双足人形机器人真机步态运动控制落地框架

2026-09-10

仓库地址：https://github.com/engineai-robotics/engineai_humanoid


一、仓库核心定位与配套生态

该仓库是 EngineAI 人形机器人算法部署运行层，需配套同组织engineai_legged_gym强化学习仿真仓库协同使用：前者负责仿真环境训练步态神经网络策略，本仓库负责把 ONNX 格式策略模型编译、下发、驱动实体机器人完成行走控制；框架同时融合基于模型的控制算法与数据驱动强化学习算法两套技术路线，基于 Ubuntu 20.04 开发，适配自家 T800、SE01、PM01 等全系双足人形硬件。


二、核心模块化功能划分

  1. 底层基础算法模块

    内置机器人运动学建模、闭环链映射解算工具，提供整机惯性、关节动力学基础计算能力，是步态控制底层数学支撑；配套 LCM 通信数据类型，用于机器人状态日志、调试数据实时收发。


  2. 机器人配置与驱动层

    config 目录存放整机运动、关节、PID、强化学习策略参数 yaml 配置文件；dep-pkgs 内置自研电机驱动 libmotor 库，直接对接机器人哪吒（NaZha）主控板，实现底层电机扭矩控制。


  3. 算法部署核心模块

    user 目录为开发者算法开发区，强化学习 RL 部署模块已完整开发完成，基于 ONNX Runtime 加载神经网络步态策略；基于模型的运动规划、模型预测控制模块处于持续开发中。


  4. 工具与调试脚本

    提供编译、网络通信、参数校准、模型拷贝全套脚本；支持 lcm-spy 可视化查看关节角度、IMU、速度等实时状态数据。



三、完整真机部署与操控流程

仓库提供从本地编译到机器人真机运行的标准化操作链路：

  1. 环境依赖：依赖 Cmake、Eigen、yaml-cpp、LCM、ROS Noetic、ONNX Runtime、自研电机驱动库，给出完整源码编译安装步骤；

  2. 编译构建：本地 PC 编译生成控制程序，通过以太网 ssh 传输至机器人内置哪吒主控；

  3. 硬件操控逻辑

    支持游戏手柄遥控整机，包含屈膝站立、直腿站立、RL 强化行走三种基础模式；内置姿态欧拉角、线速度偏差校准工具，机器人行走漂移时可实时修正并保存参数；配备急停安全机制，异常时一键切断电机扭矩防止摔倒。



四、仓库开发规范与工程特性

  1. 代码规范：内置 clang-format 格式化文件，统一 C/C++ 代码风格；定义标准化 git 提交模板，区分 Bug 修复、新增功能、代码修改三类提交标签；

  2. 通信架构：基于 LCM 多播通信实现上位机与机器人主控实时交互，固定机器人静态 IP 组网；

  3. 运行机制：机器人上电默认自启控制程序，开发者可停止默认进程，替换自定义训练策略与控制参数做二次开发。


五、仓库现状、优势与短板

项目现状

仓库仅 2 次提交，更新停滞在 2024 年 9 月，无版本 Release 包，仅提供源码部署方案，无预编译安装包；仅开放强化学习部署模块，基于模型控制的算法代码暂未开源。

优势

  1. 软硬件深度适配 EngineAI 全系自研人形机器人，电机驱动、主控底层接口原生打通，仿真与真机运动参数一致性高；

  2. 完整闭环工具链，从仿真训练、模型导出、本地编译、真机调试、参数校准全流程文档齐全；

  3. 双算法路线兼容，同时支持传统模型控制与端到端强化学习步态，扩展性强。

短板

  1. 生态绑定度高，仅适配 EngineAI 自有硬件，第三方人形机器人移植成本极高；

  2. 长期停更，基于模型控制核心代码未开放，二次开发上限受限；

  3. 部署依赖大量指定版本第三方库，环境搭建繁琐，仅支持 Ubuntu 20.04 系统。


六、适用人群与使用场景

面向人形机器人算法研发人员、高校足式机器人实验室、EngineAI 硬件客户，用于完成人形机器人稳定行走、动态步态算法落地验证，可用于工业巡检人形、科研教育双足机器人的运动控制开发。



分享