轮足机械臂机器人代表了移动操作机器人的前沿发展方向，它巧妙地结合了轮式运动的高效性、足式运动的地形适应性以及机械臂的精确操作能力。本章将从系统架构的角度，深入分析不同运动形式的权衡、执行器选择的考量、以及硬件设计对算法实现的根本性影响。通过学习本章，你将理解为什么某些看似纯粹的硬件决策会深刻影响整个系统的控制策略和智能算法设计。
学习目标：
机器人的运动形式从根本上决定了其运动学约束、能量效率和地形适应能力。让我们首先建立一个定量分析框架：
轮式运动的本质是通过滚动接触实现位移，其运动学约束可表述为： \(\dot{x} = r\omega \cos\theta, \quad \dot{y} = r\omega \sin\theta, \quad \dot{\theta} = \frac{r\omega}{L}\tan\phi\)
其中 $r$ 为轮半径，$\omega$ 为轮转速，$L$ 为轴距，$\phi$ 为转向角。轮式运动的核心优势在于其极高的能量效率——滚动摩擦系数通常仅为 0.001-0.01，远小于滑动摩擦的 0.1-1.0。这意味着在平坦地形上，轮式机器人的能量消耗可以比足式机器人低 1-2 个数量级。
足式运动则通过离散的接触点实现运动，其运动学更为复杂但也更加灵活。对于一个简化的单腿模型，支撑相的动力学可表示为： \(m\ddot{x} = f_x, \quad m\ddot{z} = f_z - mg\)
其中接触力 $(f_x, f_z)$ 必须满足摩擦锥约束： \(\sqrt{f_x^2 + f_y^2} \leq \mu f_z\)
足式运动的关键优势在于其对离散地形的适应能力——它可以选择落脚点，避开障碍，这是轮式系统无法实现的。
轮足混合系统试图结合两者的优势。其设计理念是：在结构化环境中利用轮式运动的高效性，在复杂地形中切换到足式模式。数学上，这可以表示为一个混合动力学系统：
状态空间 S = S_wheel ∪ S_leg ∪ S_hybrid
转换条件：
- Wheel → Leg: 当地形粗糙度 σ > σ_threshold
- Leg → Wheel: 当能量效率 η < η_threshold
- Hybrid模式：同时使用轮式滚动和足式步态调整
轮足系统的能耗模型需要考虑多种运动模式的切换成本。总能耗可以分解为：
\[E_{total} = E_{locomotion} + E_{transition} + E_{stabilization}\]其中：
实验数据表明，在平坦地形上，轮式运动的比能耗（CoT, Cost of Transport）约为 0.05-0.1，而足式运动的 CoT 通常在 0.5-2.0 范围内。但在 30° 斜坡上，轮式系统可能因打滑而无法工作，而足式系统仍能保持 CoT < 5.0 的运动。
为了定量评估不同运动形式的地形适应性，我们引入地形复杂度指标 $\mathcal{T}$：
\[\mathcal{T} = w_1 \cdot \text{slope} + w_2 \cdot \text{roughness} + w_3 \cdot \text{discreteness}\]其中：
不同运动形式的通过性可以用概率模型表示：
\[P_{traverse} = \begin{cases} e^{-\lambda_w \mathcal{T}} & \text{轮式} \\ 1 - e^{-\lambda_l (\mathcal{T}_{max} - \mathcal{T})} & \text{足式} \\ \max(P_{wheel}, P_{leg}) & \text{轮足混合} \end{cases}\]典型参数：$\lambda_w = 2.0$, $\lambda_l = 0.5$, $\mathcal{T}_{max} = 10.0$
这个模型揭示了轮足系统的设计哲学：不是简单的”1+1=2”，而是通过智能切换实现”1+1>2”的效果。
液压执行器的核心优势在于其无与伦比的功率密度。一个典型的液压缸可以在 200-350 bar 的工作压力下产生巨大的力输出。功率密度可达：
\[\rho_{power} = \frac{P}{m} = \frac{p \cdot Q}{m_{cylinder} + m_{fluid}} \approx 3-5 \text{ kW/kg}\]相比之下，高性能电机的功率密度通常为 0.5-2 kW/kg。这种差异在需要大负载、高动态响应的应用中尤为关键。
液压系统的力输出与压力成正比： \(F = p \cdot A_{piston} - f_{friction}\)
其中摩擦力 $f_{friction}$ 包括密封摩擦和粘性摩擦，通常占输出力的 5-10%。
然而，液压系统的能量效率链较长： \(\eta_{total} = \eta_{pump} \cdot \eta_{valve} \cdot \eta_{cylinder} \cdot \eta_{cooling} \approx 0.4-0.6\)
这意味着总体能量效率仅为 40-60%，远低于电动系统的 80-90%。
电动执行器，特别是永磁同步电机（PMSM）配合高分辨率编码器，可以实现极高的控制精度。位置控制精度可达：
\[\sigma_{position} = \frac{2\pi}{N_{encoder} \cdot i_{gear}} \approx 10^{-4} \text{ rad}\]其中 $N_{encoder}$ 为编码器分辨率（如 20 位），$i_{gear}$ 为减速比。
电机的动态模型相对简单： \(J\ddot{\theta} + b\dot{\theta} = \tau_m - \tau_l\) \(\tau_m = K_t i_q\)
这种线性关系使得控制器设计更加直接。现代电机控制采用场定向控制（FOC），可以实现：
近年来出现了电液混合驱动的新设计，试图结合两者优势：
高频小幅运动 → 电动执行器（高精度、高带宽）
低频大力输出 → 液压执行器（高功率密度）
数学上，这可以表示为频域分解： \(\tau_{total}(s) = H_{electric}(s) \cdot \tau_{ref}(s) + H_{hydraulic}(s) \cdot \tau_{ref}(s)\)
其中： \(H_{electric}(s) = \frac{s^2}{s^2 + 2\zeta\omega_n s + \omega_n^2}, \quad \omega_n > 100 \text{ rad/s}\) \(H_{hydraulic}(s) = \frac{\omega_n^2}{s^2 + 2\zeta\omega_n s + \omega_n^2}, \quad \omega_n < 10 \text{ rad/s}\)
这种设计在 Boston Dynamics 的 Atlas 机器人中得到了验证，其腿部主要关节使用液压，而手部精细操作使用电动。
将机械臂集成到移动平台上引入了独特的控制挑战。最根本的问题是：机械臂的运动会改变整个系统的质心位置和惯性矩阵。
系统的总动量守恒要求： \(\vec{p}_{base} + \vec{p}_{arm} = \text{const}\)
这意味着机械臂的快速运动会导致基座的反向运动。对于一个 7 自由度机械臂，其末端执行器的笛卡尔速度与关节速度的关系为：
\[\vec{v}_{ee} = J_{arm}(\vec{q}) \dot{\vec{q}} + \vec{v}_{base}\]其中基座速度 $\vec{v}_{base}$ 不再为零，而是需要通过全身协调控制来确定。
对于轮足机器人，稳定性判据更加复杂。我们需要同时考虑：
静态稳定性：质心投影在支撑多边形内 \(\vec{r}_{CoM} \in \text{ConvexHull}(\{\vec{r}_{contact_i}\})\)
动态稳定性：零力矩点（ZMP）在支撑区域内 \(\vec{r}_{ZMP} = \frac{\sum_i (m_i \vec{r}_i (\ddot{z}_i + g) - m_i \ddot{\vec{r}}_i z_i)}{\sum_i m_i (\ddot{z}_i + g)}\)
接触力约束：所有接触力在摩擦锥内 \(\vec{f}_{contact_i} \in \mathcal{FC}_i, \quad \forall i\)
机械臂的运动规划必须满足这些约束，这通常通过优化问题来解决：
\(\min_{\vec{q}, \vec{f}} \|\vec{x}_{ee}^{desired} - \vec{x}_{ee}\|^2 + w_1 \|\vec{f}\|^2 + w_2 \|\ddot{\vec{q}}\|^2\) \(\text{s.t. } \text{稳定性约束、关节限位、力矩限制}\)
机械臂在移动平台上的工作空间不仅取决于其自身的运动学，还受到基座运动能力的影响。有效工作空间可以表示为：
\[\mathcal{W}_{effective} = \mathcal{W}_{arm} \oplus \mathcal{W}_{base}\]其中 $\oplus$ 表示 Minkowski 和。但这种简单相加忽略了动态耦合。更准确的模型需要考虑：
可操作度椭球： \(\mathcal{M} = \sqrt{\det(J J^T)}\)
优化设计通常追求最大化某个性能指标： \(\mathcal{P} = \int_{\mathcal{W}} w(\vec{x}) \cdot \mathcal{M}(\vec{x}) d\vec{x}\)
其中 $w(\vec{x})$ 是任务相关的权重函数。
机器人的结构刚度直接决定了其控制带宽的上限。从控制理论的角度，系统的第一阶固有频率 $f_n$ 设定了闭环控制带宽的理论上限：
\[f_{control} < \frac{f_n}{5} \approx \frac{1}{10\pi}\sqrt{\frac{k}{m}}\]其中 $k$ 是等效刚度，$m$ 是等效质量。这个”1/5 规则”来源于避免激发结构振动的工程经验。
对于一个典型的轮足机械臂系统，我们可以建立多体动力学模型：
\[M(\vec{q})\ddot{\vec{q}} + C(\vec{q}, \dot{\vec{q}})\dot{\vec{q}} + G(\vec{q}) + K_{flex}\Delta\vec{q} = \vec{\tau}\]其中 $K_{flex}$ 表示柔性变形的刚度矩阵。当刚度不足时，会出现以下问题：
静态挠度：在重力和负载作用下的变形 \(\delta_{static} = \frac{F \cdot L^3}{3EI}\)
对于悬臂梁结构，$E$ 是弹性模量，$I$ 是截面惯性矩。
动态耦合：控制输入会激发振动模态 \(\vec{q}(t) = \vec{q}_{rigid}(t) + \sum_i a_i(t) \vec{\phi}_i\)
其中 $\vec{\phi}_i$ 是第 $i$ 阶振动模态。
相位滞后：在频率 $f$ 处的相位滞后约为 \(\phi_{lag}(f) \approx -\arctan\left(\frac{2\zeta f/f_n}{1-(f/f_n)^2}\right)\)
实际工程中，我们通常要求第一阶固有频率 > 30 Hz，这对应的刚度要求为：
\[k > 4\pi^2 f_n^2 m \approx 35,000 \cdot m \text{ (N/m)}\]质量分布不仅影响系统的动态响应，还决定了能量效率。优化目标通常包括：
降低转动惯量：特别是远端连杆 \(J_{link_i} = J_{cm_i} + m_i d_i^2\)
通过将质量集中在近端，可以显著降低驱动力矩需求。
平衡配重设计：使质心靠近旋转轴 \(\vec{r}_{CoM} = \frac{\sum_i m_i \vec{r}_i}{\sum_i m_i} \approx \vec{0}\)
惯性匹配：电机转子惯量与负载惯量的匹配 \(\frac{J_{load}}{J_{motor} \cdot i^2} \approx 1-10\)
其中 $i$ 是减速比。过大或过小的惯量比都会降低系统性能。
质量分布还影响系统的可操作度。对于冗余机械臂，质量矩阵的条件数：
\[\kappa(M) = \frac{\lambda_{max}(M)}{\lambda_{min}(M)}\]理想情况下 $\kappa(M) \approx 1$，但实际系统通常在 10-100 范围内。
控制带宽受到多个因素的限制，形成一个”瓶颈链”：
传感器带宽 → 通信延迟 → 计算延迟 → 执行器带宽 → 结构带宽
系统的总延迟可以建模为： \(\tau_{total} = \tau_{sensor} + \tau_{comm} + \tau_{comp} + \tau_{actuator}\)
典型值：
这导致总延迟在 10-30 ms 范围内，限制控制带宽在 30-100 Hz。
对于需要高带宽的任务（如接触力控制），我们需要采用分层控制架构：
\[\vec{\tau} = \vec{\tau}_{low}(1000Hz) + \vec{\tau}_{mid}(100Hz) + \vec{\tau}_{high}(10Hz)\]其中：
Boston Dynamics Handle 代表了一种激进的轮足融合设计。其核心特征：
Handle 的控制策略基于模型预测控制（MPC）：
\(\min_{\vec{u}} \sum_{k=0}^{N} \|\vec{x}_k - \vec{x}_{ref}\|_Q^2 + \|\vec{u}_k\|_R^2\) \(\text{s.t. } \vec{x}_{k+1} = f(\vec{x}_k, \vec{u}_k), \quad \vec{u}_k \in \mathcal{U}, \quad \vec{x}_k \in \mathcal{X}_{stable}\)
其中状态 $\vec{x} = [\vec{r}, \vec{v}, \vec{q}, \dot{\vec{q}}]$ 包括位置、速度、姿态和角速度。
瑞士 ANYbotics 的 ANYmal 采用了更保守但更实用的设计：
High-level (10 Hz): 感知、规划
Mid-level (100 Hz): MPC、WBC
Low-level (1000 Hz): 关节控制、反射
ANYmal 的轮足切换策略基于地形分类：
\[P(mode = wheel | terrain) = \frac{1}{1 + e^{-(\alpha_0 + \alpha_1 \cdot slope + \alpha_2 \cdot roughness)}}\]实验数据显示：
| 指标 | Handle | ANYmal |
|---|---|---|
| 最大速度 | 4.2 m/s | 2.0 m/s (轮) / 1.0 m/s (足) |
| 续航时间 | 2 小时 | 4 小时 |
| 有效载荷 | 45 kg | 15 kg |
| 越障能力 | 优秀（跳跃） | 良好（步态） |
| 地形适应 | 中等 | 优秀 |
| 控制复杂度 | 高（动态平衡） | 中等（静态稳定） |
| 成本 | 高（液压系统） | 中等（电动） |
| 维护 | 复杂 | 简单 |
两种设计反映了不同的应用定位：
变刚度执行器通过主动调节刚度来适应不同任务需求。其核心思想是在高刚度（精确控制）和低刚度（安全交互）之间动态切换。
基本的 VSA 模型： \(\tau = k(\theta_m - \theta_l) + d(\dot{\theta}_m - \dot{\theta}_l)\)
其中 $\theta_m$ 是电机位置，$\theta_l$ 是连杆位置，刚度 $k$ 可调。
常见的实现方式：
拮抗驱动：两个电机通过非线性弹簧耦合 \(k_{eff} = \frac{\partial \tau}{\partial \theta} = k_1 + k_2 + (r_1^2 F_1 + r_2^2 F_2)/l\)
凸轮机构：改变弹簧预紧力 \(k(\alpha) = k_0 + k_1 \cos(\alpha)\)
磁流变/电流变材料：通过电磁场调节材料刚度 \(k(B) = k_0 (1 + \alpha B^2)\)
VSA 的控制需要同时考虑位置和刚度： \(\vec{u} = [u_{position}, u_{stiffness}]^T\)
这引入了新的优化问题：在满足任务约束的同时，最小化能量消耗和冲击。
轮足机器人的悬架系统需要在不同地形和速度下自适应调节。主动悬架的动力学模型：
\(m_s \ddot{z}_s = -k_s(z_s - z_u) - c_s(\dot{z}_s - \dot{z}_u) + f_a\) \(m_u \ddot{z}_u = k_s(z_s - z_u) + c_s(\dot{z}_s - \dot{z}_u) - k_t(z_u - z_r) - f_a\)
其中：
自适应控制策略通常采用多目标优化：
\[J = w_1 \int (\ddot{z}_s)^2 dt + w_2 \int (z_s - z_{ref})^2 dt + w_3 \int f_a^2 dt\]其中权重 $w_i$ 根据运行模式动态调整：
变刚度和自适应技术的发展趋势：
# 伪代码：基于强化学习的刚度调节
state = [terrain_type, velocity, load]
stiffness = policy_network(state)
reward = -energy - tracking_error - impact
这些技术的成熟将使轮足机器人能够：
本章系统介绍了轮足机械臂机器人的架构设计原理，核心要点包括：
| 类别 | 公式 | 说明 |
|---|---|---|
| 运动学约束 | $\dot{x} = r\omega \cos\theta$ | 轮式运动模型 |
| 摩擦锥约束 | $\sqrt{f_x^2 + f_y^2} \leq \mu f_z$ | 接触力限制 |
| 能耗模型 | $E_{total} = E_{locomotion} + E_{transition} + E_{stabilization}$ | 总能耗分解 |
| ZMP计算 | $\vec{r}_{ZMP} = \frac{\sum_i (m_i \vec{r}_i (\ddot{z}_i + g))}{\sum_i m_i (\ddot{z}_i + g)}$ | 动态稳定性 |
| 控制带宽 | $f_{control} < \frac{1}{10\pi}\sqrt{\frac{k}{m}}$ | 结构限制 |
| VSA模型 | $\tau = k(\theta_m - \theta_l)$ | 变刚度原理 |
1. 确定应用场景 → 2. 选择运动形式 → 3. 确定执行器类型
↓
6. 验证与迭代 ← 5. 优化质量分布 ← 4. 设计结构刚度
习题 1.1 某轮式机器人在平地上以 2 m/s 速度移动，轮半径 0.2 m，质量 50 kg。若滚动摩擦系数为 0.01，计算其稳态功耗和 CoT。
习题 1.2 一个液压缸直径 50 mm，工作压力 200 bar。计算其最大输出力，并与相同重量（2 kg）的电机（峰值扭矩 40 Nm，减速比 100:1）比较。
习题 1.3 机器人结构的第一阶固有频率为 25 Hz，等效质量 10 kg。求所需的最小结构刚度，并判断能否实现 10 Hz 的控制带宽。
习题 1.4 设计一个轮足切换策略。给定地形参数：坡度 θ (0-45°)，粗糙度 σ (0-0.2 m)，障碍密度 ρ (0-10 个/m²)。建立切换决策的数学模型。
习题 1.5 某轮足机器人携带 7-DOF 机械臂，基座质量 80 kg，机械臂总质量 20 kg。机械臂末端以 1 m/s 速度运动时，估算对基座稳定性的影响。
习题 1.6 比较 Handle 和 ANYmal 在以下场景的适用性：(a) 仓库货物搬运 (b) 山地搜救 (c) 核电站巡检。给出定量评分（1-10）。
习题 1.7（开放题）未来 10 年，轮足机器人最可能的技术突破点是什么？请从材料、控制、感知三个角度分析。
习题 1.8（设计题）为火星探测设计一款轮足机械臂机器人。考虑：重力 3.7 m/s²，温度 -60°C 到 20°C，沙尘暴，通信延迟 4-24 分钟。
通过本章的学习，你应该已经建立了对轮足机械臂机器人架构设计的系统性认识。记住，优秀的机器人设计不是各个组件的简单堆砌，而是在深入理解各子系统相互作用基础上的整体优化。下一章，我们将深入探讨执行器的选择与优化，这是实现高性能机器人系统的关键基础。