Quadruped-Frog：四足机器人连续跳跃的快速在线优化

腿式机器人在展现奔跑和跳跃等动态行为方面正变得日益敏捷。通常，此类行为要么通过基于模型的轨迹优化，要么通过涉及数百万时间步仿真交互的基于深度学习的方法进行离线优化和设计（即在需要之前设计好行为）。值得注意的是，这种离线设计的运动控制器无法完美建模系统的真实动力学，例如电机动力学。相比之下，在本文中，我们考虑了一个四足跳跃任务，并对其进行快速在线优化。我们设计了仅由少数几个参数参数化的足部力分布曲线，并使用贝叶斯优化直接在硬件上对其进行优化。这些力分布曲线在关节层面被跟踪，并添加到笛卡尔 PD 阻抗控制和虚拟模型控制中以稳定跳跃运动。优化过程仅需少量几次跳跃，之后我们展示了该控制架构能够实现多样化和全向的跳跃，包括向前、侧向和扭转（转向）跳跃，甚至在不平坦的地形上也能实现，使 Unitree Go1 四足机器人能够跳跃 0.5 米高、0.5 米远，并实现超过 2 弧度的跳跃转向。视频结果可见 https://youtu.be/SvfVNQ90k_w。