🤖 四足机器人课程

从零掌握四足机器人:从步态到平衡到强化学习

Python仿真验证 · 30课完整体系 · 深色主题

30
课程数
5
学习阶段
30+
仿真实验
500KB+
总内容

本课程系统地介绍四足机器人的理论与实践,从基础的腿部运动学到高级的强化学习控制。每课包含:

🦿
第一阶段:腿部与步态(1-6课)
理解四足运动的基础——腿部结构、运动学和步态
#课程核心内容标签
01四足机器人概述架构、参数、力分析基础
02腿机构学2R运动学、雅可比、工作空间运动学
03正逆运动学3D FK/IK、DH参数、标定运动学
04步态基础Walk/Trot/Pace/Bound步态步态
05静态稳定性支撑多边形、稳定裕度稳定
06步态生成贝塞尔轨迹、相位协调步态
⚖️
第二阶段:动力学与平衡(7-12课)
掌握动力学建模和平衡控制的核心技术
#课程核心内容标签
07刚体动力学牛顿-欧拉方程、惯性张量动力学
08质心控制LIPM、CoM轨迹规划、力分配稳定
09ZMP稳定判据零矩点、动态稳定性、DCM稳定
10惯性测量与姿态IMU融合、互补滤波、EKF感知
11姿态平衡控制PD控制、全身力控、WBC控制
12扰动恢复捕获点、恢复策略、安全跌倒稳定
🏔️
第三阶段:地形适应(13-18课)
让机器人适应各种地形:从楼梯到斜面到碎石路
#课程核心内容标签
13地形感知高度图、地形分类、落脚点选择感知
14足端力控制力分配、摩擦锥、阻抗控制控制
15柔顺着陆弹簧-阻尼器、主动着陆、能量回收控制
16台阶攀爬楼梯检测、攀爬规划、力矩计算动力学
17斜面行走重力分解、摩擦分析、倾斜行走步态
18非结构化地形随机地形、自适应落脚、变形地面感知
🧠
第四阶段:智能控制(19-24课)
MPC、强化学习、Sim2Real——让机器人学会智能行走
#课程核心内容标签
19模型预测控制MPC框架、滚动优化、SRBD控制
20深度强化学习入门RL框架、Q-learning、奖励设计动力学
21仿真到现实(Sim2Real)域随机化、Teacher-Student、鲁棒性动力学
22视觉引导行走深度感知、障碍检测、视觉规划感知
23自适应步态参数自适应、能量优化、地形匹配步态
24多地形策略切换地形识别、策略选择、平滑切换控制
🚀
第五阶段:实战项目(25-30课)
综合运用所学,完成从仿真到特种任务的实战项目
#课程核心内容标签
25平面四足仿真2D完整行走仿真、接触力模型动力学
263D四足仿真18DOF仿真、物理引擎、URDF动力学
27爬楼梯完整楼梯攀爬仿真项目动力学
28负载行走负载自适应、CoM偏移、力调整动力学
29跳跃控制跳跃动力学、蓄力释放、着陆缓冲动力学
30毕业项目:全地形四足机器人综合项目、多地形行走、课程总结基础

🎓 学习路线建议

初学者按1→30顺序学习 | 有经验者可直接跳到感兴趣的模块

每课约需1-2小时(含练习)| 全课程约40-60小时

四足机器人课程 v1.0 · 30课完整版 · Python仿真验证
深色主题 · #fbbf24黄色强调 · 所有代码✅验证通过