执行器与控制接口

本文档聚焦 atom01 人形机器人在 MuJoCo 仿真环境中的执行器建模策略与控制接口设计。MuJoCo 的 MJCF 格式采用 23 组理想扭矩电机直接驱动关节，配合分层默认动力学参数与全套执行器状态传感器，为强化学习训练提供了直接力控接口。理解这一设计的前提是区分 URDF 的“关节限位语义”与 MJCF 的“电机控制语义”——前者描述硬件属性，后者定义仿真控制律。

Sources: atom01.xml

执行器架构总览

atom01 在 MJCF 中定义了 23 个 <motor> 执行器，覆盖除浮动基座外的全部驱动关节。其控制链路遵循“策略输出 → 控制向量 → 电机扭矩 → 关节动力学 → 状态反馈”的闭环结构，整体架构如下：

flowchart LR
    A[策略/控制器<br/>ctrl ∈ ℝ²³] --> B["MuJoCo Motor<br/>τ = gear × ctrl"]
    B --> C[关节动力学<br/>含阻尼/摩擦/惯量]
    C --> D[刚体运动<br/>q, q̇]
    D --> E[执行器传感器<br/>pos / vel / frc]
    D --> F[IMU 传感器<br/>ori / vel / acc]
    E --> A
    F --> A

该架构的核心特征是 直接扭矩控制（Direct Torque Control）。每个 <motor> 元素的 gear="1" 意味着控制输入 ctrl 直接映射为关节轴上的扭矩值（单位 N·m），不经过位置或速度伺服中间层。这种设计使得外部策略（如强化学习策略）可直接输出连续扭矩指令，绕过了传统伺服电机的 PD 增益调参。

Sources: atom01.xml, atom01.xml

执行器清单与参数

下表汇总了全部 23 个执行器及其控制参数。所有电机统一采用 gear="1" 与 ctrllimited="true"，控制量程均为 [-200, 200] N·m。

执行器名称	关联关节	所属肢体	控制量程 (N·m)	传动比
`left_thigh_yaw_joint`	`left_thigh_yaw_joint`	左腿	`[-200, 200]`	1
`left_thigh_roll_joint`	`left_thigh_roll_joint`	左腿	`[-200, 200]`	1
`left_thigh_pitch_joint`	`left_thigh_pitch_joint`	左腿	`[-200, 200]`	1
`left_knee_joint`	`left_knee_joint`	左腿	`[-200, 200]`	1
`left_ankle_pitch_joint`	`left_ankle_pitch_joint`	左腿	`[-200, 200]`	1
`left_ankle_roll_joint`	`left_ankle_roll_joint`	左腿	`[-200, 200]`	1
`right_thigh_yaw_joint`	`right_thigh_yaw_joint`	右腿	`[-200, 200]`	1
`right_thigh_roll_joint`	`right_thigh_roll_joint`	右腿	`[-200, 200]`	1
`right_thigh_pitch_joint`	`right_thigh_pitch_joint`	右腿	`[-200, 200]`	1
`right_knee_joint`	`right_knee_joint`	右腿	`[-200, 200]`	1
`right_ankle_pitch_joint`	`right_ankle_pitch_joint`	右腿	`[-200, 200]`	1
`right_ankle_roll_joint`	`right_ankle_roll_joint`	右腿	`[-200, 200]`	1
`torso_joint`	`torso_joint`	躯干	`[-200, 200]`	1
`left_arm_pitch_joint`	`left_arm_pitch_joint`	左臂	`[-200, 200]`	1
`left_arm_roll_joint`	`left_arm_roll_joint`	左臂	`[-200, 200]`	1
`left_arm_yaw_joint`	`left_arm_yaw_joint`	左臂	`[-200, 200]`	1
`left_elbow_pitch_joint`	`left_elbow_pitch_joint`	左臂	`[-200, 200]`	1
`left_elbow_yaw_joint`	`left_elbow_yaw_joint`	左臂	`[-200, 200]`	1
`right_arm_pitch_joint`	`right_arm_pitch_joint`	右臂	`[-200, 200]`	1
`right_arm_roll_joint`	`right_arm_roll_joint`	右臂	`[-200, 200]`	1
`right_arm_yaw_joint`	`right_arm_yaw_joint`	右臂	`[-200, 200]`	1
`right_elbow_pitch_joint`	`right_elbow_pitch_joint`	右臂	`[-200, 200]`	1
`right_elbow_yaw_joint`	`right_elbow_yaw_joint`	右臂	`[-200, 200]`	1

Sources: atom01.xml

电机模型与扭矩控制接口

MuJoCo 的 <motor> 是一种理想力源（Ideal Force Source），其数学模型极为简洁：施加于关节的扭矩 τ 等于传动比 gear 与控制输入 ctrl 的乘积。当 gear="1" 时，τ = ctrl。ctrllimited="true" 与 ctrlrange="-200 200" 在控制输入层面施加硬饱和，即：

τ_actual = clamp(ctrl, -200, 200)

这一设计意味着：

无内置伺服环：电机不维护位置或速度设定点，策略必须自行实现 PD 控制律或其他反馈机制；
统一量程的仿真友好性：虽然 200 N·m 对踝部或手臂关节而言远大于 URDF 中定义的硬件 effort 上限，但在强化学习探索阶段，统一量程简化了动作空间的归一化；
控制频率与仿真步长解耦：控制指令通过 mj_step() 逐仿真步（timestep="0.001"）注入，而策略推理频率可由外部循环决定。

Sources: atom01.xml

关节动力学参数体系

执行器产生的扭矩最终通过关节动力学传递至连杆。MJCF 在 <default> 中定义了三类关节参数类，分别覆盖腿部、腰部与手臂关节：

classDiagram
    class default {
        +joint limited=true
        +motor ctrllimited=true
    }
    class leg_joint_param {
        +damping 0.01
        +frictionloss 0.01
        +armature 0.01
    }
    class waist_joint_param {
        +damping 0.01
        +frictionloss 0.01
        +armature 0.01
    }
    class arm_joint_param {
        +damping 0.01
        +frictionloss 0.01
        +armature 0.01
    }
    default <|-- leg_joint_param
    default <|-- waist_joint_param
    default <|-- arm_joint_param

参数语义与工程含义

参数	取值（默认类）	物理意义	控制影响
`damping`	0.01	与关节速度成正比的粘性阻力系数	提供速度相关的耗散项，抑制高频振荡
`frictionloss`	0.01	库仑摩擦（静摩擦/动摩擦近似）	在速度过零时产生不连续阻力，影响低扭矩跟踪精度
`armature`	0.01	电机转子等效惯量	增加关节轴的等效惯性，使系统响应更平滑，但降低加速度

值得注意的是，踝部关节（ankle_pitch / ankle_roll）在实例层级覆盖了 frictionloss，将值提升至 0.05。这反映了足端接触对摩擦敏感性的工程考量——更高的库仑摩擦有助于在足底接触地面时提供被动稳定性，减少姿态漂移。

Sources: atom01.xml

URDF 与 MJCF 控制参数映射差异

URDF 文件通过 <limit effort="..." velocity="..."/> 描述硬件级关节约束，而 MJCF 的 <motor> 通过 ctrlrange 定义仿真控制约束。两者在数值与语义上存在显著差异，开发者在将控制算法从 ROS/Gazebo 迁移至 MuJoCo 时需特别注意。

Effort 与 Velocity 限位对比

关节分组	URDF `effort` (N·m)	URDF `velocity` (rad/s)	MJCF `ctrlrange` (N·m)	差异说明
大腿/躯干主关节	120	25.0	`[-200, 200]`	MJCF 控制上限显著高于 URDF 硬件上限
踝部关节	27	8.0	`[-200, 200]`	同上，踝部限位未在 MJCF 中体现
手臂关节	27	8.0	`[-200, 200]`	同上

关节运动范围差异

下表仅列出 URDF 与 MJCF 存在不一致的关节（其余关节范围相同）。这些差异通常源于 MJCF 针对特定仿真任务（如行走、跌倒恢复）所做的运动学空间调整。

关节名称	URDF `lower`	URDF `upper`	MJCF `range`	差异特征
`left_thigh_roll_joint`	-0.2	1.0	`[-0.2, 2.0]`	MJCF 上限更宽
`left_thigh_pitch_joint`	-1.57	1.57	`[-2.5, 0.8]`	MJCF 改为非对称范围，允许更大后摆
`left_knee_joint`	-0.2	2.5	`[0, 2.5]`	MJCF 禁止反向过伸
`left_ankle_pitch_joint`	-0.6	0.6	`[-0.7, 0.7]`	MJCF 范围略宽
`right_thigh_roll_joint`	-1.0	0.2	`[-2.0, 0.2]`	MJCF 下限更宽
`right_thigh_pitch_joint`	-1.57	1.57	`[-2.5, 0.8]`	同左大腿，非对称调整
`right_knee_joint`	-0.2	2.5	`[0, 2.5]`	同左膝，禁止反向过伸
`right_ankle_pitch_joint`	-0.6	0.6	`[-0.7, 0.7]`	MJCF 范围略宽
`torso_joint`	-3.14	3.14	`[-2.62, 2.62]`	MJCF 范围收窄
`left_arm_pitch_joint`	-3.14	1.57	`[-3.14, 2.57]`	MJCF 上限显著放宽
`left_arm_yaw_joint`	-1.57	1.57	`[-2.6, 2.6]`	MJCF 范围显著放宽
`left_elbow_pitch_joint`	-0.6	1.57	`[-1.0, 3.57]`	MJCF 范围大幅放宽
`right_arm_pitch_joint`	-3.14	1.57	`[-3.14, 2.57]`	同左臂
`right_arm_yaw_joint`	-1.57	1.57	`[-2.6, 2.6]`	同左臂
`right_elbow_pitch_joint`	-0.6	1.57	`[-1.0, 3.57]`	同左臂

上述差异意味着：若控制器在 URDF 限定的关节范围内规划轨迹，迁移到 MuJoCo 时可能因范围不同而触发意外限位；反之，利用 MJCF 更宽的非对称范围进行动作设计时，需评估在真实硬件上的可行性。

Sources: atom01.urdf, atom01.xml

执行器状态反馈传感器

MJCF 在 <sensor> 中为每个执行器配置了三类传感器，共 69 个执行器相关传感通道，加上 IMU 构成完整的本体感知系统：

flowchart TB
    subgraph 执行器传感器 ["执行器传感器 (69 channels)"]
        direction LR
        P[actuatorpos<br/>23× 位置] --> V[actuatorvel<br/>23× 速度]
        V --> F[actuatorfrc<br/>23× 力矩]
    end
    subgraph IMU传感器 ["IMU 传感器 (9 channels)"]
        direction LR
        O[framequat<br/>4× 姿态] --> POS[framepos<br/>3× 位置]
        POS --> G[gyro<br/>3× 角速度]
        G --> A[accelerometer<br/>3× 加速度]
        A --> M[magnetometer<br/>3× 磁场]
    end

传感器类型与属性

传感器类型	数量	命名后缀	`user` 标记	噪声配置	物理含义
`actuatorpos`	23	`_p`	13	无	执行器位置（即关节角度，rad）
`actuatorvel`	23	`_v`	13	无	执行器速度（即关节角速度，rad/s）
`actuatorfrc`	23	`_f`	13	`noise="1e-3"`	执行器输出力矩（N·m），含高斯噪声

user="13" 为 MuJoCo 的自定义元数据字段，其语义取决于上层消费框架（如 Isaac Gym 转换器或自定义 RL 包装器），在原生 MuJoCo 中不影响物理仿真。

actuatorfrc 上的 noise="1e-3" 表示力矩读数叠加了标准差为 0.001 N·m 的高斯白噪声。这一微弱噪声模拟了真实关节力矩传感器的测量误差，在强化学习中可提升策略的鲁棒性，同时不至于掩盖主要的动力学信号。

Sources: atom01.xml

控制接口的工程视角与强化学习集成

从控制系统架构来看，atom01 的 MJCF 模型采用了**“最小干预”执行器哲学**：仅提供理想力源与被动动力学（阻尼/摩擦/惯量），将伺服控制律的自主权完全交给外部策略。这种设计对强化学习训练具有深远影响：

动作空间设计：策略直接输出 23 维连续向量，每个维度通过 tanh 等函数映射至 [-200, 200]。若需更贴近硬件，应在训练代码中额外施加 URDF 的 effort 限位（120 N·m 或 27 N·m），而非修改 MJCF；
状态空间设计：actuatorpos + actuatorvel + actuatorfrc 提供了完整的本体感知基线。通常与 IMU 数据拼接后输入策略网络；
Sim-to-Real 间隙：统一量程 ±200 与真实的关节力矩上限差异较大，若计划部署到实体机器人，建议在仿真后期引入“域随机化”（Domain Randomization），对 ctrlrange、damping、frictionloss 进行随机扰动；
接触稳定性：踝部关节的 frictionloss="0.05" 是一项被动稳定性设计，在足端接触时可等效提供一定的零速保持能力，减少站立时的主动控制能耗。

Sources: atom01.xml, atom01.xml

阅读导航

理解执行器与控制接口后，建议继续深入以下关联主题：

传感器系统与 IMU 配置：详解 framequat、gyro、accelerometer 等 IMU 传感器的坐标系定义与噪声模型。传感器系统与 IMU 配置
URDF 到 MJCF 的映射与差异：全面梳理坐标系、碰撞几何、质量属性在两个格式间的转换规则。URDF 到 MJCF 的映射与差异
关节动力学参数调优：讨论如何针对行走、跳跃等不同任务调整 damping、armature、frictionloss。关节动力学参数调优
强化学习训练集成要点：探讨 observation/action/reward 设计、域随机化策略与 MuJoCo 仿真的对接细节。强化学习训练集成要点