初始化。
接下来，实现与 V-REP 的通信代码。在 iiwa_computed_torque_control 文件夹内，建立 iiwa_computed_torque_control.m 文件，其中包含通信代码框架，以适应后续的控制逻辑。在此阶段，主要关注同步模式控制的实现，确保机械臂在 MATLAB 的控制指令下按照预定轨迹运行。
在控制代码编写中，遵循关节力矩控制原理，选择同步模式进行仿真。此模式下，控制输入与 V-REP 的动作同步，即在 MATLAB 发出控制指令后，V-REP 在预设的山西和河南源码时间间隔内执行该指令。通过调用 V-REP 的 API，实现关节位置、速度与加速度的控制，以及力矩的计算与应用，使机械臂按照预期轨迹运行。
为了保证控制的准确性，进行数据处理以对比前馈和反馈力矩，以及期望与实际关节位置和速度。此阶段的分析结果有助于优化控制算法，确保机械臂能够精确地按照预设路径运动。
最后，进行仿真运行前的系统配置，确保 V-REP 和 MATLAB 都已关闭，然后按照特定流程启动 V-REP，加载场景文件，并在 MATLAB 中运行相关代码。通过观察 V-REP 中的仿真动画，验证仿真过程的正确性与稳定性。
此过程不仅适用于学术研究和学习，也为实际应用提供了参考，旨在推动机器人控制技术的发展。通过分享此例程，旨在激发更多人对机器人控制的兴趣，并欢迎各界反馈与建议，共同促进技术进步。
Arduino开源机器人汇总(基于 GRBL或Marlin)
Arduino开源机器人汇总（基于GRBL或Marlin）
GRBL，阴暗森林游戏源码作为开源的嵌入式CNC框架，因其高效和低成本，被广泛应用于多种开源机器人，如绘图机器人、机械手臂等，它的代码质量高且易于定制。XYZ结构机器人
XYZ结构常见于CNC设备，如3D打印机，每个轴独立控制，运动规划简单，步进数与滑台位置关系明确。推荐入门项目如DrawBot绘图机器人，使用GRBL控制。CoreXY结构
CoreXY结构以单同步带控制XY运动，紧凑且能提供更大的工作空间，运动速度快。大鱼DIY写字机器人V2.0 Pro就采用了这种结构。经典项目举例
DrawBot V1.1: henryarnold和MoustafaElkady的开源作品，GRBL控制。
DREMEL CNC: Nikodem Bartnik设计，使用GRBL，教程详尽。
INDYMILL: 金属版CNC升级，GRBL控制，付费安装教程。
大鱼DIY写字机器人V2.0 Pro: GRBL支持，开源且有视频教程。
sffactory 机械臂: Marlin 2.0控制，结构改进，内容丰富。
DArm: 廖洽源作品，Marlin 2.0，提供Solidworks工程。
Drawbot机械臂: Marlin控制，基于DArm设计，但未开源源码。
UArm Swift Pro: GRBL-Mega/Marlin版本，金属机身，结构封闭。
Mirobot六自由度机械臂: 周冬旭博士作品，GRBL控制，固件不开源。
MK2 Plus 机械臂: GRBL控制，作者为Jacky Le，基于MK1的改进。
干货|开源MIT Min cheetah机械狗设计(二十一)运动控制器源码解析---刚体动力学建模
本篇内容深入探讨了开源MIT Min cheetah机械狗设计系列文章中的刚体动力学模型。刚体动力学模型是机械狗设计的核心，是麻省理工团队独立开发的动力学算法的重要基础。动力学算法的理论依据参考了Roy Featherstone的文章《Rigid Body Dynamics Algorithms》，该文章提出了一种新的六维运动空间和力空间，概念类似于运动旋量和力旋量。
商业动力学运算库如CoppeliaSim的Bullet 2.和单独的动力学求解库pinocchio、frost、drake等在机械狗设计中得到了广泛应用。机械狗设计所用的动力学算法设计思想包含牛顿欧拉方程、坐标系选取问题、六维运动空间等核心概念。牛顿欧拉方程是力学基础，描述了力与加速度和扭矩之间的关系，包括了定点和定轴转动的公式。坐标系的选择对动力学和运动学分析至关重要，不同坐标系的设计使计算变得更加高效。Pl¨ucker坐标系的引入实现了平动和转动的统一表示，简化了动力学方程，方便了后续程序的编写。
在六维运动空间中，刚体的速度和空间力被统一表示，使得动力学分析更加简洁。动力学模型编程中，动力学公式和运动学树的概念被整合进代码中，以方便处理和编程。文章最后指出，动力学知识的探讨还将继续，后续计划将增加视觉感知、激光雷达扫描等机械狗的智能功能，以提升其性能。
干货|开源MIT Min cheetah机械狗设计(十四)运动控制器源码解析---四足机器人浮动基动力学模型创建
干货MIT Min Cheetah机械狗设计详解（十四）：动力学模型创建 对于机器人爱好者和初入机器人领域的专业人士，开源MIT Min Cheetah系列设计无疑是一份宝贵资源。本文将深入探讨RobotRunner核心模块，包括数据更新、步态规划、控制算法和命令发送，尤其是关键的浮动基动力学模型构建。 首先，我们从单刚体动力学模型开始，简化机械狗的复杂动态，计算足底反作用力，但此方法在高速运动时并不适用。为解决高速情况下的适应性，浮动基动力学模型引入，它在单刚体基础上优先满足动态响应，如WBC控制器的需要。模型创建包括：浮动基动力学模型参数设置：定义机械狗整体的配置空间和关节自由度，引入6个表示身体浮动基的自由度。
广义惯量和空间惯量：每个连杆和关节电机的广义惯性张量（包括质量、质心位置和旋转惯量）是动力学计算的基础。
连杆位置向量：这些参数用于后续的运动旋量计算。
浮动基动力学模型：以拉格朗日单腿动力学为基础，考虑机械狗整体的运动状态和力矩映射。
动力学方程的构造：包括动力学方程组、约束方程和构型角度约束，以及外力和转矩的关系。
代码中，通过`forwardKinematics()`函数计算关节和连杆的空间变换，为求解质量矩阵、非惯性力矩阵和接触雅可比矩阵做准备。在冗余自由度的系统中，浮动基动力学模型与WBC结合，最终计算出关节的控制参数。 总结，浮动基动力学模型的创建是实现高精度控制的关键步骤，它为后续的动力学方程求解提供了关键参数。理解这些核心概念，将有助于深入理解四足机器人动态控制的奥秘。干货|开源MIT Min cheetah机械狗设计(二十)运动控制器源码解析---Locomotion程序架构
开源MIT Min cheetah机械狗设计第篇，讲解Locomotion程序架构。
本文集中解析机械狗的运动模式，涵盖种模式，包括被动、关节运动、阻抗控制、站立、平衡站立、奔跑、恢复站立、视觉辅助、后空翻、前空翻。每种模式继承自FSM_State，实现状态转移与控制。
程序核心在于FSM_StatesList中的运动模式调度，runFSM()函数对模式进行管理。
重点介绍奔跑模式，它依赖MPC（ConvexMPCLocomotion）与WBC（WBC_Ctrl）控制器。MPC部分已前文讨论，本篇聚焦于WBC实现。
首先，初始化MPC，作为WBC的一部分。WBC运行于FSM_State_Locomotion的run()函数，通过循环调用控制步骤LocomotionControlStep()。
控制步骤中，MPC预测足端反作用力Fr_des[i]，WBC求解关节扭矩、加速度、速度与位置。腿部控制器LegController据此发送关节扭矩、速度与位置。
核心在于运行WBC控制器WBC_Ctrl：：run()与计算过程的_WComputeWBC()函数，通过公式进行计算。
欲详细了解WBC控制器设计原理，可参考相关文章。
本篇至此，下篇将深入探讨WBC控制器的程序实现。