MIT人形机器人基于开发改进的执行器全新设计，通过可感知执行器运动动力学移动规划器(Actuator-Aware Kino-Dynamic Motion Planner)及着地控制器(Landing Controller)等实现机器人的运动控制。
机器人设计
机器人高0.7米，21KG(四肢重量 25%)，双腿各5个执行器(Actuators)，膝、踝、肘关节带减速器(增强力矩)，两脚各4个连接感知器，电池(60V，3Ah)。
规划控制
机器人规划控制框架。
运动分为三个阶段，离地(Takeoff)，腾空(Flight)，着地(Landing)。
离地阶段，基于质心动力学模型(Centroidal Dynamics Model)，通过可感知执行器运动动力学规划器(AAKD，Actuation-Aware Kino-Dynamic Planner)进行规划，整体脉冲控制器(WBIC)实现规划的移动。
规划基于移动选择器(Motion Selector)通过对地形、任务等信息评估选择需要的移动方式(跳、空翻等)，再通过机器人质心动力学轨迹优化计算实现相应的移动方式的轨迹。
腾空阶段，通过比例控制器(PD)控制器控制机器人关节以适应可感知执行器运动动力学规划器(AAKD)的规划。
着地阶段，基于集中质量模型(Lumped Mass Model)，通过基于二次规划算法的模型预测控制器(MPC)规划机器人连接点反作用力，整体脉冲控制器(WBIC)实现规划的移动。
一、运动动力学规划
机器人运动动力学优化变量:
x，机器人位置、速度向量。r，机器人质心位置。h，机器人质心角动量( CAM，Centroidal Angular Momentum)。c，机器人连接点位置。f，机器人连接点反作用力。
最优目标函数:
Qx，权重矩阵。计算最接近移动选择器(Motion Selector)定义的参考移动量(Xref)的运动动力信息。
质心动力学约束:
关节运动学与质心动力学一致性约束:
与环境存在连接点的肢部约束:
与环境不存在连接点的肢部约束:
关节力矩等式:
计算机器人不同时刻移动时需要设置的关节力矩。
二、着地模型预测控制(Landing Model-Predictive Control)
机器人状态方程:
最优目标函数:
计算使机器人状态最接近预定状态的反作用力。
三、整体脉冲控制任务配置
人形机器人的整体脉冲控制(WBIC)原理与四足机器人基本相似。
着地控制(Landing Control)过程中，由于MIT人形机器人质量集中在主体部分，可将模型预测控制(MPC)的集中质量模型主体方向看作机器人主体方向；将机器人主体方向选作第一任务，基于该任务定义机器人质心动量(Centroidal Momentum)任务、计算零空间投影。
MIT人形机器人运动控制原理与MIT四足机器人相似，同时通过质量集中设计，开发更大力矩的执行器实现各类跳跃动作。
参考:
The MIT Humanoid Robot: Design, Motion Planning, and Control For Acrobatic Behaviors.
附赠
【一】上千篇CVPR、ICCV顶会论文
【二】动手学习深度学习、花书、西瓜书等AI必读书籍
【三】机器学习算法+深度学习神经网络基础教程
【四】OpenCV、Pytorch、YOLO等主流框架算法实战教程
➤ 在助理处自取：
➤ 还可咨询论文辅导❤【毕业论文、SCI、CCF、中文核心、El会议】评职称、研博升学、本升海外学府！
)
