研究问题
传统刚性躯干四足机器人在高坡度攀爬中，需要仅依赖四肢完成重心转移和足端重定位。TerraGoat 引入多自由度主动脊柱，使机体本身成为可控运动链，研究其是否能扩大可达工作空间、改善接触保持并提高抗倾覆能力。
返回项目列表
ONGOING LAB RESEARCH · QUADRUPED ROBOTICS
TerraGoat：面向陡峭地形的 15-DOF 主动脊柱四足机器人
A 15-DOF Quadruped Robot with an Active Spine for Steep Terrain Climbing
TerraGoat 是一套面向陡峭斜面与离散落脚点的仿山羊四足研究平台。项目通过主动脊柱改变机体构型与重心分布，并结合可更换足端、模块化硬件和 ROS 2 软件基础，探索脊柱—四肢协同攀爬。
PHYSICAL PROTOTYPE
- 实验室合作研究
- 机构设计 · 3D 打印 · 系统集成 · ROS 2 建模 · 开环测试
- TECH STACK
- SolidWorks · Additive Manufacturing · ROS 2 Jazzy · URDF/Xacro · C++/Python · OpenCR/IMU · Isaac Lab/MuJoCo · PyTorch
实验室内部项目
受实验室内部项目限制，本页面不公开源码或内部文档，仅展示已获准分享的系统设计、研究目标与阶段性进展。
系统目标
- 构建具备主动脊柱的 15 自由度四足实体平台，并保证关节、线束和电源布局可维护。
- 完成 URDF/Xacro、运动学/动力学和 ROS 2 硬件接口基础，使仿真与实物共享控制语义。
- 在可调坡面上识别足端接触、摩擦和结构不确定性，为后续仿真参数对齐提供实测范围。
- 最终学习主动脊柱调节与四肢步态之间的耦合策略，实现陡峭地形上的稳定重心转移。
15 DOF
四肢与主动脊柱
ROS 2
模块化控制架构
3D Print
快速结构迭代
RL
脊柱—四肢协同路线
平台采用模块化关节与增材制造结构，围绕高坡度接触任务持续迭代。设计重点不是单纯增加自由度，而是让脊柱形变、足端接触和线束布置都能进入后续控制与辨识流程。
主动脊柱机构
在前后躯干之间引入可控脊柱关节，使机器人能够调整身体弯曲姿态、足端工作空间与质心位置。
结构与材料迭代
通过 3D 打印快速验证零件形态，并针对关键受力节点调整填充率与工程材料，在刚度和重量之间权衡。
嵌入式线束拓扑
将通信与供电路径纳入机构设计，降低脊柱和腿部运动时的缠绕风险，并保留模块拆装空间。
仿生可更换足端
使用分趾式足端与不同接触垫测试“跨过/勾住”和“展开抓附”等接触模式，支持摩擦参数标定。
系统将离线策略训练与实体运行分离：仿真端负责物理对齐、域随机化和策略训练；主机端通过 ROS 2 节点、ros2_control 与硬件接口，将目标关节角映射到 15 个舵机，并读取 IMU 和关节状态。
离线训练
仿真与策略训练
Isaac Lab / MuJoCo · PyTorch · PPO
主机端
运动与脊柱节点
Raspberry Pi / Jetson · Ubuntu · ROS 2
控制层
ros2_control
硬件接口 · 目标关节角
机器人端
执行与反馈
15× 舵机 · OpenCR IMU · 关节状态
PPO / PyTorch
策略训练
ROS 2 / OpenCR
运行时接口
IMU / 关节状态
状态反馈
项目当前处于实体平台搭建与控制基础验证阶段：15-DOF 主动脊柱机械原型、线束与硬件布局、ROS 2/URDF 模型以及开环运动测试均已完成；后续将推进仿真—物理对齐，并开展基于 PPO 的脊柱—四肢协同攀爬控制。
15-DOF 机械原型
完成主动脊柱、四肢和模块化关节的 CAD 建模、制造与实体装配。
线束与硬件布局
完成舵机、通信、电源和板载控制器布局，并进行防缠绕线束迭代。
ROS 2 与机器人模型
建立 ROS 2 模块化节点、硬件接口和 URDF/Xacro 模型，并完成运动学/动力学基础推导。
开环运动测试
完成开环步态与关节目标跟踪测试，为动作映射、响应延迟和状态噪声分析提供数据。
学习式攀爬控制
下一步将开展基于 PPO 的脊柱—四肢协同攀爬控制，目前仍处于规划与学习环境准备阶段。
开环测试与环境辨识
实体测试的主要作用是定义未来强化学习环境的可信参数范围，而非直接宣称已实现自主攀爬。
动作空间映射
验证 15 个关节的角度/角速度指令响应，标定响应延迟与可用输出边界。
状态空间画像
分析 IMU 姿态/角速度、关节反馈以及 3D 打印脊柱形变对质心估计的影响。
运动学一致性
对比实测关节角与 URDF/Xacro 理论模型，检查脊柱与四肢协同工作空间。
接触与不确定性
在坡面上测试足端滑动阈值，并估计质量分布偏差、线束张力和脊柱阻尼范围。
目标是以 PPO 学习主动脊柱与四肢的耦合控制，而不是让策略直接替代全部底层控制。策略输出目标关节角，由低阶 PD/硬件控制器执行。
仿真—物理对齐
在 Isaac Lab 或 MuJoCo 中重建机器人和陡峭地形，将 IMU 噪声、电机延迟、质量偏差及接触参数注入域随机化范围。
状态与动作空间
观测包含 IMU、15 自由度关节位置/速度、足端接触和脊柱姿态；动作定义为低阶关节控制器的目标角度。
多目标奖励
联合优化攀爬进度、质心抗倾覆稳定性、接触保持与能量/力矩惩罚。
策略验证与迁移
先在并行仿真中开展消融和鲁棒性测试，再逐步部署到实体平台并使用外部追踪系统验证姿态与轨迹。