ROBOTSCONTROLEMBEDDED
我是王越，南安普顿大学电子与电气工程博士生。我做足式机器人的运动控制，从零造了一台四足机器狗。手上还在推进的几件事：主动柔性脊柱、强化学习控制、GPU 可微分动力学，以及用 FPGA 加速最优控制。
00 / PROFILE
零件、传动、电路板、固件、动力学、控制器，再到强化学习策略，这条链我从头到尾做过一遍。所以我看一个控制算法，总是先想它怎么落到硬件上：跑在哪块板子上，留多少时间余量，减速器的回差会不会把它吃掉。
这台 8 自由度四足机器人整机 6.66 kg，2023 年起我一个人搭的。腿部用并联关节配带传动的膝，把腿的转动惯量压低；主控是自己画的 STM32G473 板子，在 FreeRTOS 上跑 1 kHz 闭环。Pinocchio、RBDL 这类库塞不进单片机，我就用 C 重写了一套浮动基刚体动力学，RNEA 加 CRBA 一个周期 290 µs，1 ms 的节拍里还剩七成余量。
机器上装了一个 1.26 kg、3 自由度的主动柔性脊柱 SPARC，躯干能弯，也能沿轴向伸缩。97 次 bounding 实机实验跑下来，受阻抗控制的柔性脊柱把最高速度推到 1.029 m/s，是刚性脊柱的 1.53 倍。现在我把同一个问题搬进 Isaac Lab，用 AMP 重做一遍，想知道脊柱到底给学出来的步态带来了什么。
机构、传动、PCB、固件、控制器到学习策略，都是自己做的，没有买现成平台。
结论尽量落在硬件实验或可复现的基准上。仿真用来解释实机上看到的现象。
算法要在 170 MHz 的 Cortex-M4 上按 1 kHz 跑完。这个上限从第一天就在。
01 / SELECTED WORK
一台机器狗，和几个为训练与控制写的工具。
8 自由度四足机器人的机械结构、传动、电控板和整机装配都是从零做的，脊柱模块 SPARC 重 1.26 kg、3 个自由度。刚体动力学、任务空间阻抗控制和摩擦补偿在 FreeRTOS 上以 1 kHz 跑。
把猎豹奔跑的动捕片段重定向到 11 自由度的带脊柱四足模型上，当作对抗式动作先验（AMP）的风格参考。然后用完全相同的奖励、网络和训练日程，训练三种脊柱范式：刚性锁死、端到端直接驱动、任务空间阻抗。三者唯一的差别是脊柱的控制接口。
GPU 批量可微分刚体动力学
原生 PyTorch 写的浮动基机器人动力学库，支持 URDF、FK、Jacobian、RNEA、CRBA、ABA 和自动微分，可以直接接进强化学习或轨迹优化。
H200、batch=4096 下，FK 与 Jacobian 吞吐分别达到 Pinocchio 的 64 倍与 63 倍。
Transformer 加速 iLQR / MPC
用 Transformer 并行预测 iLQR 的反馈和前馈矩阵，再把算法和 FPGA 做软硬件协同部署。
四旋翼单次优化迭代最高提速 27 倍，MPC 整体提速 17.8 倍；FPGA 最高获得 27.3 倍性能提升。
电机驱动与双轮足机器人
基于 ESP32 的低成本 BLDC 矢量控制板，位置、速度、力矩三个闭环都做了。用这块驱动搭了一台双轮足机器人，靠 LQR 站住。
02 / FOOTAGE
实验室和仿真里拍的一些片段。
03 / RESEARCH
第一作者。主动柔性脊柱的机构设计、任务空间控制，以及四足 bounding 步态的实机验证。
第一作者。面向 GPU 机器人学习的 PyTorch 批量可微分刚体动力学。
共同作者。用几何信息引导视觉基础模型适配，从少量失效样本里学野外机器人会遇到的稀有危险。
共同作者。针对类别不平衡的时间序列分类，用局部参考几何构造残差特征增强，在 UCR / Bake Off Redux 基准上验证。
第一作者。使用 Transformer 加速 iLQR 与 MPC，并在 FPGA 上完成推理部署。
共同作者。人类监督、LLM 智能体和异构机器人之间怎么分配任务、怎么安全执行。
在 Isaac Lab 里用 AMP 对比刚性躯干、端到端主动脊柱和任务空间阻抗脊柱。目前看主动脊柱在步态形态和侧向抗扰上有好处，实机迁移还没做。这项还没成文，不算发表。
04 / WRITING
在知乎写的一些技术记录，基本都是自己踩过坑之后整理下来的。
把树莓派换成 PREEMPT_RT 实时内核的完整过程。控制回路跑不稳的时候，抖动常常来自调度延迟。
ROS、V-REP、MuJoCo 这些仿真环境在机器人强化学习里各自的取舍。
05 / CAPABILITIES
刚体动力学、逆运动学、任务空间阻抗控制、MPC、iLQR / LQR、轨迹优化、Raibert 步态、系统辨识
强化学习、PyTorch、Isaac Lab AMP、GPU 批处理、自动微分、可微分物理、URDF、小样本学习、VFM 适配
C / C++、STM32、ESP32、FreeRTOS、CAN、SPI / I²C、FOC / BLDC、实时控制、驱动调试
Autodesk Inventor、机构与传动设计、3D 打印、Altium Designer、PCB、电源管理、IMU 与力传感器
06 / EDUCATION
电子与电气工程博士（EEE）
研究方向：足式机器人运动控制与机器人学习
电子工程学士（EE）· 一等荣誉学位
核心课程包括机器人学、控制与通信、嵌入式工程、数字信号处理、计算机工程与工程数学。
07 / CONTACT
在找机器人运动控制、强化学习和软硬件结合方向的机会。