当前位置：首页 > news >正文

3个步骤掌握Upkie开源轮式双足机器人：从零开始构建智能平衡机器人

news 2026/6/15 12:50:20

3个步骤掌握Upkie开源轮式双足机器人：从零开始构建智能平衡机器人

【免费下载链接】upkieOpen-source wheeled biped robots项目地址: https://gitcode.com/gh_mirrors/up/upkie

Upkie是一款创新的开源轮式双足机器人，它巧妙地将轮式移动的稳定性和双足机器人的地形适应性结合在一起，为机器人爱好者和研究人员提供了一个完美的学习平台。这款机器人采用现成组件构建，支持Python和C++双语言开发，并提供了从模拟到实机的无缝迁移体验，让任何人都能轻松进入机器人开发的世界。

为什么选择轮式双足机器人架构？

传统机器人设计往往面临一个两难选择：轮式机器人只能在平坦地面上高效移动，而足式机器人虽然能适应复杂地形，但控制难度大、成本高昂。Upkie的轮式双足架构完美解决了这一难题，让你既能享受轮式机器人的平衡稳定性，又能获得足式机器人的地形适应能力。

核心优势：

平衡与机动性兼备：轮子提供稳定的平衡点，腿部则赋予机器人调整姿态的能力
地形适应性强：能够轻松应对斜坡、小障碍物等复杂地形
控制复杂度适中：相比纯足式机器人，控制算法更加简化，适合初学者入门
开源硬件设计：所有机械设计文件开源，支持3D打印和定制化改造

快速上手：三步构建你的第一个机器人

第一步：环境准备与代码获取

开始之前，你需要准备一个Linux或macOS开发环境。Upkie支持多种包管理器，推荐使用pixi或uv来管理依赖：

# 克隆项目代码 git clone https://gitcode.com/gh_mirrors/up/upkie cd upkie # 使用pixi运行示例 pixi run example-follow-joystick # 或者使用uv uv run examples/follow_joystick.py

第二步：模拟环境中的机器人控制

在搭建真实硬件之前，你可以先在PyBullet物理引擎中测试控制算法。Upkie提供了完整的模拟环境，让你无需硬件就能开始开发：

import gymnasium as gym import upkie.envs # 注册Upkie环境 upkie.envs.register() # 创建模拟环境 env = gym.make("Upkie-PyBullet-Pendulum", frequency=200.0) # 开始控制循环 observation, _ = env.reset() for step in range(1000): # 这里添加你的控制算法 action = compute_action(observation) observation, reward, done, _ = env.step(action)

这张图片展示了Upkie的核心机械结构设计。你可以看到透明的立方体主体通过多段机械臂连接到两侧的轮子组件，绿色和红色的标记线代表了坐标参考系。这种创新的双足轮式机器人设计让机器人既能在平坦地面上像轮式机器人一样高效移动，又能通过腿部调节姿态来应对不平坦的地面。

第三步：从模拟到实机的无缝迁移

当你对模拟结果满意后，只需简单地将环境名称中的"PyBullet"替换为"Spine"，代码就能直接运行在真实的Upkie机器人上：

# 从模拟切换到真实机器人 env = gym.make("Upkie-Spine-Pendulum", frequency=200.0)

这种代码零修改迁移的特性是Upkie设计的核心优势之一，大大降低了从开发到部署的门槛。

Upkie的模块化软件架构

统一的环境接口设计

Upkie通过Gymnasium环境提供了统一的机器人控制接口。无论你是在模拟环境还是真实硬件上运行，都可以使用完全相同的代码。这种设计让开发者能够专注于控制算法本身，而不需要为不同的运行平台编写重复代码。

关键组件：

观察器管道：处理传感器数据，提供机器人状态信息
控制器管道：执行控制算法，生成电机指令
传感器管道：管理各种传感器数据采集
Spine核心：负责与硬件通信和实时控制

丰富的示例代码库

在examples/目录中，Upkie提供了大量实用的示例代码，覆盖了从基础控制到高级算法的各个方面：

PD平衡器：使用比例-微分反馈控制轮速来保持平衡
模型预测控制：完整的MPC平衡器实现
躺姿屈膝：演示机器人在水平地面上完成屈膝动作
跟随手柄：使用游戏手柄控制机器人移动
外部力施加：测试机器人在外部干扰下的稳定性

双语言支持：Python与C++

Upkie支持Python和C++两种开发语言，让你可以根据自己的技术背景选择最熟悉的编程方式：

# Python示例：简单的平衡控制 import upkie.envs import numpy as np upkie.envs.register() env = gym.make("Upkie-PyBullet-Pendulum", frequency=200.0)

// C++示例：控制器实现 #include "upkie/cpp/controllers/WheelBalancer.h" int main() { WheelBalancer balancer; // 控制器逻辑 return 0; }

硬件构建指南：使用现成组件

核心硬件组件

Upkie的设计理念是使用现成组件构建，这意味着你不需要自己设计复杂的机械部件或电路板：

mjbots驱动器：高性能的刷less伺服电机
Raspberry Pi：作为主控制器
3D打印部件：机械结构支持3D打印
标准传感器：IMU、编码器等

机械结构设计

这张图片展示了Upkie的传感器框架设计，特别是惯性测量单元（IMU）的安装结构。背景中的网格线和坐标轴表明这是经过精密计算的机械设计，确保传感器能够准确测量机器人的姿态和运动状态，为从模拟到实机的无缝迁移提供了技术保障。

电子系统集成

Upkie的电子系统采用模块化设计，便于维护和升级：

电源管理：高效的电能分配系统
通信总线：CAN总线连接所有驱动器
传感器接口：标准化的传感器连接
安全机制：紧急停止和故障保护

高级功能与扩展应用

强化学习集成

Upkie与多个强化学习框架兼容，为高级控制算法研究提供了平台：

稳定基线3：传统的强化学习训练平台
RL Baselines3 Zoo：新的CPU训练平台
MjLab Upkie：基于MjLab和MuJoCo Warp的GPU加速训练平台

领域随机化技术

为了增强机器人在真实世界中的鲁棒性，Upkie支持领域随机化技术：

# 添加领域随机化包装器 from upkie.envs.wrappers import random_push env = random_push.RandomPush(env, push_interval=100, max_push_force=10.0)

你可以在模拟环境中随机化机器人的物理参数（如质量、摩擦系数等），训练出更加健壮的控制策略。

自定义观察器与控制器

Upkie的模块化架构允许你轻松添加自定义组件：

# 自定义观察器示例 class CustomObserver: def observe(self, observation): # 添加自定义数据处理 return processed_observation # 自定义控制器示例 class CustomController: def compute_action(self, observation): # 实现自定义控制算法 return action