Openloong

https://github.com/loongOpen/Openloong-dyn-control

基于 MPC 与 WBC 的仿人机器人运动控制框架

OpenLoong开源项目是由人形机器人（上海）有限公司、上海人形机器人制造业创新中心与开放原子开源基金会（OpenAtom Foundation）共同运营的开源项目。本仓库提供了一套基于 MPC 与 WBC 的仿人机器人控制框架，可部署在 Mujoco 仿真平台上。基于上海人形机器人创新中心“青龙”机器人模型，提供行走、跳跃、盲踩障碍物三种运动示例，在实物样机上实现了机器人的行走、盲踩障碍两种运动。

项目特点

• 易部署 提供全面的代码运行环境部署解决方案，以便用户能够轻松配置其所需的工作环境，本代码仓库包含了主要依赖，无需进行众多第三方库的安装，简化整个部署过程。

• 可扩展 控制框架结构采用分层模块化设计，旨在提高系统的可维护性和可扩展性，系统各功能模块在逻辑和功能上具有明确的界限，为二次开发提供了更加友好的环境，使开发人员能够更轻松地对系统进行功能定制和扩展。

• 易理解 代码结构简洁，遵循针对功能进行模块封装的代码设计原则，应用总线进行模块间数据交互，减少封装冗余，有助于降低代码复杂度；算法实现采用“读取-计算-写入”的简单逻辑，提高代码的可理解性。

Crocoddyl 

（https://github.com/loco-3d/crocoddyl）

Crocoddyl 是一个用于接触序列下机器人控制的最优控制库。其求解器基于新颖且高效的微分动态规划（DDP）算法。Crocoddyl 计算最优轨迹和反馈增益，并使用 Pinocchio 进行机器人动力学和解析导数的快速计算。

Crocoddyl 特性

 Crocoddyl 功能多样：

• 各种最优控制求解器（DDP、FDDP、BoxFDDP、Ipopt 等）
• 通过 Pinocchio 实现的分析和稀疏导数
• 利用 Pinocchio 的微分几何支持
• 各种积分器、动力学、成本和约束
• 数值微分支持
• 通过 CppAD 实现自动微分支持

Crocoddyl 高效且灵活：

•   缓存友好
• 通过 OpenMP 实现多线程支持
• 通过 Boost Python 实现的 Python 绑定（包括抽象层）
•   C++14/17/20 兼容
•   经过广泛测试
• 通过 CppADCodeGen 实现自动代码生成支持

 精选出版物

[1] C. Mastalli, R. Budhiraja, W. Merkt, G. Saurel, B. Hammoud, M. Naveau, J. Carpentier, L. Righetti, S. Vijayakumar和N. Mansard. Crocoddyl: An Efficient and Versatile Framework for Multi-Contact Optimal Control, IEEE国际机器人与自动化会议（ICRA）, 2020
[2] C. Mastalli, W. Merkt, J. Marti-Saumell, H. Ferrolho, J. Sola, N. Mansard和S. Vijayakumar. A Feasibility-Driven Approach to Control-Limited DDP, 自主机器人, 2022
[3] C. Mastalli, S. P. Chhatoi, T. Corbières, S. Tonneau和S. Vijayakumar. Inverse-Dynamics MPC via Nullspace Resolution, IEEE机器人学汇刊, 2023

✍️ 撰写者

• Carlos Mastalli

  ，英国赫瑞瓦特大学（项目负责人）

• Nicolas Mansard

  ，法国国家科学研究中心（LAAS-CNRS）

• Rohan Budhiraja

  ，法国国家科学研究中心（LAAS-CNRS）（校友）

👷 贡献者

• Guilhem Saurel

  ，法国国家科学研究中心（LAAS-CNRS）

• Wolfgang Merkt

  ，英国牛津大学

• Justin Carpentier

  ，法国国家信息与自动化研究所（INRIA）

• Andrea Del Prete

  ，意大利特伦托大学

• Wilson Jallet

  ，法国国家信息与自动化研究所（INRIA）

• Maximilien Naveau

  ，德国马克斯·普朗克研究所（MPI）

• Josep Martí Saumell

  ，西班牙加泰罗尼亚高级研究理事会 - 加泰罗尼亚理工大学（IRI: CSIC-UPC）

• Bilal Hammoud

  ，德国马克斯·普朗克研究所（MPI）

• Julian Eßer

  ，德国弗劳恩霍夫协会（Fraunhofer）

🏆 鸣谢

Crocoddyl的开发得到了欧盟MEMMO项目和欧盟RoboCom++项目的支持。它由机器人运动智能（RoMI）实验室[隶属英国赫瑞瓦特大学]、Gepetto团队[隶属法国国家科学研究中心（LAAS-CNRS）]以及Willow团队[隶属法国国家信息与自动化研究所（INRIA）]维护。