💡
原文中文，约5600字，阅读约需14分钟。
📝
内容提要
波士顿动力的工程师分享了人形机器人Atlas的研发历程和经验教训，使用模型预测控制（MPC）实现高难度动作，计划将MPC与机器学习结合以提升性能。
🎯
关键要点
- 波士顿动力分享了人形机器人Atlas的研发历程和经验教训。
- Atlas机器人由液压改为电动，适应工业环境。
- MPC（模型预测控制）是Atlas控制的核心技术。
- MPC能够处理多变量系统，优化控制输入以提升性能。
- Atlas的动作如跑酷、后空翻等均依赖MPC实现。
- 将机器人视为运动学-重心动力学耦合的系统提高了性能。
- 复杂模型结合重心动力学和运动学优化效果更佳。
- 局部优化可能导致机器人采取非最优行动。
- 波士顿动力面临的挑战包括动态调整参考轨迹和处理局部优化问题。
- MPC与机器学习的结合是未来发展的重要方向。
➡️
