3、线性倒立摆模型：LIPM建模、质心轨迹规划、步态周期生成
各位做双足的朋友，咱们今天聊点硬核的——线性倒立摆模型。说实话，我刚入行那会儿，看到各种里推导LIPM的公式，头都是大的。但后来我发现，这东西说白了就是把人简化成一个质心加一条无质量的腿。你想想看，人走路时上半身基本保持直立，重心起伏很小，这不就是个倒立摆嘛。
我个人习惯把LIPM当作双足运动控制的"第一性原理"。不管后面用多复杂的模型，LIPM永远是那个最可靠的基准。好，咱们开始。
3.1 线性倒立摆模型建模
先看最基本的假设：我们把整个人体简化为一个质点（质心），质量集中在一点。腿是无质量的，但能产生力。脚底与地面是点接触，没有力矩。嗯，这里要注意，这个假设在单脚支撑期是合理的，双脚支撑期需要另外处理。
模型的核心方程其实很简单：
质心水平加速度 = g / z_c * (质心水平位置 - 落脚点位置)
其中：
- g 是重力加速度
- z_c 是质心高度（常数）
为什么会这样？因为LIPM假设质心高度不变，所以垂直方向的力只用来抵消重力，水平方向的力完全由质心偏移产生。我在项目中遇到过一个问题：如果实际机器人的质心高度波动超过5cm，这个模型就开始不准了。所以做硬件设计时，一定要保证髋关节有足够的刚度。
关键参数表：
| 参数 | 符号 | 典型值 | 说明 |
|---|---|---|---|
| 质心高度 | z_c | 0.5~0.8 m | 取决于机器人尺寸 |
| 重力加速度 | g | 9.81 m/s² | 常数 |
| 时间常数 | T = sqrt(z_c/g) | 0.22~0.28 s | 决定系统响应速度 |
| 支撑脚位置 | p | 动态变化 | 每一步的落脚点 |
这个模型最妙的地方在于它是线性的。线性意味着我们可以用解析解，不用跑复杂的数值积分。说白了，就是能直接算出下一步该踩哪儿。
3.2 质心轨迹规划
有了模型，接下来就是规划质心怎么走了。这里我分享一个我常用的方法——基于轨道能量（Orbital Energy）的规划。
轨道能量的定义：
E = 0.5 * x_dot² - (g / (2 * z_c)) * x²
其中：
- x 是质心相对于支撑脚的水平位置
- x_dot 是质心水平速度
这个能量在单脚支撑期内是守恒的。你想想看，如果能量为正，质心会越过支撑脚继续前进；能量为负，质心会往回摆。我们要的就是能量刚好为正，让机器人稳步向前。
我的经验：规划质心轨迹时，不要只盯着位置，速度的连续性更重要。我曾经在调试时发现，位置轨迹再平滑，只要速度有跳变，机器人就会抖得像筛糠一样。后来我强制要求速度曲线C1连续，问题就解决了。
具体规划步骤：
- 确定步态参数：步长、步频、单脚支撑时间
- 计算轨道能量：根据当前状态计算E值
- 预测未来状态：利用LIPM解析解推算到下一步
- 调整落脚点：使能量匹配期望的步态周期
这里有个坑——我刚开始做的时候，总想着一步到位算出完美轨迹。后来发现，实际机器人有执行误差，必须加反馈。我的做法是：每5ms重新计算一次轨道能量，动态调整落脚点。说白了，就是走一步看一步。
3.3 步态周期生成
步态周期说白了就是"左脚-右脚-左脚"的循环。但怎么让这个循环稳定？关键在落脚点的选择。
我给大家一个实用的公式——Capture Point（捕获点）：
Capture Point = x + x_dot * sqrt(z_c / g)
这个点告诉你：如果我把脚踩在这里，机器人就能停下来。
步态生成的核心逻辑：
- 每一步的落脚点要放在Capture Point前方一点
- 这个"一点"就是步长，决定了行走速度
- 步频由单脚支撑时间决定，一般0.3~0.5秒
避坑指南：我曾经在水泥地上测试，步态周期调得完美，结果一上地毯就摔了。原因是地面摩擦系数变了，Capture Point的计算没考虑摩擦力。后来我在模型里加了一个摩擦锥约束，才算搞定。记住：理论模型永远要留余量。
下面这张图是我自己总结的LIPM步态生成流程，你一看就明白：
你看这个流程，其实就是一个闭环。每一步走完，根据实际状态重新计算Capture Point，再决定下一步踩哪儿。说白了，就是不断修正。
3.4 实际调试中的几个要点
最后，我把自己踩过的坑总结一下，希望能帮你少走弯路：
| 问题 | 现象 | 解决方案 |
|---|---|---|
| 质心高度波动 | 机器人上下晃动 | 加强髋关节刚度，或改用变高度LIPM |
| 速度不连续 | 起步时前冲或后仰 | 强制速度曲线C1连续，加低通滤波 |
| 地面摩擦不足 | 脚底打滑 | 在Capture Point计算中加入摩擦锥约束 |
| 步频过快 | 系统发散 | 单脚支撑时间不要小于0.25秒 |
一个小技巧：调试时先用仿真跑一遍，把Capture Point的轨迹画出来。如果轨迹是平滑的正弦波，说明参数对了。如果出现尖峰或振荡，赶紧检查模型参数。我习惯在仿真里加5%的随机噪声，看看系统能不能扛住。
好了，LIPM的内容就到这里。记住一句话：模型越简单，鲁棒性越强。LIPM虽然简单，但用好了，足够应付大部分双足行走场景。下次遇到复杂地形，咱们再聊怎么在LIPM基础上加地形适应层。