基于MuJoCo的四足/人形机器人全身模型预测控制
机器人学
2026-03-09 v3 系统与控制
系统与控制
摘要
我们展示了一种非常简单的方法在四足和人形机器人上实现全身模型预测控制(MPC)的惊人现实效果：使用MuJoCo动力学和有限差分近似导数的迭代线性二次型最小二乘(iLQR)算法。建立在MuJoCo在仿真中成功实现 locomotion 和操作任务的模型基础上，我们证明这些策略可以轻松地推广到现实世界，几乎无需仿真到现实的考虑。我们的基线方法在各种硬件实验中实现了实时全身MPC，包括动态四足 locomotion、四足单腿行走以及全身人形双足 locomotion。我们希望这个易于复现的硬件基线降低了现实世界全身MPC研究的门槛，并推动社区研究速度的提升。我们的代码和实验视频将在https://johnzhang3.github.io/mujoco_ilqr 上线。
引用
@article{arxiv.2503.04613,
title = {Whole-Body Model-Predictive Control of Legged Robots with MuJoCo},
author = {John Z. Zhang and Taylor A. Howell and Zeji Yi and Chaoyi Pan and Guanya Shi and Guannan Qu and Tom Erez and Yuval Tassa and Zachary Manchester},
journal= {arXiv preprint arXiv:2503.04613},
year = {2026}
}
备注
to appear at ICRA 2026