“小腦”的運動(dòng)規劃與控制是展廳迎賓講解機器人實(shí)現自然和流暢動(dòng)作的 關(guān)鍵。傳統的基于模型的控制方法通過(guò)建立機器人的運動(dòng)學(xué)和動(dòng)力學(xué)模型，進(jìn)行運動(dòng)軌跡規劃和平衡控制，特點(diǎn)是身體控制穩健，步頻較慢，代表算法有零力矩點(diǎn)（ZMP，Zero Moment Point）算法、線(xiàn)性倒 立擺（LIP，Linear Inverted Pendulum）算法、模型預測控制（MPC， Model Predictive Control）算法、中心引力優(yōu)化（CFO，Central Force Optimization）算法等，但整體開(kāi)發(fā)較為復雜，成本高，不利于產(chǎn)品快 速迭代。基于學(xué)習的控制方法則使用端到端的人工智能技術(shù)，代替復 雜的運動(dòng)學(xué)模型，大幅度降低了“小腦”開(kāi)發(fā)難度、提升了迭代速度， 一般通過(guò)人類(lèi)示教或自主學(xué)習建立運動(dòng)執行策略。其中通過(guò)人類(lèi)示教 的方式也稱(chēng)為模仿學(xué)習，指通過(guò)人或者其他專(zhuān)家提供反饋示教的方式， 使機器人以產(chǎn)生與示教相似的行動(dòng)策略進(jìn)行學(xué)習，效果依賴(lài)高質(zhì)量示范數據。通過(guò)自主學(xué)習的方式也稱(chēng)為強化學(xué)習，指通過(guò)精心設計學(xué)習 目標，機器人不斷在環(huán)境中探索逐漸發(fā)現最大化獎勵的方式學(xué)習到最 優(yōu)的執行策略，效果依賴(lài)于仿真環(huán)境。

目前主要的“小腦”技術(shù)路線(xiàn)包括以下幾種。

基于模型的控制方法：

ZMP判據及預觀(guān)控制。基于簡(jiǎn)化的倒立擺模型/小車(chē)模型進(jìn)行質(zhì) 心點(diǎn)運動(dòng)規劃和控制。該算法需要精確的動(dòng)力學(xué)模型和復雜的在線(xiàn)控 制策略，擾動(dòng)適應性差。典型代表有日本本田、AIST 的相關(guān)產(chǎn)品。

混雜零動(dòng)態(tài)規劃方法。通過(guò)在全身動(dòng)力學(xué)模型上采用非線(xiàn)性控制， 根據狀態(tài)選擇步態(tài)，進(jìn)行軌跡跟蹤控制。該算法需要精確的動(dòng)力學(xué)模 型和線(xiàn)性化反饋，實(shí)時(shí)求解慢，對復雜環(huán)境適應性差。典型代表有美 國俄勒岡州立大學(xué)的相關(guān)產(chǎn)品。

虛擬模型解耦控制。將控制解耦為速度、姿態(tài)、高度等，建立彈 簧阻尼等虛擬模型進(jìn)行力矩控制。該算法降低了對精確動(dòng)力學(xué)模型的 依賴(lài)，但融合復雜，對復雜環(huán)境的容錯能力有限。典型代表為波士頓 動(dòng)力的相關(guān)產(chǎn)品。

模型預測控制+全身控制。基于簡(jiǎn)單/復雜的動(dòng)力學(xué)模型進(jìn)行力的 預測控制，進(jìn)而全身優(yōu)化，可實(shí)現臂足協(xié)同及物體接觸。該算法依賴(lài) 精確動(dòng)力學(xué)模型和狀態(tài)估計，線(xiàn)性模型僅適用于下肢單一步態(tài)的控制， 而非線(xiàn)性模型求解速度慢。典型代表有美國麻省理工學(xué)院、瑞士蘇黎 世聯(lián)邦理工大學(xué)和波士頓動(dòng)力公司的相關(guān)產(chǎn)品。

基于學(xué)習的控制方法：

強化學(xué)習。通過(guò)獎勵設計和仿真環(huán)境設計，實(shí)現了受控步態(tài)、奔 跑、轉彎、上下臺階等運動(dòng)學(xué)習，提升運動(dòng)的魯棒性，并可以通過(guò)采 用因果 Transformer 模型，從觀(guān)測和行動(dòng)的歷史中對未來(lái)行動(dòng)進(jìn)行自 回歸預測來(lái)訓練。典型代表如 Agility Robotics 的相關(guān)產(chǎn)品。

模仿學(xué)習。采用非線(xiàn)性最優(yōu)化求解的動(dòng)作映射，以人機關(guān)節軌跡 相似為目標，以機器人可執行性、安全性、穩定性判據為約束，規劃 運動(dòng)方案。該算法計算耗時(shí)長(cháng)，嚴重依賴(lài)初值，對碰撞檢測難以解析 計算。典型代表有日本 AIST、北京理工大學(xué)的相關(guān)產(chǎn)品。