MIT Cheetah-Software 四足机器人控制入门指南
2026-02-04 05:07:20作者:瞿蔚英Wynne
项目概述
MIT Cheetah-Software 是一个用于控制四足机器人的开源软件系统,特别为MIT研发的Mini Cheetah和Cheetah 3机器人设计。该系统提供了完整的仿真环境和硬件控制接口,使研究人员能够快速开发和测试各种控制算法。
环境配置
系统依赖安装
在Ubuntu系统上,需要先安装以下基础依赖包:
sudo apt install mesa-common-dev freeglut3-dev coinor-libipopt-dev libblas-dev liblapack-dev gfortran liblapack-dev coinor-libipopt-dev cmake gcc build-essential libglib2.0-dev
对于较新版本的Ubuntu(18.10或19.04),Qt可以通过以下方式安装:
sudo apt install libqt5 libqt5gamepad5
第三方库要求
系统还需要以下三个关键库:
- LCM:轻量级通信库,版本1.3.1或更高
- Qt:图形界面框架,需要5.10.0或更高版本,且必须包含gamepad库
- Eigen:线性代数库
代码构建流程
- 获取代码仓库
- 进入项目目录
- 执行类型生成脚本
- 创建并进入build目录
- 使用CMake生成构建系统
- 使用make进行编译
cd scripts
./make_types.sh
cd ..
mkdir build
cd build
cmake ..
make -j
测试验证
编译完成后,可以通过运行common/test-common来执行基础测试。需要注意:
- OSQP测试可能因求解器非确定性而偶尔失败,重新运行即可
- CASADI测试可能因动态库加载问题失败,这不会影响基本功能
控制器硬件配置
系统推荐使用Logitech F310游戏手柄作为控制输入设备,使用时需注意:
- 手柄背面的开关应置于"X"位置
- 更改开关位置后需要重新连接设备
- 模式按钮附近的LED指示灯应保持熄灭状态
仿真环境使用指南
配置文件说明
仿真器有两个主要配置文件:
simulator-defaults.yaml:仿真器默认参数default-terrain.yaml:地形配置,可添加障碍物和调整地面摩擦系数
启动流程
- 连接游戏手柄
- 运行
sim/sim启动仿真器 - 选择"Mini Cheetah"和"Simulator"
- 点击"Start"按钮
控制模式切换
- 启动MIT控制器:
user/MIT_Controller/mit_ctrl m s - 在仿真器中将控制模式设为10(准备状态)
- 待机器人停止移动后,设为模式1
- 最后设为模式4,机器人将开始小跑步态
视图操作技巧
- 点击拖动:调整视角
- 滚轮:缩放视图
- 按住
t键:最大速度运行仿真 - 空格键:切换自由相机模式
- W/A/S/D/R/F键:移动相机位置
开发自定义控制器
项目结构
自定义控制器应放置在user目录下,并需要修改user/CMakeLists.txt添加编译配置。可以参考JPos_Controller示例项目。
控制器基类
自定义控制器需要继承RobotController基类,并实现以下关键方法:
runController:主控制循环,默认1kHz频率getUserControlParameters:返回用户参数指针(如不使用返回nullptr)
可用资源
在控制器中可访问以下重要资源:
_quadruped:机器人常量参数(连杆长度、齿轮比、惯量等)_model:机器人动力学模型_legController:腿部控制接口_stateEstimate:状态估计结果_driverCommand:游戏手柄输入_controlParameters:控制参数_visualizationData:调试可视化接口
腿部控制方式
_legController提供多种控制模式,所有控制器的输出将被叠加:
- 关节扭矩控制(
tauFeedForward) - 足端力控制(
forceFeedForward) - 关节位置PD控制(
qDes+qdDes) - 笛卡尔空间PD控制(
pDes+vDes)
硬件部署注意事项
在实际机器人上运行时,与仿真环境的主要区别包括:
- 只能看到状态估计结果,无法使用"cheater模式"
- 调试可视化功能不可用
- 需要特别注意安全检查和故障处理
开发建议
- 先在仿真环境中充分测试算法
- 逐步增加控制复杂度,从简单的位置控制开始
- 充分利用LCM工具进行调试和数据记录
- 注意控制频率和实时性要求
- 开发过程中定期检查机器人状态估计的准确性
通过本指南,开发者可以快速上手MIT Cheetah-Software系统,并基于此开发自己的四足机器人控制算法。系统提供了从仿真到硬件部署的完整工具链,大大降低了四足机器人控制算法的开发门槛。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271