ZMP预览控制与线性倒立摆：双足机器人步态规划的Matlab实现

简介一套面向双足类人机器人研究者、运动控制方向学生及入门开发者的ZMP预览控制行走模式生成源码聚焦于行走规划中ZMP与CoM轨迹协调这一核心问题。项目把Matlab与Python搭配使用Matlab端负责计算预览控制增益、生成ZMP轨迹Python端通过前馈控制完成CoM轨迹模拟与闭环验证覆盖从参数求解、轨迹生成到动态仿真的完整链路附带轨迹对比图和说明文档方便逐项核对算法输出。压缩包共16个文件以6个Matlab脚本为主干另有Python脚本、Jupyter Notebook、MAT格式参数文件、示例图片及README等整体仅109KB内容精炼既能快速读懂核心逻辑也便于二次开发。目前已有630人学习/下载尤其适合正在研究双足稳定行走、希望快速搭建ZMP预览控制实验环境并愿意参照源码逐行理解前馈控制实现细节的读者。1. 从走三步就摔到稳定行走ZMP预览控制做了什么早几年我调一台双足机器人样机第一版步态是拿正弦函数直接生成质心轨迹结果机器人站着还能立住一迈步就歪平均走三步就要倒。后来换成ZMP预览控制的行走模式生成方案才算把步态这关过了。这套Matlab代码做的事正是ZMP预览控制ZMP Preview Control的完整落地输入步长、步周期、质心高度等参数先规划左右脚落脚序列再生成参考ZMP轨迹最后由预览控制器反解出一条平滑质心轨迹送到底层控制。适合两类人。一类是做双足或类人机器人步态规划、不想从LIPM公式到Riccati方程一步步推的开发者拿这份代码当参考实现跑通之后替换自己的模型参数另一类是想把步态生成模块接进自家框架、需要一份能跑能改的Matlab成品的网友。即便你的机器人是四足或轮足混合形态预览控制的思路也适用——只要系统能线性化成倒立摆形式这套流程就能搬。2. 技术架构与目录结构LIPM模型、预览控制器和代码布局在拆开代码之前先讲清楚两个设计决定为什么模型要简化为什么控制器要带预览。这两个决定决定了后面所有文件的长相也决定了这份代码为什么能作为一套可复用的步态生成模板而不是只能跑通的一个孤例。2.1 为什么步态生成要简化成线性倒立摆双足机器人的完整动力学是多变量强耦合的非线性方程组直接拿来算步态规划既没有解析解也拖垮计算效率。业界主流的做法是把机器人抽象成点质量加一根无质量支撑腿质心高度在整个步态过程中保持恒定这个模型就是线性倒立摆LIPM。预览控制的思路最早出现在上世纪九十年代的步行机器人研究中核心思想后来被沿用到四足、轮足混合等多种机器人形态。LIPM只保留水平两个维度的自由度竖直方向靠“质心高度恒定”锁死水平方向的动力学与ZMP关系退化成一条很干净的线性方程x (g / z_c) * (x - p_x) y (g / z_c) * (y - p_y)其中x、y是质心水平位置p_x、p_y是ZMP位置z_c是质心离地高度g是重力加速度。这个方程含义直白ZMP在质心前面质心就往前加速追ZMP在质心后面质心就减速等。机器人走路平衡的本质是让ZMP始终落在脚下支撑多边形内部一旦ZMP滑出边界地面给机器人的反作用力就无法维持当前姿态。预览控制能成立依赖这条方程的线性性质。线性系统可以离散化可以套Riccati方程可以把未来参考输入叠进控制律。换成非线性的倒立摆模型这套算法就没有解析解法了只能上非线性优化那在线运算量会大一个量级。实际使用时有几个细节容易忽略z_c取值必须是机器人质心的真实高度取偏差会导致ZMP跟踪出现系统性偏移LIPM动力学只描述单脚支撑期的行为双脚支撑期的重心过渡要靠专门逻辑这部分代码放在ZMP参考生成模块里。2.2 预览控制器反馈之外的前馈通道普通反馈控制是看到当前误差再纠偏双足行走只做反馈永远慢半拍。预览控制器多了一条前馈通道手里握着一整段未来的参考ZMP轨迹每一步都在用未来N步的信息决定当前给多大加加速度。这有点像开车过弯老司机看的是弯道出口不是保险杠前面的白线。用二次型目标函数量化这个权衡J sum{ e[k]^T * Qe * e[k] du[k]^T * R * du[k] }e是当前ZMP跟踪误差du是质心加加速度jerk变化量Qe和R是权重。目标函数越小意味着ZMP跟踪越准、质心轨迹越平滑。解出来的控制律分成两半u[k] -K * x[k] sum{ F[i] * p_ref[ki] }前半是状态反馈看当前质心状态后半是预览前馈把未来L步的参考ZMP按F[i]加权进来。F序列就是预览增益L就是预览窗口长度。窗口越长轨迹越平滑但离线计算量和内存占用也越大。两个权重怎么调是这套代码里最值得玩味的部分。Qe大控制器更看重ZMP跟踪轨迹贴得更紧代价是质心加速度变化更猛R大轨迹更平滑但ZMP跟踪误差变大机器人容易走出“发软”的步态。我一般从Qe1、R1e-4起步配合第4章的仿真曲线再微调。注意这里的u是加加速度jerk不是关节力矩预览控制只负责几何轨迹力矩分配是底层控制器的事模块边界要拎清。预览控制还有个前提参考轨迹本身不能拍脑袋乱给。ZMP参考如果频繁进出支撑多边形边缘预览控制器再怎么调权重也救不回来因为控制力顶不过几何约束。我刚接触这套代码时也踩过这个坑以为调参能掩盖粗糙的参考轨迹后来把双脚支撑期的插值改光滑曲线立刻顺了。2.3 代码目录与关键文件映射整套程序沿一条数据流组织脚序列生成、ZMP参考生成、模型离散化、预览增益求解、轨迹仿真、可视化。拆包后核心文件的大致职责如下文件职责关键输入关键输出main_wpg.m主脚本设定全部参数步长、步周期、质心高度质心轨迹、动画genFootsteps.m生成左右脚交替落脚点步长、步宽、总步数落脚点数组n×3genZMPRef.m由落脚点生成参考ZMP落脚点、支撑周期比例参考ZMP序列N×2discretizeLIPM.m离散化LIPM状态方程采样周期、质心高度A、B、C矩阵solvePreviewGain.m用Riccati迭代求增益A、B、C、权重反馈增益K、预览增益FsimulateWPG.m滚动仿真质心轨迹增益、参考ZMPCoM位置、速度、实际ZMPanimateWalk.m绘制动画和曲线轨迹、落脚点动画窗口用数据流的眼光看这个结构会发现它和真实机器人上的步态生成模块非常接近脚序列规划器和ZMP参考生成器对应上层导航输出预览控制器对应在线步态生成仿真文件对应接进实时控制环之前的离线验证。整套代码按系统开源的方式组织模块边界干净改动通常集中在两三个文件里二次开发不用把整个工程读完。后面改代码也按这条链路从前往后改参数、从后往前查问题每个文件都不算长核心逻辑集中在两个generator和一个solver上适合当脚手架用。3. 核心模块拆解从落脚点到平滑质心轨迹的完整链路这一章把数据流上的四个关键函数逐一拆开。读的时候建议打开代码包对着看每个函数都不长但前后依赖关系密脚序列给ZMP参考提供空间基准ZMP参考给增益求解提供目标增益再回过来生成质心轨迹。3.1 脚踏点序列生成genFootsteps脚序列是步态的地基定义每一步要落在哪里、哪只脚先迈。直线行走时只需要三个参数步长stepLen、步宽stepWidth、总步数totalSteps。左右脚在x方向交替前进一个步长在y方向分别保持在步宽正负半侧。代码先从最简单的情况入手不做转弯、不做变步长把空间和时间解耦。% genFootsteps.m % 生成交替前进的左右脚落脚点序列 function steps genFootsteps(stepLen, stepWidth, totalSteps) steps zeros(totalSteps, 3); for i 1:totalSteps % 第i步的x坐标第一步从原点出发之后每步前进一个步长 steps(i, 1) (i - 1) * stepLen; % y坐标按奇偶交替到左脚或右脚脚踝相对中线偏移步宽的一半 if mod(i, 2) 1 steps(i, 2) stepWidth / 2; else steps(i, 2) -stepWidth / 2; end % z坐标全部贴地抬脚高度不在这层管 steps(i, 3) 0; end end代码逻辑很直白x方向按步数累加y方向用mod奇偶切换左右脚第三维z全置0抬脚高度属于轨迹插值层的工作。参数说明stepLen单步步长单位米典型值0.1到0.2。步长太大会让单脚支撑期的ZMP偏离支撑中心太远太小又看不出前进效果stepWidth左右脚踝间距典型值0.15到0.25与机器人髋关节宽度有关太窄会让ZMP落点接近中线横向稳定性变差totalSteps总步数仿真时设10到20步足够看清趋势。这段代码只管落脚点位置不管落脚时序。时序在ZMP参考生成模块里处理。新手最容易犯的错是把步长和周期耦合在一起算其实代码里步长只管空间、周期只管时间解耦之后调参数方便很多。如果你想改成转弯步态也只需要在这里加一个旋转矩阵其余模块不用动。3.2 ZMP参考轨迹生成genZMPRef有了落脚点下一个问题是怎么把落脚点位置翻译成随时间变化的参考ZMP轨迹。ZMP不能像落脚点那样突变它必须在当前支撑脚的脚底多边形内部双脚支撑期还得平滑地从一只脚过渡到另一只脚。常规做法是单脚支撑期把参考ZMP钉在当前支撑脚踝正下方双脚支撑期让参考ZMP从前支撑脚踝线性移动到后支撑脚踝。双脚支撑时间占步周期的20%到30%比较常见。下面这段代码是简化实现假设每一步结束点都在前一只脚的位置也就是双脚并拢式的行走% genZMPRef.m % 从落脚点序列生成参考ZMP轨迹 function zmpRef genZMPRef(steps, stepTime, dsRatio, dt) N size(steps, 1); totalT N * stepTime; t 0:dt:totalT; zmpRef zeros(length(t), 2); dsTime dsRatio * stepTime; % 双脚支撑时长 for i 1:length(t) % 当前落在第几步钳到最大步数防止越界 stepIdx floor(t(i) / stepTime) 1; stepIdx min(stepIdx, N); timeInStep mod(t(i), stepTime); if timeInStep dsTime % 双脚支撑期ZMP从上一只脚踝线性过渡到当前脚踝 if stepIdx 1 from [0, 0]; else from steps(stepIdx - 1, 1:2); end to steps(stepIdx, 1:2); alpha timeInStep / dsTime; zmpRef(i, :) (1 - alpha) * from alpha * to; else % 单脚支撑期ZMP钉在当前支撑脚踝 zmpRef(i, :) steps(stepIdx, 1:2); end end end逻辑分两个阶段时间轴推到每一步的周期里如果还在双脚支撑窗口内就从上一脚踝向当前脚踝线性插值过了这个窗口就钉在当前脚踝上。alpha是过渡进度从0到1。参数说明stepTime单步周期单位秒典型值0.5到1.0。太快则参考ZMP变化剧烈质心需要高加加速度去追太慢又不像走路更接近原地踏步dsRatio双脚支撑时间占比0.2到0.3比较稳。比例太小会让过渡阶段变短ZMP曲线的斜率变陡dt采样周期0.01秒是平衡点既保证精度又不让序列太长必须和后面离散化LIPM的dt保持一致。最容易踩坑的是末段边界最后一步结束后进入终点站立时长没有单独建模参考ZMP会停在最后一脚踝质心轨迹在末尾会有小幅回落。这个现象第5章专门讲。另外简化版用线性插值如果你追求更自然的步态可以把双脚支撑期的过渡从直线改成三次多项式质心速度曲线会更顺滑改动只涉及alpha的计算方式。3.3 模型离散化与预览增益求解LIPM方程要变成能写进控制器的形式先离散化。取状态向量为质心位置、速度、加速度三者的组合控制输入u是质心加加速度jerk采样周期dt。前向欧拉离散的结果如下% discretizeLIPM.m % 离散化LIPM动力学返回状态方程矩阵 function [A, B, C] discretizeLIPM(dt, zc, g) % 状态 x [px; vx; ax]控制 u d(ax)/dt A [1, dt, dt^2/2; ... 0, 1, dt; ... 0, 0, 1]; B [dt^3/6; dt^2/2; dt]; % ZMP 输出p px - (zc/g) * ax C [1, 0, -zc / g]; endA是把当前状态推进一拍的状态转移矩阵B是控制输入的通道矩阵C把状态映射到ZMP输出。注意C的写法ZMP等于质心位置减去加速度乘z_c/g这正是LIPM方程的变形。离散化格式是预览控制标准推导里的通项写法0.01秒采样周期下低阶欧拉近似已经够用没必要引入更复杂的积分器。拿到A、B、C之后预览增益要用Riccati迭代离线求解。增广状态里多一维上一拍的控制量代价矩阵X迭代收敛后拆出反馈增益和预览增益% solvePreviewGain.m主干示意 % 用增广误差状态求预览控制器增益 function [K, F] solvePreviewGain(A, B, C, Qe, R, Np) n size(A, 1); % 增广状态把控制量的增量并入状态误差盯ZMP输出 Abar [A, B; zeros(1, n), 1]; Bbar [B; 1]; Cbar [C, 0]; % 离散Riccati方程不动点迭代 X Cbar * Qe * Cbar; for k 1:500 S R Bbar * X * Bbar; Kbar S \ (Bbar * X * Abar); Xn Cbar * Qe * Cbar ... (Abar - Bbar * Kbar) * X * (Abar - Bbar * Kbar) ... Kbar * R * Kbar; if norm(Xn - X, fro) 1e-12 X Xn; break; end X Xn; end % 反馈增益K作用在质心状态上 K Kbar(1:n); % 预览增益F沿闭环矩阵H向后滚动 H Abar - Bbar * Kbar; F zeros(Np, 1); Xi (S \ (Bbar * X)); for i 1:Np F(i) Xi(end); % 参考ZMP对应的分量 Xi Xi * H; % 向后滚一步 end end主干示意里我把预览增益的递推简化成沿闭环矩阵H逐拍向后滚完整实现里末尾还要乘一个投影向量来剥离参考输入通道这里为了可读性省略。跑仿真时只要K和F曲线与你自己复算的Riccati解一致就说明递推没写错。参数说明QeZMP误差权重标量越大跟踪越紧R控制增量权重标量越大轨迹越平滑Np预览窗口长度单位是拍。比如预览1.2秒、dt0.01时Np120。实际工程里预览窗口不是越长越好。窗口越长提前反应越充足但离线求解的F序列尾端趋于零对结果的影响越来越小反而白白增加内存。常见经验值取1.0到1.6秒的窗口对应的Np就是100到160拍。3.4 质心轨迹滚动仿真simulateWPG增益求解完成后质心轨迹的生成就是标准的滚动计算。水平面内的x和y两个方向分别跑一遍预览控制得到位置、速度、加速度序列。下面给出单方向的实现% simulateWPG.m % 预览控制器滚动生成质心轨迹单方向版本 function [com, vel, acc, zmpOut] simulateWPG(A, B, C, K, F, pRef, Np) N length(pRef); n size(A, 1); x zeros(n, N); % 状态轨迹位置/速度/加速度 u zeros(1, N); % 控制输入jerk zmpOut zeros(1, N); for k 1:N-1 % 取预览窗口内的参考ZMP末尾越界时补最后一拍的参考值 idx k:min(kNp-1, N); p pRef(idx); if length(p) Np p [p, repmat(pRef(end), 1, Np - length(p))]; end % 控制律反馈 预览前馈 u(k) -K * x(:,k) sum(F .* p); % 状态推进 x(:, k1) A * x(:,k) B * u(k); end com x(1, :); vel x(2, :); acc x(3, :); zmpOut C * x; end控制律一行就装下了u(k)等于负反馈项加预览前馈项。sum(F .* p)把预览窗口内每个参考ZMP乘以对应增益再求和权重越大说明那一拍的参考值越影响当前决策。递推完成后从状态矩阵里取出位置、速度、加速度ZMP输出由C矩阵映射得到。这个仿真有个关键假设模型已经离线离散化增益已经离线算好在线部分只做两个矩阵乘加。这也是预览控制适合嵌入式实时环境的原因——在线计算量远小于MPC这类优化算法。4. 跑通这份代码从脚本入口到可视化验证4.1 运行环境与参数入口这份代码纯Matlab就能跑不依赖Simulink也不依赖Control System Toolbox因为Riccati迭代是手写的。这意味着任何一台装得起Matlab的机器都能运行对你二次开发很友好。启动后先打开main_wpg.m文件顶部的参数区就是入口。% main_wpg.m 顶部参数区 dt 0.01; % 采样周期秒 zc 0.80; % 质心高度米 g 9.81; % 重力加速度米/秒^2 stepLen 0.15; % 步长米 stepWidth 0.18; % 步宽米 stepTime 0.8; % 单步周期秒 dsRatio 0.25; % 双脚支撑时间占比 totalSteps 10; % 总步数 Np round(1.2 / dt); % 预览窗口1.2秒对应的拍数这些参数之间有几组关联要留意。Np用round从预览时间换算成拍数目的是让预览窗口和采样周期解耦改dt时不用手算NpdsRatio乘stepTime必须小于stepTime否则双脚支撑期会覆盖整个步周期totalSteps设10到20步足够观察稳态规律太多会让仿真曲线尾部很长看不出细节。改完参数直接运行脚本会串起整个链路并弹出两个图形窗口一个是质心位置、速度、加速度随时间变化的曲线另一个是机器人前进的平面动画。如果只想看轨迹不想开动画把main末尾调用animateWalk那行注释掉即可。4.2 运行结果怎么读ZMP误差、质心曲线和动画运行完成后第一件要确认的事是ZMP曲线的跟踪质量。在仿真输出里对比pRef和zmpOut两条曲线除了起步和停步阶段会有明显偏差中间稳定段两条曲线应该几乎重合。如果稳定段误差超过2厘米先从权重找原因Qe增大是首选。质心曲线的读数有讲究。位置曲线整体平滑上升代表机器人在前进速度曲线在每个步周期内呈现快慢交替单脚支撑期快点、双脚支撑期慢点这是正常形态加速度曲线是锯齿状的因为预览控制在持续修正ZMP偏差。最后一到两步加速度会稍微收敛变平属于边界效应不用慌。动画窗口里关注两点机器人脚下的ZMP点是否始终落在支撑脚底多边形内脚在单脚支撑期是否保持静止双脚期才移动。两条都满足说明步态几何上是稳定的。如果ZMP点擦着支撑多边形边缘走说明步宽偏小或dsRatio偏小优先加大步宽。4.3 调参数让机器人走得更自然跑通默认参数后按下面的顺序微调效果最好。先动步长和步周期stepLen 0.2、stepTime 0.6观察速度曲线是否更接近自然行走的钟摆感。再调双脚支撑比例dsRatio从0.25往0.15降ZMP过渡会更利落但质心速度波动变大往0.3升则更稳更慢。最后调权重跟踪不准优先增大Qe轨迹过冲优先增大R。我个人的调试顺序是从时间参数改起因为ZMP参考的变化频率主要由步周期决定权重是用来收尾的不是用来解决周期性问题的。如果改完发现质心位置曲线在步与步之间出现高频抖动基本可以断定是R太小把R从1e-4升到1e-3再看。这一系列调整的核心还是回到第2章那个公式ZMP决定质心怎么走预览控制决定ZMP追得多紧。调参时脑子里要有这条因果链不要同时动两三个变量出了问题都不知道是谁的锅。提示改参数前先备份一份原始的main_wpg.m。我当年就是改完没存想对比旧参数又改不回去翻了好久的车。5. 常见问题与避坑指南5.1 现象Riccati迭代不收敛增益输出NaN把R设成0或非常小的值比如1e-12增益求解直接返回NaN。原因是控制增量的惩罚项太小最优化问题接近病态矩阵S求逆时接近奇异。解决的第一步也是血泪经验R不要小于1e-6常规范围在1e-4到1e-2之间。第二步是检查增广矩阵Bbar最后一行是否为1如果你自己扩展状态时把Bbar拼错Riccati迭代必散。遇到NaN先别怀疑公式先确认每一步的矩阵维度用disp(size(Abar))、disp(size(Bbar))打出来看一遍维度对不上基本就是拼错。5.2 现象ZMP参考在双脚支撑期跳变速度曲线出现尖角genZMPRef里双脚支撑期的线性插值不应该有突变但如果改过dsRatio发现ZMP曲线在双脚期进入单脚期的瞬间拐出一个尖角多半是过渡起点取错了。检查代码里from变量是不是取了steps(stepIdx-1)而没判断第一步的边界。第一步时from取[0,0]是把机器人的初始位置当作虚拟前脚如果初始质心位置不在原点这个假设就不成立。解决把初始质心位置作为参数传入genZMPRef用真实值替代原点。严格做法是让ZMP在两只脚踝之间按时间比例插值还要考虑支撑多边形重心但线性插值对预览控制来说够用。5.3 现象质心轨迹在最后一两步掉下去末端效应几乎每个跑预览控制的人都会遇到。原因是参考ZMP在最后一步之后没有继续给预览控制器的前馈通道在窗口尾部补的是最后一拍参考值相当于按静止状态收尾。可机器人实际停下来时还要把重心移到两脚之间参考ZMP应该有个收拢过程。解决的常见做法是在最后补一段站立参考把最后一步的ZMP参考值保持0.3秒到0.5秒再线性过渡到两脚中心让预览控制器有时间把质心速度降下来。代码里就是在zmpRef末尾多append一段固定值或斜坡改动量很小但效果立竿见影。5.4 现象预览窗口调大结果反而变慢变软很多人以为预览窗口越长越好实际行为是窗口从0.5秒增到1.5秒时明显改善继续增到3秒轨迹几乎不再变化。原因在于预览增益F序列是衰减的窗口后半部的增益已经趋近于零多出来的参考值乘上接近0的系数等于白算。这个现象不是bug是指标函数里的权重决定了有效展望距离。想真正延长有效预览应该增加Qe相对R的比例而不是单纯拉长Np。这一点很反直觉当年我在这上面耗了快一周最后对着F序列曲线才想明白。5.5 现象动画里脚在原地打滑脚打滑基本可以锁定是脚序列与ZMP参考没有对齐。典型错误是把落脚点时间下标和ZMP时间下标错开一拍脚序列在第k步落地ZMP参考却等到第k1步才把支撑脚切过去。检查genZMPRef里stepIdx floor(t(i)/stepTime)1是否和你的步态时钟起点一致。如果步态时钟从0开始、脚序列第一步也在0时刻两者对齐很简单如果你在别处给时间轴加了偏移量问题就来了。解决在main里把时间轴起点统一打出来人工对比第n步的落地时刻和ZMP参考切脚时刻偏差必须小于一个dt。6. 二次开发把预览控制嵌进你的机器人框架6.1 抽接口把脚本拆成能被调用的函数原代码的main是顺序脚本二次开发第一步是把它改造成函数接口。配置塞进一个结构体cfg所有函数不再依赖任何全局变量这样才能被测试脚本和机器人主程序分别调用。% buildWalkingPattern.m % 输入步态参数输出质心轨迹与脚序列供上层控制器调用 function [comTraj, zmpRef, footSeq] buildWalkingPattern(cfg) [steps] genFootsteps(cfg.stepLen, cfg.stepWidth, cfg.totalSteps); [zmpRef] genZMPRef(steps, cfg.stepTime, cfg.dsRatio, cfg.dt); [A, B, C] discretizeLIPM(cfg.dt, cfg.zc, cfg.g); [K, F] solvePreviewGain(A, B, C, cfg.Qe, cfg.R, cfg.Np); [comTraj, ~, ~, ~] simulateWPG(A, B, C, K, F, zmpRef(:,1), cfg.Np); % y方向的流程与x方向相同这里省略实际代码里两份串行跑 footSeq steps; end6.2 从直线走到转弯改脚序列生成器改造成转弯步态时只需动genFootsteps。转弯的本质是每一步额外旋转一个角度theta落脚点的坐标系跟着转% 转弯步态核心旋转矩阵作用于当前步的偏移 R [cos(theta), -sin(theta); sin(theta), cos(theta)]; steps(i, 1:2) steps(i, 1:2) * R;注意ZMP参考生成和质心轨迹要同步切换坐标系否则脚序列转了、ZMP参考还在直线上两套坐标系打架动画里脚必滑。6.3 验证改造的正确性改完任何一步先跑同参数下的旧接口和新接口把两条质心位置曲线做差差值应在浮点误差范围内。然后设一组极端参数比如大步长、快周期、小R跑仿真看ZMP是否仍在支撑多边形内这是比曲线更硬性的安全指标。验证时特别要盯着最后一步的设计——在线机器人跑完一序列步态后要能站稳才敢接到底层控制器里去。从那以后我每次改步态生成代码都强制走一遍同参数对比、极端参数压测、末端站立检查这三条验证习惯了。希望帮到你。本文还有配套的精品资源点击获取