精读笔记

Problem Setting

这篇论文不是在解决一般意义上的 legged locomotion planning，而是在一个更窄但工程价值很高的问题上发力：轮腿平衡机器人如何在台阶、楼梯、斜坡、跳跃等非光滑地形上生成短时动态轨迹，并且这些轨迹要能被真实硬件执行。

关键矛盾是：这类机器人必须利用倒立摆式非最小相位动力学和动量，纯反应式控制不够；但如果把接触切换、冲击、摩擦、执行器限制全部放进一般混合接触优化，问题会变成带互补约束的非凸优化，数值上很难、时间上也不适合实际部署。轮式接触还比足式接触多了滚动非完整约束与接触点沿地形连续移动的问题。

以前方法卡在两个极端：要么足够真实但太慢、太不稳定；要么足够快但把接触、冲击或地形几何简化掉，导致只能处理有限动作或依赖 hand-crafted routine。本文试图找到中间点：牺牲 3D 通用性和自动 contact schedule discovery，换取二维全非线性刚体动力学下的快速、可执行优化。

Motivation

作者的核心观察是：对 Ascento 这类双轮平衡机器人来说，最困难也最主要的动力学发生在行驶/平衡平面内。侧向、横滚、偏航虽然存在，但更像需要控制器压住的扰动，而不是轨迹优化必须完整建模的主动力学。因此，与其做低精度 3D 近似，不如做高精度 2D 非线性刚体模型。

第二个观察是：对已知地形剖面，轮子在无滑移滚动时的可行接触几何其实高度受限。轮心轨迹可由“把半径为 r 的圆沿地形滚过去”得到。也就是说，很多接触一致性约束并不需要交给优化器搜索，而可以通过几何预处理和坐标选择提前编码。

关键缺口因此变成：如何在不引入互补约束的情况下，让优化器仍然知道冲击、摩擦和执行器限制。本文的动机不是追求最一般的混合接触优化，而是把该任务中可预测、结构化的部分从优化中拿出来，使剩下的问题成为一个普通 NLP。

Core Idea

论文真正的核心是一次建模坐标系的重排：把轮子在地形上的位置、轮心高度和轮角，从完整坐标中的独立变量，压缩成一个沿轮心曲线的弧长相关参数 s。只要处在某个 contact phase 内，s 就唯一决定轮心位置和轮角速度关系，因此滚动接触约束天然满足。优化器不再需要同时决定“是否接触、在哪里接触、是否穿透、是否滑移”，而是在一个已经接触一致的低维流形上优化运动。

这带来的 inductive bias 很强：系统被假定沿给定地形相位序列前进，接触模式不是学习/搜索出来的，而是由地形几何和轮半径生成。这个 bias 正是可扩展性的来源。相比 complementarity-based TO，它放弃了模式自由度；相比质点/质心简化，它保留了二维全非线性刚体动力学和执行器约束。它本质上是一种“几何相位化 + 最小坐标动力学 + 物理约束回投影”的 hybrid system transcription。

和 prior 的本质差异不在“用了 NLP”或“用了 collocation”，而在它把轮式接触约束变成了坐标参数化问题。对于轮腿平衡机器人，这是比把轮子当 point foot 然后放松接触速度约束更自然的表示。

Method

1. 地形相位生成：它解决的是接触模式组合爆炸。作者从二维地形剖面构造轮心曲线，并在曲线交点、断点、台阶边缘等位置切分成 smooth phases。优化器只需要决定每个 phase 内的连续轨迹和 phase duration，而不需要搜索接触顺序。核心变化是把混合系统的离散结构从优化变量中剥离出来。

2. 弧长相关最小坐标：它解决的是滚动接触一致性和数值漂移。完整坐标 q_f 中轮心 x,z、轮角 φ 都受接触约束限制；最小坐标 q_s=[s, θ, joints] 直接在可行流形上建模。这样 contact force 在动力学投影中消失，优化维度和约束数下降，也避免了 DAE/ Baumgarte 稳定化带来的 stiffness。

3. full-space reprojection：它解决的是最小坐标丢失物理接触力的问题。虽然接触力在最小坐标动力学中被消掉，但摩擦锥和法向力非负必须检查。因此作者把 q_s 映射回 q_f，通过完整动力学恢复 λ_C，再施加 traction constraints。这一步是方法能保持物理可执行性的关键，否则最小坐标会默认无限摩擦和可拉地面。

4. 冲击映射：它解决的是非光滑地形相位切换时速度不连续。作者用质量矩阵加权投影得到 post-impact velocity，并再映射回最小坐标。这里的设计避免显式优化冲量，也避免在 collocation 内处理 Dirac impulse。

5. 直接 transcription 与增强 Hermite–Simpson：它解决的是在少量节点下保持二阶系统的数值一致性。增强点在于让广义坐标插值成为速度插值的积分，从而减少 q 与 qdot 插值不一致。这个部分有价值，但更像数值质量提升，不是本文核心突破。

6. Ascento 应用与跟踪控制：闭环四杆腿机构用解析闭式关系消去 loop constraints，这延续了“用坐标选择消约束”的主线。跟踪控制器是高增益 PD + 局部 LQR，主要作用是把真实 3D 机器人约束在二维模型附近。它实用但不构成方法的主要理论贡献。

Key Insight / Why It Works

最核心 insight 是：对于轮式越障，接触几何比一般足式接触更可预测。轮半径和地形剖面基本决定了 wheel center path，因此可以用几何先验替代一大部分接触优化。这不是 scaling，也不是 data coverage，而是强 inductive bias：把“物理可行接触”编码进状态空间。

方法有效的真正原因有三层。第一，最小坐标让优化器只在接触一致流形上搜索，极大减少无效解空间；这比在完整坐标中加大量约束更稳定。第二，相位预切分把非光滑性限制在边界处，phase 内动力学保持光滑，适合 IPOPT 这类梯度 NLP 求解器。第三，回投影接触力保留了摩擦与法向约束，使得降维没有完全牺牲物理真实性。

最可能的核心贡献是 arc-parameterized wheel state + phase-based terrain representation 的组合。单独看，phase-based optimization 在 legged robotics 中已有；minimal coordinates 也不是新概念；impact projection 也不是新物理。但把这些针对 wheeled balancing robot 的接触几何组织起来，使其变成秒级可解 NLP，这是实质创新。

哪些可能只是辅助：增强 Hermite–Simpson、CasADi graph optimization、IPOPT/Hessian approximation、MA97 等主要是 engineering / numerical scaling；重要但不是概念突破。Ascento 四杆闭链解析模型是很好的工程贡献，但偏平台相关。LQR/PD tracking 能跑起来很关键，不过增益来源和鲁棒性归因并不完全清晰，尤其真机成功还依赖软胎、较高摩擦、硬件升级、COM 标定和事件触发策略。

需要直接指出：本文并没有解决一般 contact-rich planning 的模式发现问题。它的“general terrain”是在给定二维剖面和可生成 wheel-center phases 的意义下 general；不是未知 3D 环境中的一般接触规划。所谓 scalability 主要来自把问题限制到一个非常合适的结构化子类，而不是优化算法本身突然能处理混合接触复杂性。

Relation To Prior Work

它最接近 phase-based TO / switching-time optimization 谱系：预设接触模式顺序，优化相位时长和连续轨迹，以规避 complementarity constraints。和纯足式 phase-based 方法相比，本文的新增信息是轮式滚动接触的 arc-based minimal representation，使轮心几何、轮角速度和地形接触天然耦合。

和 full rigid-body + complementarity 方法相比，本文不是更通用，而是更有偏置、更可解。它用地形几何先验替代离散模式搜索，因此数值上更干净，也满足常规 NLP 的约束资格条件。代价是无法处理未预期接触、复杂接触拓扑或真正未知接触序列。

和把 wheeled-legged robot 建模为 3D floating base + point wheels/feet 的路线相比，本文选择了相反 trade-off：降低空间维度，但提升平面内模型精度。这个判断对双轮平衡机器人是合理的，因为主要不稳定模态就在平面内；但它不是通用轮足机器人的统一方案。

和 RL 路线相比，本文的优势是样本效率、可解释约束、可直接改 terrain/objective；劣势是需要地图、模型和 contact schedule bias。它也可以被看作一种生成高质量 motion prior / demonstration 的方法，而不是替代学习控制的终点。

看似新的部分中，NLP transcription、collocation、impact projection 都是已有思想重组；实质新意在于对 wheeled balancing robot 这一类系统找到了一种非常合适的状态表示和地形相位生成方式。

Dataset / Evaluation

评估覆盖了多种地形类型：台阶、楼梯、斜坡、沟、半管、跳跃路线，以及站起动作。仿真部分说明该 NLP 在一批非平坦地形上都能生成可行轨迹，支持“方法适用于一大类二维非光滑地形”的 claim。

真机实验是这篇论文可信度最高的部分。它不是只在仿真里展示漂亮轨迹，而是在 Ascento 原型上执行了台阶、跳跃、站起、连续台阶和楼梯。尤其爬楼梯是重要证据，因为它需要在很短水平空间内反复恢复平衡并利用动力学。

但 evaluation 也有边界。楼梯实验不是一次生成并闭环跟踪整段长轨迹，而是通过单步轨迹在接触事件触发下重复执行。这实际验证的是“单步轨迹 + 事件触发复用”能爬楼，而不是“长时域全局 TO 在真实定位误差下稳定执行”。文中也承认，纯本体感知下相对地形定位会限制长轨迹执行。

鲁棒性评估主要集中在地形高度/位置 mismatch，结论是适度高估台阶有帮助。这支持 practical deployment，但还不足以说明对复杂未知地形、滑移、侧向扰动、不同摩擦材质有系统鲁棒性。benchmark 没有明显 leakage 问题，因为不是数据驱动方法；但评估存在工程耦合：硬件升级、软胎、摩擦设置、COM 标定和控制器都共同影响成功率。

Limitation

1. 接触顺序不是优化出来的。方法把 contact schedule discovery 变成 terrain phase generation，因此只适用于接触拓扑可由轮半径和二维剖面可靠推断的任务。若需要选择跳到哪里、是否绕开、是否使用身体/腿部额外接触，这个框架不直接覆盖。

2. 2D 假设是核心前提，不是小缺陷。真机能跑是因为高增益控制把 yaw/roll 压住，并且 Ascento 结构近似对称。对于侧向坡、单轮遇障、非对称接触或强 3D 地形，平面模型会失效。作者提出的 3D 扩展仍偏设想，文中未充分说明如何保持可解性。

3. 纯滚动与摩擦假设偏理想。最小坐标默认无滑移、无意外离地、接触不穿透；摩擦锥只是事后约束。真实台阶边缘上的软胎变形、冲击能量损失、接触点偏移都没有被模型准确表达。实际成功部分依赖 overestimate step height、deflated tires 和较高 μ，这些是重要 engineering compensation。

4. 长时域自主性没有解决。已知地图和相对定位是必要输入，但真机只用 proprioception，导致长轨迹相对地形漂移。爬楼通过“碰到下一阶再触发单步轨迹”绕开了这个问题。严格说，长期地形感知-规划-控制闭环仍未闭合。

5. 求解速度依赖结构化问题规模。单步/少相位可以秒级，十级楼梯已明显增加。若加入 3D、双轮独立地形、更多接触候选、在线地图不确定性，NLP 规模和 conditioning 可能迅速恶化。

6. 跟踪控制增益归因不完全清晰。LQR 基于沿轨迹局部线性化，但最终控制是高增益 PD/LQR 混合，且真机鲁棒性受状态估计延迟、硬件摩擦、轮胎、COM 标定影响很大。文中没有严格 ablation，因此不能把成功全部归因于 TO formulation。

Takeaway

• 1. 对结构化接触系统，最重要的不一定是更强 solver，而是找到让接触约束天然满足的坐标表示。
• 本文的 arc-parameter wheel state 是值得迁移的思想：先把几何可行性写进状态空间，再优化动力学。
• 2. 在 contact-rich robotics 中，牺牲模式通用性换取秒级可解性是合理路线，尤其当任务接触顺序由环境几何强约束时。
• 本文说明“少一点 generality，换来真机可执行”可能比追求全接触优化更有研究价值。

一句话总结

这篇论文把轮腿平衡机器人越障从一般混合接触优化重写为几何相位化的最小坐标 NLP，真正贡献是用强轮-地接触先验换取秒级可解且真机可执行的非光滑轨迹优化。