01
课程导论：人形机器人为什么容易倒？稳定性调参的核心目标与挑战。
从倾倒现象出发，理解调参的终极使命与难点。
导论核心概念
02
基础概念：ZMP（零力矩点）与CoM（质心）的关系与计算。
掌握稳定性判据的数学基础与几何意义。
ZMPCoM
03
传感器初识：IMU、关节编码器、足底力传感器的作用与数据解读。
读懂机器人感知层的第一手信息。
IMU编码器力传感器
04
仿真环境搭建：基于PyBullet/Isaac Gym的仿真平台配置。
快速部署安全、可复现的调参试验场。
PyBulletIsaac Gym
05
机器人模型导入：URDF模型解析与关节配置。
让机器人“活”在仿真中的第一步。
URDF关节配置
06
状态估计基础：卡尔曼滤波在姿态估计中的简单应用。
融合多传感器，获得干净的状态反馈。
卡尔曼滤波姿态估计
07
PD控制入门：位置控制与力控制的区别，P、D参数的意义。
从经典控制理论理解调参的底层逻辑。
PD控制位置/力控
08
单腿站立平衡：静态平衡的PID参数整定实战。
从单腿开始，建立平衡感。
PID静态平衡
09
双足站立平衡：重心偏移补偿与踝关节策略。
双腿协调，抵抗微小扰动。
重心补偿踝策略
10
行走步态规划：线性倒立摆模型（LIPM）与步态参数。
让机器人迈出稳定的第一步。
LIPM步态规划
11
行走中的ZMP跟踪：如何通过调整落脚点维持ZMP在支撑多边形内。
动态平衡的核心调节手段。
ZMP跟踪落脚点
12
上身姿态控制：躯干俯仰/横滚的补偿策略。
保持上半身稳定，提升行走优雅度。
上身控制俯仰/横滚
13
抗扰动测试：模拟推力、斜坡等外界干扰下的参数调整。
在真实干扰下检验调参鲁棒性。
抗扰动鲁棒性
14
参数整定方法论：手动调参与自动调参（如贝叶斯优化）的对比。
从经验到算法，提升调参效率。
手动调参贝叶斯优化
15
关节限位与力矩饱和：如何避免调参时损坏电机。
安全第一，保护硬件与实验数据。
限位保护力矩饱和
16
地面反作用力（GRF）控制：柔顺控制与阻抗控制入门。
让机器人学会“柔软”地接触地面。
GRF柔顺控制阻抗控制
17
迈步高度与步长调节：适应不同地形的参数映射。
灵活应对楼梯、斜坡、碎石等复杂地形。
步高调节地形适应
18
转向与原地旋转：偏航力矩的平衡控制。
实现灵活转向而不失稳定。
转向控制偏航力矩
19
上下楼梯的稳定性：台阶高度与步态周期的匹配。
攻克结构化环境中的典型挑战。
楼梯步态周期
20
斜坡行走：重力分量补偿与踝关节前馈。
在倾斜地面上保持从容步伐。
斜坡重力补偿
21
不平整地面行走：基于足底力传感器的地形自适应。
实时感知地面，动态调整足部姿态。
地形自适应足底力
22
跌倒检测与恢复：摔倒前的预警参数与起身策略。
从跌倒中学习，让机器人自己站起来。
跌倒检测恢复策略
23
多机器人协同：编队行走中的稳定性约束。
群体稳定，相互影响与协调。
编队协同控制
24
实时调参工具：使用rqt_reconfigure或自定义GUI进行在线调试。
所见即所得，加速调参迭代。
rqtGUI在线调试
25
日志分析与可视化：使用Matplotlib/Plotly分析关节轨迹与ZMP轨迹。
用数据驱动调参决策。
MatplotlibPlotly可视化
26
硬件在环测试：从仿真到真机的参数迁移技巧。
跨越仿真与现实的鸿沟。
硬件在环迁移
27
常见故障排查：震荡、漂移、摔倒的根因分析。
快速定位并解决调参中的典型问题。
故障排查震荡漂移
28
性能评估指标：稳定裕度、能耗、行走速度的权衡。
量化调参效果，找到最优平衡点。
稳定裕度能耗速度
29
前沿技术展望：模型预测控制（MPC）与强化学习在稳定性中的应用。
探索下一代调参与控制范式。
MPC强化学习
30
综合实战项目：完成一个完整的闭环行走演示，并录制调参过程报告。
融会贯通，展示你的调参艺术。
综合实战闭环演示