4. 动力学基础
人形机器人是一个典型的多体、变拓扑、强耦合动力学系统。与工业机械臂固定基座不同，人形机器人在行走、跳跃、上下楼梯等任务中，其基座（骨盆/躯干）处于自由漂浮状态，脚底与地面的接触约束随时间变化。因此，建立准确的动力学模型是运动控制、步态规划与稳定性分析的前提。本章围绕四条核心动力学主线展开：牛顿-欧拉递推法、拉格朗日分析法、质心动力学（Centroidal Dynamics）以及动量矩定理（Angular Momentum Theorem），并重点讨论它们在人形机器人建模中的适用场景与工程化落地路径。
4.1 牛顿-欧拉方程：从单刚体到多体递推
核心原理：牛顿-欧拉法将机器人视为一系列由关节连接的刚体链，分别对每个连杆应用牛顿第二定律（力与线加速度关系）和欧拉方程（力矩与角加速度关系）。对于人形机器人，通常采用向外递推（从基座到末端）计算速度与加速度，再向内递推（从末端到基座）计算力与力矩。这一过程在关节空间产生如下标准形式：
τ = M(q)q̈ + C(q, q̇)q̇ + G(q) + JᵀF_ext其中，M(q) 为惯性矩阵，C(q,q̇) 为科氏力/离心力项，G(q) 为重力项，JᵀF_ext 为外部接触力（如地面反作用力）映射到关节空间的广义力。对于人形机器人，F_ext 通常包含双脚的地面反力与摩擦力矩，这是与固定基座机械臂最本质的区别。
操作流程：在实际建模中，推荐采用以下步骤：
- 定义坐标系与运动学参数：采用改进DH参数或旋量理论描述各连杆位姿，明确基座（骨盆）的6自由度浮动基座表示。
- 向外递推：从基座开始，依次计算每个连杆的角速度、角加速度、线加速度，注意传递到下一连杆时需考虑关节速度/加速度。
- 向内递推：从末端（脚/手）开始，根据外力/力矩（如地面反力）反向计算每个关节所需的驱动力矩。
- 组装矩阵：将递推结果整理为
M、C、G矩阵，用于控制律设计。
案例拆解：以双足支撑相为例，假设机器人总质量 60kg，单脚支撑时地面反力约 588N。若采用牛顿-欧拉法进行逆动力学计算，需要同时考虑双脚的接触力分配。例如，在双足支撑相，地面反力分配比例通常根据ZMP位置动态调整，牛顿-欧拉递推可以显式地计算出每个关节在支撑相切换瞬间所需的力矩补偿值，避免因接触力突变导致的抖动。
4.2 拉格朗日方程：能量视角的全局建模
核心原理：拉格朗日法从系统总动能 T 和总势能 V 出发，定义拉格朗日函数 L = T - V，通过欧拉-拉格朗日方程推导动力学方程：
d/dt(∂L/∂q̇) - ∂L/∂q = τ对于人形机器人，广义坐标 q 包含浮动基座的6个自由度和所有关节自由度。拉格朗日法的优势在于：无需显式处理约束力，当系统存在完整约束（如脚底与地面接触）时，可通过引入拉格朗日乘子 λ 统一处理：
M(q)q̈ + C(q,q̇)q̇ + G(q) = τ + J_cᵀλ其中 J_c 为接触约束的雅可比矩阵，λ 为接触力/力矩。
判断方法：选择牛顿-欧拉还是拉格朗日，取决于应用场景：
| 对比维度 | 牛顿-欧拉法 | 拉格朗日法 |
|---|---|---|
| 计算效率 | O(n) 递推，适合实时 | O(n³) 矩阵运算，适合离线分析 |
| 约束处理 | 需显式引入接触力 | 通过乘子自然处理 |
| 物理直观性 | 力/力矩关系清晰 | 能量关系全局、便于分析稳定性 |
| 典型应用 | 逆动力学控制、力矩前馈 | 步态优化、参数辨识、能量分析 |
案例拆解：在步态优化中，拉格朗日法常用于构建全身动力学优化问题。例如，以最小化关节力矩平方和为目标，同时满足脚底摩擦锥约束和ZMP稳定性约束。由于拉格朗日方程提供了闭式的动力学表达式，可以直接利用符号计算工具（如 SymPy、CasADi）生成优化所需的梯度信息，加速求解。
T 中。否则，推导出的动力学方程在行走仿真中会出现明显的能量不守恒现象。
4.3 质心动力学：降维建模与ZMP稳定性
核心原理：质心动力学将整个人形机器人简化为一个集中质量模型，关注质心（CoM）的平移运动与地面反作用力的关系。其核心方程为牛顿第二定律在质心上的投影：
m·r̈_c = F_grf + m·g其中 r_c 为质心位置，F_grf 为地面反作用力合力，g 为重力加速度。进一步引入零力矩点（ZMP）概念，ZMP 是地面反作用力合力作用点，当 ZMP 位于支撑多边形内部时，机器人动态稳定。质心动力学与 ZMP 的关系可通过线性倒立摆模型（LIPM）描述：
ẍ = ω²(x - p_zmp)其中 ω = √(g/h)，h 为质心高度。这一线性模型是步态规划与控制中最常用的简化形式。
操作流程：在实际工程中，质心动力学的应用流程如下：
- 计算质心位置与速度：通过各连杆的质量与位置加权平均得到。
- 估计地面反力：通过脚底力传感器（六维力/力矩传感器）测量。
- 计算ZMP：根据地面反力分布计算 ZMP 位置。
- 设计控制器：基于 LIPM 设计质心轨迹跟踪控制器，输出期望的地面反力。
- 映射到关节力矩：通过全身动力学控制（WBC）将期望的质心加速度分配到各关节。
案例拆解：以 Atlas 机器人的行走控制为例，其上层使用模型预测控制（MPC）基于质心动力学规划未来 1-2 秒的质心轨迹和 ZMP 轨迹，下层使用 WBC 将质心加速度映射到全身关节力矩。MPC 的预测模型正是 LIPM，其状态量为 [x, ẋ, y, ẏ]，控制量为 ZMP 位置 [p_x, p_y]。通过二次规划（QP）求解最优 ZMP 轨迹，保证质心轨迹的平滑性和稳定性。
h 对系统动态特性影响显著。h 越大，系统响应越慢，稳定性越好但灵活性下降；h 越小，响应越快但更容易失稳。实际中，人形机器人行走时质心高度通常保持在 0.8-1.0m 范围内，并尽量保持恒定以维持 LIPM 的线性性。
4.4 动量矩定理：姿态控制与飞轮效应
核心原理：动量矩定理描述系统角动量随时间的变化率等于外力矩之和。对于人形机器人，定义绕质心的总角动量为：
L_c = Σ (I_i·ω_i + r_i × m_i·v_i)其中 I_i 为第 i 个连杆的惯性张量，ω_i 为角速度，r_i 为连杆质心相对整体质心的位置，v_i 为连杆质心速度。动量矩定理的核心方程为：
dL_c/dt = τ_ext其中 τ_ext 为外力（主要是地面反力）对质心的合力矩。在无外力矩的情况下（如空中相），角动量守恒，机器人可以通过摆动肢体（手臂、腿）来调整姿态——这就是飞轮效应的物理基础。
判断方法：动量矩定理在以下场景中尤为关键：
- 空中姿态调整：跳跃、翻跟头时，通过肢体摆动改变角动量分布，实现空中转体。
- 抗扰动控制：受到侧向冲击时，通过髋关节和手臂的协调运动产生反向角动量，维持姿态平衡。
- 步态切换：单脚支撑切换到双脚支撑时，角动量的平滑过渡可避免躯干振荡。
案例拆解：以波士顿动力 Spot 的受扰恢复为例，当机器人受到侧向推力时，其控制器首先检测到躯干角速度异常，然后通过髋关节外展/内收产生反向角动量，同时调整 ZMP 位置。这一过程的核心是求解一个优化问题：在满足关节角度/力矩限制的前提下，最小化躯干姿态偏差和角动量偏差。动量矩定理提供了姿态与角动量之间的直接映射关系，使得控制器可以快速计算出所需的关节动作。
4.5 四种方法的协同应用与工程选型
核心原理：四种方法并非相互排斥，而是从不同粒度描述同一物理系统。在实际工程中，通常采用分层混合建模策略：
| 控制层级 | 建模方法 | 典型应用 |
|---|---|---|
| 规划层（1-2s） | 质心动力学 + LIPM | 步态规划、ZMP轨迹生成 |
| 优化层（0.1-0.5s） | 拉格朗日法 + 全身动力学 | MPC、最优控制、力矩分配 |
| 执行层（1-10ms） | 牛顿-欧拉法 | 逆动力学、关节力矩前馈 |
| 稳定层（连续） | 动量矩定理 | 姿态反馈、扰动抑制、飞轮控制 |
操作流程：在搭建人形机器人动力学仿真与控制系统时，建议按以下顺序推进：
- 使用拉格朗日法建立完整的多体动力学模型，验证能量守恒与约束一致性。
- 基于完整模型，提取质心动力学参数（质量、质心位置、惯性张量），构建 LIPM 简化模型。
- 在简化模型上设计步态规划与稳定控制器，验证 ZMP 稳定性。
- 将控制指令映射到关节空间，使用牛顿-欧拉法计算期望关节力矩。
- 引入动量矩反馈回路，修正模型误差和外部扰动。
案例拆解：以双足行走的完整控制链路为例：规划层使用 LIPM 生成未来 1.6 秒的质心轨迹和 ZMP 轨迹；优化层使用拉格朗日法构建全身动力学 QP 问题，求解最优关节加速度；执行层使用牛顿-欧拉递推计算关节力矩指令；稳定层通过动量矩观测器检测躯干姿态偏差，叠加修正力矩。这一混合架构在 MIT Cheetah 和 Atlas 等机器人上均有成功应用。