人形机器人的平衡是动态的。质心可以垂直投射到脚部内部，同时动量仍将机器人带到可恢复的接触之外。 ZMP、捕获点和模型预测控制描述了该问题的不同方面：可行的接触动作、停车位置以及受限的未来决策。
实用控制器结合状态和接触估计，以及脚踝、臀部和步进策略。可用的响应会随着摩擦力、脚部几何形状、关节转矩、速度、行程、温度、计算延迟和可触及的脚点而缩小。没有任何指示器能保证每次干扰都能恢复。
请结合全身控制指南和类人动力指南阅读此内容。平衡主张需要反复的物理试验、公开的支持设备以及明确的干扰范围。
分离的平衡状态、控制动作和恢复选择
状态估计描述了基座姿态、速度、质心、动量和接触点。接触力学限制了脚可以施加的力和力矩。控制器随后选择脚踝转矩、角动量、一步或保护作用。混合这些层次可以使某个标注的变量看起来比实际更具决定性。
先定义任务和失败的界限：安静站立、行走、转身、搬运、操作或从已知推力中恢复。说明是否允许手部接触、迈步、系绳或环境支撑。在一个合同下成功控制者在另一个合同下可能失败，且不矛盾。
静态质心投影是不够的
对于静止的刚体，支撑多边形内部的质心投影是一个有用的直觉。运动过程中，速度和角动量都很重要。人形机器人可以拥有几何上有利的位置，但又能有足够的动量穿过可用支撑，才能在能量耗散前完成。
同时追踪质心位置和速度、重心动量、脚扳手和接触状态。估算不确定性和延迟。视觉上直立的姿势不一定能恢复，而倾斜姿势则可能通过计划中的步伐或受控的手部接触恢复。
| 概念 | 主要问题 | 有用的决策 | 重要限制 |
|---|---|---|---|
| 支撑多边形 | 在哪里可以联系？ | 几何支撑区 | 假设有效接触 |
| ZMP | 结果接触矩在哪里表示？ | 可行的踝关节/接触动作 | 模型与接触假设 |
| 占领点 | 支持必须在哪里停止？ | 步骤或无步骤决策 | 简化动力学 |
| MPC | 哪些未来动作满足约束？ | 顺序与时间 | 建模、地平线与计算 |
| 恢复地图 | 有哪些干扰幸存下来？ | 证据边界 | 测试覆盖范围 |
ZMP描述了一个可行的接触力矩条件
零力矩点是指在所采用模型下，支撑面上净力矩水平分量为零的点。将计划中的ZMP保持在可行的支撑区内，有助于保持接触，而无需出现不可能的踝部力矩。
ZMP并非通用稳定性证书。不平整地形、多重非共面接触、脚踏旋转、滑动、角动量和模型不匹配会使解释变得复杂。使用测量的脚踏扳手和接触点诊断来判断假设支撑是否有效。
捕获点将速度与停止点连接起来
在线性反摆近似下，捕获点指示需要放置支撑的位置，以便系统无需持续步进即可静止。它结合了质心位置和速度，因此揭示了仅位置支撑测试未命中的风险。
当捕获点离开当前可行支撑时，可能需要一步，但真实机器人也必须及时到达该支撑点。髋部运动、可变高度、角动量和多步步可以将行为扩展到最简单的模型之外。
脚踝、臀部和步伐策略涵盖不同范围
踝关节策略通过脚力矩改变压力中心，在摩擦力和脚力矩限制有余裕的情况下有效。髋关节策略改变角动量，可以重新引导身体运动，但会消耗关节的活动范围、转矩和时间。迈步会创建新的支撑区域，但代价是受摆动脚时序和地形条件约束。
协调控制应根据预测可行性切换或混合策略，而非从单一硬阈值中无滞后效应。 模型预测捕获点研究 展示了整合脚踝、髋部和步态策略的框架，但其结果并不自动适用于所有机器人。
| 战略 | 主要资源 | 最适合 | 失效边界 |
|---|---|---|---|
| 脚踝 | 脚力矩与摩擦力 | 小扰动 | ZMP或摩擦极限 |
| 臀部 | 角动量与关节运动 | 中等快速恢复 | 关节和动量饱和 |
| 单步 | 可触及的立足点和挥杆时间 | 更大的扰动 | 迟到或无法接触的安置 |
| 多步骤 | 未来支援系列 | 持续动力 | 空间与规划视野 |
| 保护行动 | 秋季管理与停播 | 不可恢复状态 | 影响与环境 |
MPC在约束条件下选择未来序列
模型预测控制反复预测有限视野内的未来运动，优化动作并应用第一部分后再求解。它可以协调 ZMP、脚部位置、动量和时机，同时尊重所选的运动学、动力学和接触约束。
预测的有用性取决于模型、状态、接触计划、视野、成本和求解器完成度。更长的视野可以看得更远，但计算成本高且有限。定义当优化不可行、延迟或数值可疑时会发生什么。
状态和接触估计设定了实际边界
IMU观察角运动和比力，关节编码器描述配置，脚部传感器提供接触证据。每个传感器都有偏差、噪声、饱和和延迟。错误申报的站姿脚可能导致控制器通过已不存在的接触控制力。
验证估计器在脚部着地、滑动、推力、传感器脱落和地板合规性期间的行为。跟踪创新、接触概率和时间对齐。 传感器融合指南 解释了为何同步不确定性比单纯增加传感器更重要。
执行器和功率限制缩减回收权
关节转矩、速度和行程限制决定了踝关节和髋部策略重新导向动量的速度。热降、电池电压下降和驱动电流限制在长时间测试过程中会减少可用权力，即使相同算法从第一次推力中恢复。
在回收日志中包含指令和测量的转矩、饱和标志、母线电压、温度和控制延迟。在真实有效载荷和臂姿势下测试，因为携带质量会改变质心、惯性和可达阶梯组。
恢复状态机负责处理边界
优化应置于一个可运行状态机中，区分名义运动、无步恢复、步进恢复、受控下降和保护性关闭。进出口条件需要不确定性裕度和滞后，以避免噪声估计使机器人反复切换策略。
定义恢复期间由哪位规划器拥有摆动脚、手臂和接触器。明确取消或修改操作目标。如果跌倒不可避免，保护人员，尽可能减少冲击，并根据经过验证的安全设计隔离能量。
测试扰动矩阵而非一次推送
改变步态方向、施加点、冲量、持续时间和相位。在不同的摩擦、顺应性和坡度条件下，以及多个电池和热状态下重复。在重复性重要时，使用带仪器的推杆、摆锤或力测量。
报告总试验、回收、步数、跌倒、保护性干预和排除运行。 使用MPC和捕获点的推回研究 提供了具体的研究范例；操作验证仍需目标机器人和环境。
发布平衡恢复能力图
有用的结果将扰动的大小和方向与姿势、步态相位、允许的策略和结果进行映射。添加恢复时间、最大步位移、关节饱和度、足滑和求解器失误。这显示了性能下降的地点，而不是将平衡简化为通过或不合格的标签。
区分无系绳试验与使用架空装置、吊臂、电缆或外部电源的试验。设备通常对开发至关重要，但可能限制运动、提前接住坠落或改变可观察后果。披露其机械作用。
将平衡性能与运营安全联系起来
除非在适用的安全架构内开发和验证，否则平衡控制不构成保护性安全功能。通常能恢复的人形生物仍可能坠落、弹射物体或撞击人。定义排除区、观察员程序和测试应急响应。
使用保留模型假设、软件版本和测试条件的证据清单。
评估“人形平衡控制，包括ZMP、捕获点和MPC”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。
- 定义允许的接触和恢复策略。
- 记录状态、接触、求解器和执行器证据一起记录。
- 扫荡扰动、相位、地形和延迟。
- 报告重复结果和支持设备。
- 在恢复地图之外指定安全响应。
常见问题
脚里的ZMP能保证人形机器人不会摔倒吗？
不会。动量、滑动、脚旋转、模型误差和执行器极限仍然可能使状态无法恢复。
在支援外的占领点总是需要台阶吗？
并非总是如此。臀部活动、改变身高或其他接触可能有帮助，但在很多情况下，一步步是直接创造新支撑的方式。
MPC能否从每次干扰中恢复？
不。恢复受限于型号、接触点、可达的立足点、执行器权限、计算能力和可用空间。
更快的平衡循环总是更好吗？
只有当感测、计算和执行仍然有效时。如果时间戳、噪声或求解器超载占主导，更快的标称速率也无济于事。
推力恢复应该如何比较？
比较披露的扰动矩阵、试验次数、恢复概率、步进和饱和度指标、地形、有效载荷及支持设备。
人形机器人平衡证据边界
人形机器人平衡结果具有平台和条件的具体性。模型和指标不保证恢复；测试应在可控风险、披露支持设备和明确保护响应的条件下进行。