01. MIT的作用

MIT 模式解决的问题

• 上层控制解耦：研究人员只要管阻抗参数（Kp、Kd）和轨迹，不用管电流、电机常数。

• 柔顺控制方便：可以快速切换刚性 → 柔性，让机器人能“又硬又软”，比如腿落地时要柔顺吸收冲击。

• 跨平台统一接口：任何电机（无刷、关节电机）只要支持 MIT 模式，就能被同样的高层控制器使用。

• 实时性保证：阻抗计算在驱动器本地完成（高速），而上层只需在较低频率更新命令。

上面是AI说的

上层控制解耦 和 跨平台统一接口 这个好理解

柔顺控制方便 更多是指在机器人上，轮足上的问题。太精确反而是问题

类比是机床，绝对精确，绝对不能动。

02. MIT 核心公式

1️⃣输入量

• p_des
  → desired position（期望位置），你希望电机转到的角度（单位 rad）。
  例子：你要电机转到 90°，那 p_des = π/2 rad。

• θm
  → measured position（实际位置），电机编码器测到的角度（单位 rad）。
  它跟 p_des 一比较，就知道有没有偏差。

• v_des
  → desired velocity（期望速度），你希望电机转的角速度（单位 rad/s）。
  例子：你要电机以 10 rad/s 转动，那 v_des = 10。

• dθm
  → measured velocity（实际速度），电机编码器测到的角速度（单位 rad/s）。

• t_ff
  → torque feedforward（前馈力矩），相当于“提前给电机一点力气”，用来补偿外部负载或者预期的惯量影响。

2️⃣ 增益参数

• Kp
  → position gain（位置增益）。
  它的作用是：当位置有误差时，乘上 Kp，把这个误差变成一个需要的力矩输出。

  • p_des - θm 越大，力矩越大。

  • Kp 越大，电机会更“刚性”，更快贴近目标位置，但太大会抖动。

• Kd
  → velocity gain（速度增益）。
  它的作用是：当速度有误差时，乘上 Kd，把速度误差也变成一个力矩输出。

  • v_des - dθm 越大，力矩越大。

  • Kd 越大，电机速度跟随能力越强，但太大会震荡。

03. 位置环

Kp​(pdes​−p) (期望位置 - 实际位置) x 位置增益

期望位置离实际位置越远，扭矩越大。 位置增益是放大这个效果。

比如我期望位置是 100 ，实际位置是 20， 位置增益是2。

那么 160 的扭矩

但是 位置增益 就是 Kp 位置不能设置太大，否则可能导致电机一直无法到正确的位置

如期望位置 - 实际位置 = 1. 已经很下小了 但是 kp 是100.

电机就会出现怎么都无法到的情况，就在那里反复转动。

所以kp的设置正确很重要，很多时候0就可以了。

(期望位置 - 实际位置) x 位置增益

这点已经可以解决电机扭动的问题了。

位置环（p_des vs θm）：
误差 × Kp → 力矩补偿
👉 确保电机到达你要的位置。

04. 速度环

Kd​(vdes​−v) = 速度增益 x （目标速度 - 当前速度）

这个东西就是用来补偿 位置环 的误差问题

比如我刚才 目标位置是1000， 当前位置是 0， 那么我就需要用大扭矩，大速度去。

但是等靠近了，速度起来了，就要慢下来。

甚至当位置已经过了，就需要有一个力拉回来。

我已经到 1100了，我的目标速度是就应该是0，然后往回拉。

通过这两个公式交替作用，让你的电机不会一直无法到达位置。

速度环（v_des vs dθm）：
误差 × Kd → 力矩补偿
👉 确保电机按你要的速度转。

05. t_ff

前馈力矩

比如我的电机是默认有一个轮子，他有多大摩擦力或者他要挂什么东西。

他是1kg。那就要在 t_ff 中默认给一个扭矩。

没有这个其实ok。但是会因为不设置 t_ff 变慢

因为默认的有阻力，会导致达到目标位置的速度变慢，至少比预想中的慢，所以需要这 t_ff.