基于模型的跑酷式足式运动规划与控制框架

足式机器人长期被设想为把机器人能力扩展到结构化环境之外的手段，但高敏捷运动始终是根本性难题。这份 MIT 博士论文要回答的是：能否用一套基于模型的规划与控制框架，让足式机器人完成跳跃、翻滚、空翻这类跑酷式动作，并保持精度与鲁棒性。它值得现在看，是因为作者没有停在单个动作的演示上，而是把“选什么动力学模型、怎么解长时域优化、怎么在硬件上执行”当作一条相互关联的问题链来处理。换句话说，这是一份把方法学取舍摊开来谈的工作，而不只是报告一个结果。

论文覆盖从动力学模型选择、轨迹优化、仿真加速到硬件控制执行的完整链条。方法上，它先提出一种模型评估策略，用来确定能捕捉任务相关动力学的最简模型；再针对长时域轨迹优化的计算负担引入渐进优化；同时给出面向含运动学闭环系统的刚体动力学算法新表述，以加速轨迹优化与仿真。控制层面有两条路径：基于模型的跟踪控制器负责实时调整，模仿学习策略则在最优轨迹上训练以增强鲁棒性。验证方式是在硬件上开展大量实验。

第一条核心主张关乎模型选择：规划这类动作的难点不在于模型越精细越好，而在于找到计算效率与物理精度之间的平衡点。作者提出的评估策略，目标是确定“能捕捉任务相关动力学的最简模型”。这意味着建模被当作一个可判断、可裁剪的决策问题，而不是默认沿用最完整的模型。对做腿足规划的人而言，这相当于把“该用多复杂的模型”从经验判断变成一条有依据的流程。

第二条针对求解器：即便模型选得合适，长时域轨迹优化依然计算需求很大。渐进优化通过逐步细化的问題表述生成高质量初始猜测，从而提升求解器的效率与可靠性。第三条在动力学算法层面，面向含运动学闭环的系统给出新表述，直接加速轨迹优化与仿真。再加上基于模型的实时跟踪与模仿学习两条控制路线，整套框架最终在硬件上完成了复杂、高冲击的运动行为。材料没有给出成功率、跟踪误差或动作速度之类的具体数字，因此这些结论只能停在定性层面。

这些结论合起来的意思是：高敏捷足式运动不是单点算法问题，而是模型选择、优化求解、动力学计算与控制执行几层相互关联的系统工程。对实践的影响在于，它提供了一个可复用的分解方式——先用评估策略降低模型复杂度，再用渐进优化缓解长时域求解的难度，最后用跟踪控制器与学习策略去弥补硬件上的偏差。按笔者的解读，这种逐层降低难度的思路，比单纯追求更强的优化器或更强的策略更容易迁移到其他动态动作上。它也说明，论文把规划与控制放在同一框架内讨论，而不是各讲各的。

做腿足机器人规划与控制的研究者，以及关心动态动作工程化落地的读者，可以从里面拿到一套完整的问题分解和几项具体技术手段：模型评估、渐进优化、含运动学闭环的动力学表述、跟踪与模仿学习并行的双策略。需要说明边界：这份材料呈现的是论文摘要与前置信息，没有实验平台型号、具体性能指标、对比基线或消融结果。因此它适合用来建立框架认知、判断技术路线，不适合用来核对某个方法的实际增益；若要评估细节，还需回到论文正文。

A Model-Based Planning and Control Framework for Parkour-Style Legged Locomotion by Matthew T. Chignoli B.S. Mechanical Engineering, University of Notre Dame, 2019 M.S. Mechanical Engineering, MIT, 2021 Submitted to the Department of Mechanical Engineering in partial fulfillment of the requirements for the degree of DOCTOR OF PHILOSOPHY at the MASSACHUSETTS INSTITUTE OF TECHNOLOGY May 2025 © 2025 Matthew T. Chignoli. All rights reserved. The author hereby grants to MIT a nonexclusive, worldwide, irrevocable, royalty-free license to exercise any and all rights under copyright, including to reproduce, preserve, distribute and publicly display copies of the thesis, or release the thesis under an open-access license. Authored by: Matthew T. Chignoli Department of Mechanical Engineering April 17, 2025 Certified by: Sangbae Kim Professor of Mechanical Engineering, Thesis Supervisor