各位开发者和机器人爱好者大家好。最近航天领域公开的“半人马机器人‘小橙’”成了一个热门话题。很多人第一眼看到它会觉得外观很科幻四条腿加上轮子既能像足式机器人一样跨越障碍又能像轮式平台一样高速移动。这让我想起在 ROS 机器人开发社区里很多团队一直在尝试“足式 轮式”混合底盘但真正面向星球探测、极端复杂地形做工程化落地的并不多见。本文不讨论具体任务背景而是从技术视角拆解这类机器人的整体设计思路。内容会覆盖本体构型、感知传感、运动控制算法、仿真开发环境、空间作业适应性等方向。对于做机器人控制、SLAM、嵌入式、遥操作或者人工智能方向的开发者这是一个很好的综合案例。读完你会理解“半人马构型”到底解决了什么问题机器人如何在腿、轮之间做运动模式切换一套典型的自主行走系统由哪些模块组成用 ROS/Gazebo 做仿真验证时软件架构如何设计面向月球、火星这类低重力、大温差环境机器人要应对哪些工程挑战。我们尽量保持客观公开资料明确的部分会展开讲未完全披露的细节则结合行业通用技术框架进行分析。毕竟航天级机器人的很多参数属于内部研发信息我们更看重它的技术思路对地面机器人开发的借鉴意义。1. 半人马机器人是什么“半人马”这个名字来源于机器人整体构型。它通常指同时具备“多足结构”和“轮式结构”的机器人四足居多也有六足或加装机械臂的变体。这类机器人可以同时获得两种移动方式的优势轮子负责平坦地面的高效运动腿部负责复杂地形中的越障和稳定支撑。“小橙”作为一款自研半人马机器人最直观的特点体现在几个方面四足支撑结构每条腿通常包含髋关节、膝关节、踝关节等多个自由度可以主动调整姿态遇到台阶、斜坡、碎石时动态适应。轮式驱动单元轮子安装在腿的末端或特定位置在平坦区域直接驱动前进不需要像纯足式机器人那样做复杂的步态规划。主动姿态控制通过关节力矩控制和机身 IMU 反馈即使只有部分轮子着地也能保持平台平衡。双臂或载荷接口预留很多半人马机器人在机身上预留了机械臂安装位置未来可扩展为“移动 操作”一体化平台。从技术发展脉络来看半人马机器人并不是“腿 轮”的简单拼凑。真正的难点在于两种运动模式如何平滑切换轮式运动时腿部关节是否参与减振足式运动时轮子会不会成为干涉点系统出现单腿故障时剩余部分如何重新规划运动。这些工程细节决定了机器人是从“演示样机”走向“任务装备”的关键。1.1 为什么航天场景需要半人马构型月球表面覆盖着月壤、碎石、撞击坑边缘火星表面则有大量岩石、沙丘、斜坡。传统火星车采用的摇臂悬架轮式结构在几个火星任务中被证明非常可靠但它的通过性有限。遇到陡坡或大块岩石时轮式底盘很容易出现打滑、卡死甚至托底。纯足式机器人比如波士顿动力的 Spot在复杂地形上的表现很优秀但它的能效比较低。太空机器人依赖太阳能或核电池功耗预算非常紧张如果大部分能量都消耗在“抬腿走路”上科学载荷能分到的电能就会严重不足。“半人马构型”恰好站在两者之间平坦区域收起腿部部分自由度靠轮子快速行进崎岖区域切换为足式步态逐腿跨越障碍低重力环境腿部支撑力需求降低但惯性控制难度增加适合用主动力控来补偿。这可以理解为一种“多模态移动策略”。对航天探测任务来说不是要选择一个“万能”的底盘而是要选择一个“能覆盖最多地形、同时能耗可控”的底盘。半人马机器人正是围绕这个目标设计出来的。1.2 公开亮相背后的技术看点从公开演示来看这类机器人的看点不仅在外观更在它的行为表现。如果观察几次典型演示你会发现几个值得关注的技术细节轮腿切换是否流畅从轮式高速前行切换到足式爬坡如果中间有停顿或姿态突变说明运动规划层还是基于模式枚举如果非常平滑说明底层用了统一 MPC模型预测控制或强化学习策略。抵抗外部冲击的能力被人推一下或者碰一下后机器人能否快速恢复平衡这取决于关节力矩控制和机身状态估计算法的鲁棒性。地面自适应程度在凹凸不平的地面上腿部关节是否根据地形主动调整高度还是按照固定高度卡点落地。自主性水平现场演示是人工遥控还是有自主避障这直接反映感知和决策系统的成熟度。这些点在后续章节我们会逐一展开。2. 半人马机器人的系统架构拆解从技术栈的角度看一台完整的半人马机器人通常由以下几个子系统组成子系统主要职责常见硬件/软件方案移动平台腿、轮、关节驱动无框力矩电机、谐波减速器、伺服驱动器感知系统环境建图、障碍检测、状态估计激光雷达、双目相机、IMU、GPS/RTK地面场景计算单元运行算法、任务调度X86/ARM 工控机、GPU 模块、实时内核运动控制系统关节控制、步态生成、姿态平衡EtheCAT 总线、MCU、实时控制程序决策规划系统路径规划、行为决策、任务编排ROS、C/Python 算法模块通信系统遥控、数据传输Wi-Fi、电台、5G/专网地面、深空测控航天能源系统供电、续航、热管理锂电池、太阳能、同位素电源航天场景人机交互任务下发、状态监控遥控手柄、上位机、Web/桌面端在软件层面典型的架构可以分成三层决策层任务规划、路径规划、行为树、状态机 执行层步态生成器、运动学逆解、力分配、状态估计 驱动层关节 PID/前馈控制、总线通信、传感器采集这种分层结构的优势在于每一层都可以独立测试。比如我们可以在仿真环境里只测试决策层的避障逻辑不涉及真实关节电机也可以在硬件平台上单独调试单腿的关节力矩追踪效果不跑完整的自主导航。2.1 从控制角度看腿和轮半人马机器人最核心的切换在于“轮式驱动”和“足式步态”的融合。这两者底层差别很大轮式运动轮子持续旋转车辆重心基本保持恒定高度控制目标是速度和转向角。经典控制方法是两轮差速或阿克曼转向。足式运动腿部周期性摆动重心高度动态变化需要不断处理落脚点位置和躯干姿态。控制目标从“速度”扩展为“躯干位姿”和“接触力”。有些团队会把两种模式统一到“虚拟模型控制”或“MPC WBC”框架里。此时轮子被建模为“连续旋转的驱动端”腿被建模为“离散落脚的支撑端”。切换不再是一个手工触发的条件判断而是一个优化问题里不同权重动态调整的结果。这是目前学术界和工业界做得比较前沿的方向也让轮腿机器人真正具有了“自适应形态”的能力。2.2 为什么控制频率这么重要四足机器人常用的控制频率是 500Hz 到 1kHz。也就是说每 1 到 2 毫秒控制器就要完成一次状态读取、运动学和动力学计算、力矩输出。轮腿机器人因为多了一组轮式驱动控制频率的要求可能会更高。原因很简单轮子转速快同样的延迟会导致更大的跟踪误差腿部落地瞬间的冲击力也需要高带宽的力控制来吸收。如果控制频率不足会出现以下现象机器人走几步之后姿态逐渐倾斜轮腿切换瞬间出现明显点头或抬头单腿受到外力时躯干恢复缓慢电机发出明显的电流噪声甚至触发过流保护。这就解释了为什么这类机器人的主控系统普遍采用“实时操作系统 独立 MCU 驱动的分布式架构”。上层 Linux 系统跑感知和规划底层 RTOS 跑关节控制两者之间通过共享内存或 EtherCAT 等高速总线通信避免非实时任务干扰关节控制。2.3 “小橙”这类机器人是轮腿机器人吗轮腿机器人在广义上可以指所有“带轮子的足式机器人”。但细分下来有几种不同的形态轮式倒立摆形态轮子位于重心下方通过动态平衡保持直立比如九号机器人的很多产品线足端装轮形态轮子安装在每条腿末端腿部主要负责姿态调节轮子负责驱动这是典型的 wheel-legged robot关节式轮足形态轮子安装在腿的下半段侧面腿部可以做大幅度变位必要时抬起轮子切换为纯足式。从公开演示中看“小橙”更接近“足端装轮 可抬腿越障”的方案。这种设计的优点在于结构上把轮子和腿整合在一个运动链里整车只有一套驱动系统重量更轻机械结构更紧凑。缺点是每条腿末端的轮子会增加腿部惯量对关节电机力矩提出更高要求。另外还有一个容易被忽略的设计点轮子转向方式。有些机器人每条腿的轮子都是固定朝前的转向靠左右轮差速有些则在腿上增加了一个额外的横摆关节让轮子可以主动转向。前者结构简单后者在狭窄场景下更灵活。具体哪种更适合太空场景需要考虑转向机构在真空、低温环境下的可靠性。3. 感知系统和自主决策机器人要完成“从 A 点到 B 点途中避开随机障碍”的任务感知系统是基础。对于半人马机器人感知不仅是“看见障碍”还要回答几个关键问题当前地形是否适合足式通过轮式行驶时前方障碍高度是否低于底盘离地间隙足式越障时落脚点附近是否有不稳定石块或松软土壤自身在斜坡上的位姿是否超出稳定边界这些问题的处理流程可以用一条简化链路表示传感器采集 - 数据预处理 - 地形建图 - 代价地图生成 - 路径规划 - 运动控制执行3.1 多传感器融合航天机器人受限于重量和功耗传感器配置通常不像地面无人车那样“堆料”。典型组合可能是立体双目相机提供彩色图像和深度信息用于识别岩石、陨石坑边缘等特征激光雷达或激光测距仪提供精确的距离信息在暗光环境下仍然有效惯性测量单元 IMU提供加速度和角速度用于姿态估计和运动补偿关节编码器提供每个关节的角度和角速度用于运动学计算轮速编码器提供轮子转速用于轮式里程计。多传感器融合要做的最重要一件事就是估算机器人的“状态”也就是三维位置、速度和姿态。经典方案是扩展卡尔曼滤波EKF或因子图优化。在 ROS 生态里robot_localization包是非常常用的 EKF 实现它可以把里程计、IMU、视觉信息融合成一个平滑的状态估计。3.2 地形感知与代价地图在地面机器人应用中我们可以直接用 2D 激光雷达生成栅格地图然后规划路径。但半人马机器人需要面对更复杂的三维地形所以通常要构建 2.5D 或 3D 代价地图。一个典型的做法是使用深度相机或激光雷达生成三维点云把点云投影到网格地图计算每个格子的高度差和坡度基于高度差、坡度、粗糙度生成“可通行性代价”结合机器人自身的越障能力最大台阶高度、最大坡度、轮径把不可通行区域标记为障碍物在代价地图上运行 A* / DWA / TEB 等路径规划算法。这里需要强调地形代价地图和机器人运动模式必须联动。同一块区域对“轮式模式”可能是不可通行的陡坡但对“足式模式”可能是完全可通行的台阶。因此感知规划系统不能只输出一条路径还要输出路径上每个路段适合使用的运动模式。3.3 自主还是遥操作“未来有望奔赴太空作业”这句话决定了机器人的操作模式大概率不是“完全自主”也不是“纯粹人工遥控”而是“监督式自主 遥操作干预”。原因在于深空通信延迟大月地通信延迟约 1.3 秒火星最近也有 4 分钟左右实时操纵不现实环境模型不完整机器人到达一个新区域后周围地形、光照、土壤特性都有不确定性任务容错要求高如果机器人陷入松软土壤地面人员需要介入决策但介入过程不能依赖实时视频流。因此航天半人马机器人的自主能力会体现在这几层局部自主前方 10 米内的障碍规避、姿态纠偏行为自主切换轮式/足式模式选择跨越路径任务节拍自主按照预设任务序列执行拍照、采样、行驶等动作安全自主出现异常时主动停车、进入安全模式、等待地面指令。这套设计思路和地面无人驾驶的“功能安全”分层有相似之处。开发者可以参考自动驾驶领域的“感知-决策-执行”三层架构再加入航天任务的遥控约束形成“传控分离”的软件架构机器人本地实时闭环天上或地面的操作员只下发宏观指令不参与关节级控制。4. 运动控制与算法原理解析运动控制是这类机器人的灵魂。很多朋友问半人马机器人走起来像轮足式机器人控制代码应该从哪里入手这里我们把最核心的算法路径拆开讲。4.1 运动学建模首先每条腿可以简化成一个多连杆结构。以常见的腿部构型为例假设每条腿有 3 个旋转关节髋偏摆、髋俯仰、膝俯仰我们需要解决两个问题正运动学已知关节角度求足端在机器人坐标系下的位置逆运动学已知目标足端位置求关节角度。逆运动学是步态规划的基础。当我们希望足端从一个落脚点移动到另一个落脚点时需要快速求出各个关节的目标角度。虽然四足机器人腿部结构不像机械臂那样复杂但推导过程仍然需要耐心。一个简化示例用 Python 描述某条腿的几何关系和逆解思路import numpy as np class LegIK: def __init__(self, hip_offset0.08, thigh_length0.25, shank_length0.25): # 髋关节横向偏置距离、大腿长度、小腿长度 self.hip_offset hip_offset self.thigh_length thigh_length self.shank_length shank_length def solve(self, x, y, z): 给定足端在腿坐标系中的目标位置(x, y, z)返回三个关节角。 坐标约定x为前进方向y为横向z为竖直向上。 # 1. 根据横向距离解算髋偏摆角 hip_yaw np.arctan2(y, x) # 2. 将目标点转换到腿平面坐标系 d np.sqrt(x**2 y**2) - self.hip_offset if d 0: raise ValueError(目标点在髋关节之后无法到达) z abs(z) # 3. 平面几何求解大腿、小腿夹角 L np.sqrt(d**2 z**2) if L (self.thigh_length self.shank_length): raise ValueError(目标点超出腿部工作空间) alpha np.arctan2(z, d) beta np.arccos( (self.thigh_length**2 L**2 - self.shank_length**2) / (2 * self.thigh_length * L) ) gamma np.arccos( (self.thigh_length**2 self.shank_length**2 - L**2) / (2 * self.thigh_length * self.shank_length) ) hip_pitch beta alpha - np.pi / 2 knee_pitch np.pi - gamma return hip_yaw, hip_pitch, knee_pitch # 示例尝试求解足端在(0.3, 0.0, -0.45)处关节角 leg LegIK() try: angles leg.solve(0.30, 0.0, -0.45) print(hip_yaw%.3f rad, hip_pitch%.3f rad, knee_pitch%.3f rad % angles) except ValueError as e: print(IK error:, e)这段代码只是教学用途真实机器人还要考虑关节限位、奇异点、腿部碰撞等约束。但在最初验证算法时这种简化模型已经能帮我们快速理解腿部运动空间。4.2 步态规划从摆线到 CPC有了逆运动学接下来的问题是足端应该沿着什么样的轨迹移动最简单的步态是“摆线步态”。足端在摆动相从当前落脚点抬起沿着一条平滑曲线落到下一个目标点在支撑相保持不动或者相对地面后移。摆线轨迹有一个好处足端在抬腿和落地的瞬间速度为零冲击小适合低速行走。落足点选择则需要考虑躯干稳定性。常见策略是“以躯干中心投影为基准把落足点限制在稳定多边形内”同时根据躯干速度和姿态提前偏移落足点。具体公式在不同论文里略有差异但思路是一致的让落足点与躯干运动速度、加速度保持某种预测关系保证机器人不会“跟不上脚”。步态切换方面如果直接在“行走”和“奔跑”等步态之间跳变关节力矩会出现突变。因此现代机器人普遍使用“混合步态参数”或“CPG中枢模式发生器网络”通过参数连续调节实现步态过渡而不是硬切换。4.3 力控制与姿态平衡如果只是在关节角度层面做位置控制机器人无法应对外部冲击和地形起伏。真实机器人需要“柔顺控制”腿碰到障碍时不是硬碰硬而是通过力矩控制吸收冲击。一种常用的方案是“虚拟模型控制”。想象机器人和地面之间存在若干虚拟弹簧阻尼器控制器根据躯干偏离目标位姿的程度计算需要的虚拟力然后把虚拟力分配到各条腿上。为了让你直观理解下面是一个简化的“躯干姿态保持”伪代码# 读取IMU姿态误差 roll_err target_roll - current_roll pitch_err target_pitch - current_pitch # 虚拟弹簧阻尼模型计算恢复力矩 torque_roll Kp_roll * roll_err - Kd_roll * roll_velocity torque_pitch Kp_pitch * pitch_err - Kd_pitch * pitch_velocity # 把恢复力矩分配到4条腿每条腿承担一部分垂直力调整量 for leg in legs: delta_fz torque_roll * leg.roll_arm torque_pitch * leg.pitch_arm leg.add_vertical_force(delta_fz)实际系统里这个“力分配”过程会写成线性规划或二次规划问题在满足摩擦锥约束和单腿最大出力约束的前提下寻找最优的腿部接触力组合。控制频率 500Hz 以上时这种优化需要用到高效求解器这也解释了为什么这类机器人对机载计算性能要求很高。4.4 轮式运动与转向控制轮式运动模式下机器人可以简化为一个移动机器人底盘。最常用的是“两轮/四轮差速运动模型”v左 v - L * w / 2 v右 v L * w / 2其中v 是机器人线速度w 是角速度L 是左右轮距。如果轮子支持主动转向还可以用“前轮转向模型”或“四轮独立转向模型”。相比之下四轮独立转向的灵活性更高可以实现原地转向、斜向平移但控制标定也更复杂。在航天场景中如果多条腿都带转向关节结构重量和故障率都可能增加设计团队需要在机动性和可靠性之间做权衡。5. 太空作业挑战从地面样机到航天装备把“小橙”从地面样机变成能够执行太空任务的机器人中间还隔着大量工程化工作。5.1 低重力环境月球重力约为地球的 1/6火星重力约为 3/8。低重力会带来几个显著变化足端需要的支撑力变小但惯性力相对更大机器人更容易“飘起来”轮式驱动时轮下压力变小摩擦力变小在松软土壤上更容易打滑足式步态的落足冲击变小但躯干姿态容易因微小扰动产生大角度偏移。低重力下地面调好的 PID 参数几乎一定需要重新调试。更好的做法是在控制模型里显式加入重力加速度参数并在地面用吊索或“重力补偿台架”模拟低重力环境做验证。5.2 真空、低温与温差太空表面的真空环境对机器人是严酷考验关节润滑剂在真空中容易挥发需要选用真空润滑脂或固体润滑材料电机和驱动器散热主要靠辐射不能依靠空气对流必须设计导热路径或热控措施月面昼夜温差约 300 摄氏度电子器件需要加热和隔热保护辐射环境可能引起单粒子翻转计算单元需要加固或具备故障恢复能力。这些和地面机器人常用的风冷、水冷方案完全不同。航天级运动控制系统的“可靠冷却”和“低温启动”往往比算法本身更具挑战。5.3 通信与自主性深空通信带宽有限且存在延迟。这意味着机器人不能依赖云端 AI所有关键决策必须在本地实时完成遥操作优先级高于自主决策但干预粒度要足够大必须设计“地面操作员可解析”的状态汇报机制。因此航天半人马机器人的软件系统会更强调“状态机 安全监控”而不是纯粹依赖深度强化学习策略。深度学习模型可以做识别和辅助决策但最终要有一个可验证的安全兜底逻辑。5.4 材料与结构可靠性太空机器人不可能随时派维修人员。因此关键关节可能需要“冗余驱动”或“断电抱闸”线缆接口必须防振、防脱所有螺丝、连接器都要做抗疲劳评估软件要支持单关节故障后的降级运动模式。这些工程考量对地面机器人的设计也有启发即使不上太空在工业巡检、应急救援场景中可靠性同样是第一优先级。6. 开发者视角如何复现一个简化版半人马机器人看到这里很多做机器人开发的朋友可能会想我没有航天级硬件能不能在仿真环境里跑一个类似的轮腿机器人答案是完全可以。这里给出一个基于 ROS 和 Gazebo 的技术路线。6.1 方案选型软件建议Ubuntu 20.04 / 22.04ROS Noetic / ROS 2 HumbleGazebo 11 或更高版本RViz 可视化leg_ik或pinocchio做运动学计算gazebo_ros_pkgs连接仿真模型建议先在 URDF 中定义 4 条腿每条腿 3 个转动关节 1 个轮子连续关节轮子使用 Gazebo 自带的摩擦模型地形使用高度图或网格模型模拟碎石坡道。6.2 控制框架控制架构可以用 ROS 的controller_manager接入joint_state_controller: type: joint_state_controller/JointStateController publish_rate: 50 leg_controller: type: position_controllers/JointPositionController joints: - front_left_hip_yaw - front_left_hip_pitch - front_left_knee # 其余关节类似如果你要跑真实机器人更推荐使用ros2_control或独立的mc_rtc、ocs2等控制框架。它们对 MPC 和 WBC 有更完整的支持。6.3 仿真测试重点在仿真环境中建议先测试三个场景轮式模式直线行驶和转向从平地向 10cm 台阶过渡观察腿部是否产生干涉足式模式爬 20 度斜坡观察躯干姿态能否保持。仿真无法完全模拟真实电机力矩响应和土壤接触力学但它可以帮助你快速验证算法逻辑和状态机切换逻辑。等仿真稳定后再迁移到硬件平台会少踩很多坑。6.4 快速起步的代码骨架提供一个极简版 Python 步态状态机代码骨架便于理解轮腿切换的核心逻辑class LegMotionState: WHEEL wheel LEG leg TRANSITION transition class RobotBehavior: def __init__(self): self.state LegMotionState.WHEEL self.transition_progress 0.0 def update(self, terrain_info): if self.state LegMotionState.WHEEL: if terrain_info[obstacle_height] 0.15: # 前方障碍过高切换为足式模式 self.state LegMotionState.TRANSITION self.transition_progress 0.0 print(Enter transition from wheel to leg) elif self.state LegMotionState.TRANSITION: # 过渡期间逐步调整腿部关节角度避免突变 self.transition_progress 0.1 if self.transition_progress 1.0: self.state LegMotionState.LEG print(Enter leg mode) elif self.state LegMotionState.LEG: if terrain_info[slope_deg] 5 and terrain_info[roughness] 0.02: # 地形平坦切回轮式模式 self.state LegMotionState.TRANSITION self.transition_progress 0.0 print(Enter transition from leg to wheel)这段代码重点关注状态切换的思想实际项目中还需要增加位姿判断、速度一致性和安全保护等逻辑。7. 常见问题与思考7.1 足式机器人和轮腿机器人哪个更有前景二者不是替代关系而是应用场景不同。纯足式机器人强在极端地形的灵活性但能效低轮腿机器人试图在“效率”和“通过性”之间找到平衡。未来航天探测、灾害救援、复杂工业巡检中轮腿机器人可能成为主流形态之一。7.2 “小橙”能直接在月球跑吗目前还不能直接得出这个结论。公开亮相代表技术验证达到一定阶段但距离真正的航天任务还需要经历振动、真空、热循环、辐射等一系列环境试验同时还要通过严格的可靠性评审。所谓“未来有望奔赴太空作业”重点在“有望”二字上。7.3 开发轮腿机器人需要掌握哪些知识至少需要三块基础机械设计了解多连杆机构、关节驱动选型、材料强度控制理论理解运动学、动力学、PID、MPC、力控制软件工程掌握 C/Python、ROS、实时系统、状态机设计。如果只会其中一项可以加入团队协作如果三项都具备那你已经具备独立设计原型样机的能力。7.4 开源项目能参考吗有很多开源项目可以作为参考比如和四足机器人相关的 MIT Cheetah 系列开源成果、ETH 的 several legged robot 项目、市场上有一些开源轮腿机器人 SDK。建议先看它们的 Gazebo 仿真包再研究硬件图纸和整机调试案例。开源资料可以帮助你建立整体认知但要直接用于航天项目还需要经过大量工程验证。8. 总结与后续学习建议“航天自研半人马机器人‘小橙’”这次公开亮相对外展示的不仅仅是一台外观新颖的机器人更是国产机器人在“多模态移动机构 复杂环境适应性 空间任务潜力”方向上的重要进展。从技术角度看它已经走在了一个非常有意思的交叉领域腿式运动与轮式运动结合控制算法与感知系统融合硬件可靠性与自主决策并重。对普通机器人开发者来说可以从三件事入手掌握 ROS 和 Gazebo 仿真搭建自己的轮腿机器人模型深入学习运动学逆解、步态规划、状态估计三个核心模块关注力控制和 MPC 方向这是未来高性能腿足机器人的主流方向。如果条件允许可以尝试复现一个简化版半人马机器人原型。从“看到”到“做到”之间的距离永远比想象中更大但一旦跨过去你对机器人系统的理解也会完全不同。后续我计划继续更新这篇文章的配套内容包括 Gazebo 仿真模型的具体搭建步骤、单腿运动学逆解完整代码、不同步态的参数对比实验、以及从仿真迁移到低成本硬件的踩坑记录。如果你也对轮腿机器人和足式机器人控制感兴趣可以先自己动手搭一个 URDF 模型在仿真里感受一下“腿 轮”联合控制的乐趣。希望这篇文章能给你带来一些启发。如果你对某个模块有疑问欢迎在评论区留言我们一起讨论。