三分解控制框架

概述

三分解控制框架（Three-Part Decomposition）是由 Marc H. Raibert 提出的一种用于动态腿式运动控制的核心理论架构。该框架将复杂的高维非线性动态平衡问题优雅地分解为三个相对独立且直觉性强的子问题：弹跳高度控制（Hopping Height Control）、前进速度控制（Forward Speed Control）和身体姿态控制（Body Attitude Control）。通过利用弹簧 - 质量模型（SLIP）的物理特性和时间尺度分离，每个子问题都可以用简单的控制律独立求解。这一框架不仅成功实现了单腿、双足和四足机器人的动态奔跑，还揭示了不同腿数动物运动背后的统一控制原理，是现代腿式机器人学的基石。

关键内容

弹跳高度控制（Hopping Height Control）

弹跳高度控制的目标是调节机器人在每次跳跃中达到的高度。在 Raibert 的框架中，这被转化为一个能量控制问题。机器人的腿部被建模为带有弹簧的机构，在支撑相（stance phase）期间，控制器通过液压驱动器向弹簧注入能量。控制律非常简单：如果当前弹跳高度低于期望值，则在下一个支撑相注入更多能量；反之则减少能量注入或回收能量。由于弹跳高度主要取决于垂直方向的能量状态，这一子问题在物理上近似于一个标量问题，与其他水平运动变量解耦。

前进速度控制与落脚点规划

前进速度控制是三分解框架中最具洞察力的部分，其核心机制是落脚点规划（Foot Placement Planning）。Raibert 发现，机器人的水平速度可以通过选择下一步的着地位置来自然调节。他提出了著名的落脚点选择公式： $$x_{\text{foot}} = x_0 + \frac{v \cdot T_s}{2} + k_p(v - v_{\text{desired}})$$ 其中 $x_0$ 是当前身体重心位置，$v$ 是当前速度，$T_s$ 是支撑相持续时间。公式中的第二项 $\frac{v \cdot T_s}{2}$ 定义了"中性点"（neutral point）：如果脚恰好落在此处，支撑相前半程的减速效应与后半程的加速效应相互抵消，速度保持不变。若落脚点在中性点前方，机器人减速；若在后方，机器人加速。这种基于几何直觉的控制策略无需复杂的动力学计算，却极其鲁棒。

身体姿态控制（Body Attitude Control）

身体姿态控制旨在维持机器人躯干在运动过程中的期望角度（通常是直立或微倾）。在支撑相期间，脚与地面接触形成支点，控制器通过施加髋关节力矩来调整身体姿态。Raibert 采用了经典的 PD 控制器： $$\tau_{\text{hip}} = k_p(\theta_{\text{desired}} - \theta) + k_d(0 - \dot{\theta})$$ 其中 $\theta$ 是身体姿态角，$\dot{\theta}$ 是角速度。由于支撑相时间较短，且髋关节力矩对垂直高度和水平速度的耦合影响较小，姿态控制可以被视为一个独立的旋转控制问题。

近似解耦的物理基础

三分解框架之所以有效，关键在于它利用了动态腿式运动的物理结构实现了"近似解耦"。虽然这三个子系统在严格数学意义上是耦合的，但在弹簧 - 质量模型（SLIP）的假设下，垂直运动（高度）、水平运动（速度）和旋转运动（姿态）在支撑相的短时间内主要由各自的控制输入主导。这种解耦依赖于时间尺度的分离和控制带宽的选择，使得工程师可以分别设计和调参每个子系统，而无需处理复杂的多变量耦合矩阵。

从单腿到多腿的扩展

三分解框架的另一个强大之处在于其可扩展性。对于多腿机器人，Raibert 引入了"虚拟腿"（virtual leg）的概念。在双足奔跑中，两条腿交替充当单腿；在四足小跑（trot）中，对角线的两条腿同步运动形成一条虚拟腿。通过这种方式，多腿运动被还原为单腿控制策略的时序编排。这意味着同一套三分解控制器只需稍作修改（主要是步态相位调度），即可应用于从单腿到四足甚至六足的各类机器人，极大地简化了系统设计。

与现代控制方法的对比

尽管现代控制理论引入了模型预测控制（MPC）和全身优化（WBC）等更精确的方法，但三分解框架因其简洁性和物理直觉依然具有重要价值。MPC 等方法往往计算量大且依赖精确模型，而三分解框架在计算资源受限或对模型不确定性较高的场景下表现出更强的鲁棒性。许多现代控制器实际上是将三分解思想作为启发式规则嵌入到更复杂的优化框架中，或者将其作为强化学习奖励函数的设计基础。

来源

raw/books/机器人学/09-raibert-legged-robots-balance.md