全身控制协调机器人的接触点、浮动基座、腿部、手臂、躯干和姿势，使多个任务能够在不违反动力学或硬件限制的情况下执行。它不再单独控制每个肢体，而是解决一组共享变量，如关节加速度、接触力、位置或转矩。
该名称涵盖了多种架构。控制器可以从刚体模型中求解二次规划，使用层级任务优先级，跟踪重心量，解码学习到的全身命令，或结合这些层。实际的接口和约束处理比标签更重要。
请阅读此文，结合 运动学与动力学指南 及 接触对照比较。全身行为依赖于状态、接触和执行器的证据，这些证据必须共同验证。
全身控制解决了耦合机器人的问题
移动一只类人手臂会改变质心和角动量。脚部接触限制基部运动，形成支撑身体的力与力矩。手部接触可以增加另一个闭合链约束。将这些动作视为独立的关节轨迹，可能会产生冲突或失去平衡。
全身控制器选择满足共享动力学且减少任务误差的命令。输出可以是期望的关节加速度、速度、位置、转矩，或传递给低级别伺服的组合。明确说明哪一层闭合最终执行器控制环。
状态估计和接触估计定义了问题
控制器需要关节状态、浮动基座姿态和速度、接触状态，通常还有外部扳手。 IMU、编码器、力传感器、视觉和运动学接触约束都有贡献。延迟或帧误差可能导致求解器强制物理错误的接触。
使用接触概率或具有明确过渡的状态机，而非假设每个计划中的踩点都稳固着地。监控滑移、早期撞击和未接触。过渡时，混合目标和界限，避免指令在不兼容模型间跳转。
| 输入 | 控制器使用 | 失效模式 | 证据 |
|---|---|---|---|
| 基准状态 | 平衡与任务框架 | 漂移或延迟 | 外部运动参考 |
| 关节状态 | 运动学与极限 | 偏移噪声或速度噪声 | 编码器验证 |
| 接触州 | 约束选择 | 虚假支持或错过触碰 | 力与运动学 |
| 接触几何 | 摩擦与扳手界限 | 错误的法线或多边形 | 校准过的表面模型 |
| 执行器状态 | 转矩与速度可行性 | 隐藏饱和 | 驱动遥测 |
接触约束构成了可行的集合
通过接触进行规划和控制需要单侧法向力、摩擦力和运动学一致性。 欠驱动机器人接触章节 解释了为什么接触模式既是离散又持续的问题。脚可以推动地板，但不能拉动地板。
近似摩擦锥或金字塔必须使用适合表面的保守系数。压力中心和接触扳手界限取决于脚的几何形状和载荷分布。如果估计的接触值违反这些界限，求解器可能会返回一个吸引但物理上不可能的命令。
任务需要优先级、权重和公差
典型任务包括站姿-脚步姿势、手部姿势、质心、躯干方向、凝视和名义姿势。硬约束保护可行性；软目标则会交换错误。加权优化时，单位和规模会影响优先级。在层级优化中，高层级得以保留，而低层级则利用剩余自由度。
记录哪些任务可以实现多少。精确的手势可能不如保持脚的稳定重要，而工具任务可能需要方向的准确性，但允许沿一轴平移。使用反映实际操作的公差和松弛惩罚。
重心量总结了平衡运动
质心和质心动量提供了对物体整体运动的简洁描述。接触扳手改变线性和角动量。控制器可以追踪所需的重心行为，而全身映射则将结果分配到关节和接触点。
中心控制并不能消除全身约束。关节极限、自碰撞、摆动足间隙和执行器能力依然重要。模型和估计误差可能导致接触力不匹配，因此在推力、有效载荷变化和臂运动期间，比较预测与测量的支撑行为。
基于优化的WBC显式地暴露了约束条件
Drake等工具支持多体动力学和机器人控制研究中的数学优化。二次规划可以根据运动、接触、加速度、转矩和关节界限等方程在每个控制步骤中最小化任务和工作成本。
结果是局部于当前状态和建模接触。求解器时间和数值条件必须符合控制截止时间。日志状态、迭代次数、残差和主动约束。定义有界的备用方案，以应对不可行性或超时，而不是重复使用陈旧的高能命令。
| 设计选择 | 效益 | 风险 | 验证 |
|---|---|---|---|
| 加权任务 | 简单权衡 | 单元敏感优先级 | 比例扫除 |
| 层级任务 | 严格优先级 | 高级计算 | 冲突测试 |
| 硬接触界限 | 物理可行性 | 模型不匹配 | 滑移与力测试 |
| 转矩约束 | 保护执行器 | 保守党表现 | 遥测比较 |
| 松弛变量 | 避免不可行性 | 隐性违规 | 松弛阈值报警 |
学习到的全身控制改变了指挥界面
当前的 GR00T全体控制存储库 展示了一个学习到的人形控制栈，并识别了独立的源代码和模型许可。学习到的模型可以预测紧凑或全身动作的表现，这些表现由另一控制层解码并执行。
除非文档中的堆栈如此描述，否则不要将视觉-语言-动作模型描述为直接指挥原始关节转矩。记录观察历史、动作速率、解码器、低级接口和安全过滤器。将分配偏移、恢复和域外命令与成功演示分开测试。
接触转换比稳步更难
抬起脚可以消除约束和可用的支撑扳手；触地则是在不确定的撞击时间后添加它们。手部接触可能提前或晚到。转换逻辑必须协调轨迹、力跳、任务优先级和估计器状态，且不连续。
在动态运动前测试缓慢转移。调整表面高度、摩擦力和时机，测量冲击力、滑动、基准误差和指令饱和度。保持固定姿势平衡的控制器尚未展现出稳健的行走或接触操控能力。
执行器限制必须对求解器保持可见
关节转矩、速度、电流、温度和传动极限会随工作状态变化。如果优化器假设转矩不可用，下层会被饱和，预测的动力学就会出错。速率限制和通信延迟也会影响可执行的指令。
尽可能使用校准的输出端极限，并监控饱和反馈。当裕量下降时减少任务需求，而不是让积分器或优化的余裕默默增长。在电池电压、有效载荷、升温后的关节和通信退化方面进行验证。
验证任务、干扰和备份状态
构建从静态姿态到协调伸展动作、接触转换、运动和外部扰动的测试。比较期望与测量的基座运动、接触扳手、任务误差、摩擦裕度、关节极限、执行器饱和度及求解器健康度。在有效载荷、地面条件和状态估计器的变化中重复。
故障测试应包括断开接触、陈旧状态、传感器脱落、优化超时和驱动故障。独立的保护功能和工作空间限制仍然必要。在名义条件下看似合规或平衡的控制器，并不自动被视为验证的安全功能。
评估“机器人全身控制：接触点、任务、动量与约束”时，还应保存模型版本、机器人配置、标定文件、测试日期和全部试验记录。把成功、失败、恢复与人工介入放在同一份数据中，才能区分模型能力、系统接口和现场流程造成的差异。
成本评估除了设备与算力，还要记录数据采集、工程调试、安全措施、维护、停机和人员培训。只有把这些持续投入与单位成功任务的价值比较，才能判断方案是否适合扩大。
上线后仍要持续检查分布变化、传感器漂移、机械磨损和人工接管原因。监测结果应能触发降级、停止与重新验证流程，并为下一轮数据采集和模型更新留下可追溯记录。
最终结论应明确写出已知限制、尚未验证的场景和下一项可证伪的实验，使后续团队能够沿着证据继续推进。
实际项目还应指定数据、模型、控制器和安全流程的负责人，并预先定义回滚条件。责任边界、审批记录与变更日志越清楚，故障发生后越容易停止扩散、定位原因并安全恢复。
- 定义实际的指令和反馈接口。
- 验证时间戳、帧和联系状态。
- 将硬约束与软任务目标分开。
- 在线监控求解器、松弛和执行器饱和度。
- 明确测试接触转移和有界回退。
常见问题
全身控制只适用于人形机器人吗？
不。它同样适用于四足动物、移动机械臂以及其他需要协调接触和子系统的机器人。
全身控制（WBC）总是输出关节转矩吗？
不会。根据栈的不同，它可以输出加速度、速度、位置、接触力、转矩，或者由下层解码的指令。
任务权重和优先级有什么区别？
权重在一个成本内交换目标，且对规模敏感；层级优先级保留更高层次的任务，再优化低层次任务。
学习过的策略能取代接触约束吗？
它可能会学习接触行为，但部署仍需状态验证、执行器界限、故障检测以及根据风险进行的独立保护。
全身控制（WBC）检测时应该记录哪些数据？
日志状态和接触估计、任务错误、接触扳手、命令、饱和度、求解器状态、时序、松弛和备份转换，集中在同一个时钟上。
全身控制边界说明
全体控制的可靠性取决于其状态、接触、模型、求解器时序和执行器接口。使用独立保护限，验证整个机器人的标称、过渡、扰动和故障行为。