前言：书接上回，上篇文章概述了人形机器人运动控制技术的发展历程和现状，讲解了基于MPC与WBC的运动控制算法框架。国地中心已将该传统控制框架成功部署于实物，并开源了相关项目在 OpenLoong 动力学控制仓库中。本文将介绍 OpenLoong 动力学控制仓库的相关内容，展示仓库的讨论度与开发者案例，并对常见问题进行分析。

下面是对马老师演讲第三、四部分内容的整理：

3、OpenLoong 动力学控制开源仓库

3.1 OpenLoong-dyn-control 开源仓库简介

OpenLoong 动力学控制开源仓库是基于 MPC 与 WBC 的人形机器人运动控制框架，可部署于常见腿部构型的双足机器人上进行运动控制。控制框架代码仓库地址：https://atomgit.com/openloong/openloong-dyn-control.git

开源仓库的内容主要包括以下几个方面：核心算法、基于 Pinocchio 的动力学接口以及基于 Mujoco 的仿真接口，这些都进行了良好的封装。即使大家不需要整个框架，也可以方便地取用其中的某一部分。

仓库有三个特点，一是易部署，集成了主要第三方库依赖，简化部署过程。二是可扩展，框架结构分层模块化设计，为二次开发提供了友好的环境。三是易理解，针对功能进行代码模块封装，降低代码复杂度，提高可理解性。

 团队基于 “青龙”机器人模型，提供了行走、跳跃、盲踩障碍物三种运动示例，同时已在实物样机上实现了行走、盲踩障碍两种运动。

3.2 仓库热度与用户活跃度 

仓库开源到现在几个月以来，仓库热度与用户活跃度都比较高。截至目前，仓库累计收到 86 项 Issue 提问，累计互动数180+，已成为开放原子热门项目；在各平台吸引了众多机器人控制领域的技术爱好者参与，在 Bilibili、CSDN 等技术分享平台，都有博主对该开源代码进行测试，发布实践经验，同时贡献 demo；部分用户已基于开源代码成功实现了不同构型机器人的实物部署，验证了其通用性。

OpenLoong 项目团队致力于与开发者建立互动协作的关系。通过线下的分享会等形式，OpenLoong 开源社区为大家提供技术支持，并分享一些技术细节。同时，团队也非常重视大家反馈的测试意见和优化建议。在仓库更新日志中，有一个贡献者名单，记录了所有为 OpenLoong 动力学仓库提出过优化意见和做出贡献的开发者，以此激励大家积极参与社区协作。

下面分享几个比较典型的开发者案例：

案例一：Mujoco 某一传感器接口索引号存在错位问题，导致数据采集不准确；

案例二：MPC与WBC计算中涉及了大量矩阵，而 release 编译模式会掩盖了部分维数不匹配问题；

案例三：社区成员提供了上楼梯 Demo，展示了算法在复杂环境中的应用，验证了其实际效果；

 （大家如果用代码测试出比较好的 demo 也可以联系我们，可以放到仓库里面来。）

3.3 常见问题分析

针对开发者提出的大量问题，团队进行了分类与统计，归纳出7类主要问题，并通过数据分析揭示了开发者的关注重点。其中，关于算法原理的问题最多，表明开发者对算法的理论背景和应用细节有强烈兴趣。对此，团队计划在OpenLoong 开源社区定期发布算法讲解文章，以更好地满足开发者的学习需求。其次，关于更换模型的问题也较多，反映出开发者对算法在不同场景下的迁移和适配能力非常关注。通过这些数据与分析，我们能够更好地把握开发者需求，并优化开源仓库的使用体验，同时也欢迎开发者持续关注并提出更多宝贵建议！

团队将进一步完善相关文档和工具，提高算法的可用性和扩展性，团队希望代码不仅适用于青龙机器人，也能适用于其他构型的机器人，这也是 OpenLoong 开源社区的目标。为此，团队将完善模型更换的文档，降低代码迁移的复杂度。

为提升代码的性能与实用性，进行了多次重要优化和功能迭代。这些改进旨在更好地适配实物模型、优化算法效果以及提升用户体验。随着代码的不断优化和迭代，系统的性能和可操作性得到了显著提升，未来将继续聚焦于降低更换模型的复杂度与扩展应用场景，进一步满足开发者的需求。

4、总结展望

今年，关于传统控制是否仍有必要研究的问题经常被提及。尽管具身智能日益火热，基于学习的控制方案的应用也日益广泛，但基于基础机理的控制研究仍应受到重视和发展。因为只有深入理解模型和机理，才能更长足地提升机器人的性能。前面提到的 ASIMO 和 Atlas ，他们卓越的控制性能就印证了这一点。

从具身智能的角度来看，随着机器人本体厂家的增多，本体的迁移性和仿真效果的对应性可能成为下一个竞争焦点。要实现这一目标，仍需依靠机理分析和传统控制研究。从具身智能产品的开发流程上来看，大概是分为三个步骤，建模，训练和预随机化，实物部署与性能评估，其中虚实差异对模型迁移效果影响较大。在 sim2real 方面，面向机理的研究将助力强化学习方法弥补虚实差异，提高迁移效果，更大程度释放硬件本体性能。

因此，希望大家继续关注机理建模和传统控制的研究，因为这是机器人发展长期伴随的研究方向。

最后，向大家汇报一下青龙团队近期取得的两个成果：一是通过传统控制实现了弯腰搬箱子和自主导航，整个过程无需遥控器干预，机器人能自主从一点走到另一点并搬运物品；二是通过强化学习实现了跑步。自7月份WAIC青龙机器人发布以来，团队一直在进行功能和算法的迭代开发，欢迎大家持续关注我们的成果和进展。

---

OpenLoong开源社区介绍

“OpenLoong”是一个全球领先的综合性人形机器人开源社区。社区秉持着技术驱动和开放透明的价值观，致力于汇聚全球开发者，共同推动人形机器人产业的发展，为全球人形机器人产业赋能。
我们的使命是通过在机器人本体技术、平台软件、具身智能、具身数据集以及上层应用等多个方面做出重大贡献，从而推动整个产业的进步。

注册成为 OpenLoong 开源社区的一员，与机器人研究者和爱好者共同开启人形机器人探索之旅！

注册地址：OpenLoong