Skip to content

crocoddyl.md

Latest commit

 

History

History
289 lines (206 loc) · 9.16 KB

crocoddyl.md

File metadata and controls

289 lines (206 loc) · 9.16 KB
Raw
type entity
sources
../../sources/papers/optimal_control.md
summary Crocoddyl
updated 2026-10-06
tags
inria

Crocoddyl

Crocoddyl 是一个面向机器人最优控制与轨迹优化的开源工具箱，长期由 LAAS-CNRS / INRIA / Gepetto / Stack-of-Tasks 这条学术与开源路线推动。

一句话定义

如果说 Pinocchio 提供的是机器人运动学、动力学和导数的高质量计算底座，那 Crocoddyl 提供的就是：

一套建立在 Pinocchio 之上的最优控制与 trajectory optimization 工具链，尤其适合做多自由度机器人和人形机器人的 shooting-based optimal control。

一句话说白了：

Crocoddyl 是把“动力学模型”真正变成“可求解最优控制问题”的那层工具箱。

英文缩写速查

缩写 英文全称 简要说明
MuJoCo Multi-Joint dynamics with Contact 接触丰富的刚体物理仿真引擎
Isaac Gym NVIDIA Isaac Gym GPU 并行刚体仿真训练环境
TSID Task-Space Inverse Dynamics 任务空间逆动力学求解关节力矩的 WBC 实现
WBC Whole-Body Control 协调全身关节满足多任务/约束的控制基础设施
OCP Optimal Control Problem MPC 每步求解的有限时域最优控制问题
MPC Model Predictive Control 滚动时域内优化控制序列的预测控制
RL Reinforcement Learning 通过与环境交互最大化长期回报来学习策略的范式
GPU Graphics Processing Unit 图形处理器，大规模并行仿真训练的算力基础

为什么重要

做 trajectory optimization / optimal control 的时候，论文里看起来通常很抽象：

  • 定义状态和控制
  • 写代价函数
  • 写动力学约束
  • 跑 DDP / FDDP / shooting method

但真正落到工程里，你需要的是：

  • 能表达复杂机器人动力学
  • 能快速做 rollout
  • 能高效算导数
  • 能组织 state / action / cost / residual / actuation / contact model
  • 能稳定求解 shooting-based optimal control

Crocoddyl 重要的地方就在于：

  • 它把这些最优控制工程细节组织成了库
  • 它特别适合 legged / humanoid / manipulation 场景
  • 它和 Pinocchio 配合得非常紧密
  • 它几乎是 model-based robot control 工具栈里最值得学的一套开源方案之一

它到底是什么

1. 不是仿真器

Crocoddyl 不负责像 MuJoCo / Isaac Gym 那样搭世界、推进物理仿真时间步。

它不是环境平台，而是：

  • trajectory optimization toolbox
  • optimal control problem builder
  • shooting solver 工具库

2. 不是现成控制器

它也不是像 TSID / WBC 那样“拿来就输出关节力矩”的低层控制器。

它更偏：

  • 离线规划
  • 中低频优化
  • 参考轨迹生成
  • optimal control research

所以它通常站在控制链更前面。

它在解决什么问题

1. 给定模型，求一条最优轨迹

最典型问题：

  • 机器人从 A 动到 B
  • 同时满足动力学和约束
  • 代价尽量小（能量、误差、时间等）

这就是 trajectory optimization / optimal control 的经典问题。

2. 组织复杂机器人最优控制问题

对于人形 / 足式机器人，问题会变得很复杂：

  • 浮动基
  • 多接触
  • 动力学非线性
  • 多目标代价
  • 接触切换

Crocoddyl 提供了一套较成熟的建模和求解结构，来组织这些问题。

3. 用 shooting-based 方法高效求解

Crocoddyl 最核心的气质就是：

  • shooting methods
  • DDP / FDDP / Gauss-Newton 风格
  • 适合机器人动力学优化

这让它和很多一般性 NLP 求解框架有不同的使用味道。

为什么它在机器人 optimal control 里很强

1. 和 Pinocchio 深度绑定

这点特别关键。

Crocoddyl 之所以强，不是因为它凭空实现了一切，而是因为：

  • Pinocchio 负责高质量动力学与导数计算
  • Crocoddyl 在这个基础上做 optimal control 建模与求解

这让它非常适合高自由度机器人。

2. 对 legged / humanoid 场景友好

人形 / 足式最怕的就是：

  • 浮动基
  • 接触
  • 非线性动力学
  • 大维度状态

Crocoddyl 在这些场景里长期有很强代表性，特别适合：

  • walking motion optimization
  • jumping / crouching / recovery motion
  • loco-manipulation planning

3. 很适合研究型工作流

如果你在做：

  • research prototype
  • algorithm verification
  • model-based control baseline
  • trajectory optimization paper reproduction

Crocoddyl 非常顺手。

它的典型能力

1. State / Actuation / Differential Action Model 组织

它把最优控制问题拆成很多结构化模块：

  • 状态模型
  • 驱动模型
  • 动力学模型
  • 代价模型
  • residual
  • terminal model

这对组织复杂机器人问题特别有帮助。

2. DDP / FDDP 求解器

Crocoddyl 很重要的一条线是：

  • DDP（Differential Dynamic Programming）
  • FDDP（Feasibility-driven DDP）

这类方法在机器人 optimal control 里非常常见。

3. 接触和冲击建模

做人形 / 足式轨迹优化时：

  • 单脚支撑
  • 双脚支撑
  • 接触切换
  • 冲击建模

都很关键。Crocoddyl 在这方面有很强的针对性。

4. 与 Pinocchio 配套的导数效率

如果做 trajectory optimization，导数质量直接决定：

  • 收敛速度
  • 稳定性
  • 工程可维护性

Crocoddyl 在这点上吃到 Pinocchio 很多红利。

它和当前项目主线的关系

和 Trajectory Optimization 的关系

这几乎是最直接的关系。

Crocoddyl 是 trajectory optimization 在机器人场景里的代表性工具箱之一。

见：Trajectory Optimization

和 Optimal Control 的关系

Crocoddyl 是把最优控制问题变成工程可解问题的实践工具。

见：Optimal Control (OCP)

和 Pinocchio 的关系

Pinocchio 给它提供运动学、动力学和导数底座，Crocoddyl 在其之上做 shooting-based optimal control。

见：Pinocchio

和 MPC 的关系

Crocoddyl 通常不等于 MPC，但它的求解思路、模型组织方式和很多 nonlinear MPC 有很强亲缘关系。

见：Model Predictive Control (MPC)

和 Centroidal Dynamics / WBC 的关系

Crocoddyl 可以用于更高层的轨迹优化与运动规划，再由 WBC / TSID 执行；也可以直接在 full-body / contact 场景中做更复杂的动作优化。

见：Centroidal Dynamics

见：Whole-Body Control

它和 TSID / WBC 的区别

这三个很容易混。

Crocoddyl

更偏：

  • trajectory optimization
  • optimal control
  • 规划整段运动
  • 中低频 / 离线 / 参考轨迹生成

TSID / WBC

更偏：

  • 低层任务执行
  • 约束一致控制
  • 高频闭环
  • 把参考落成关节加速度 / 力矩 / 接触力

一句话：

Crocoddyl 更像“先把整条动作想明白”，TSID / WBC 更像“现在这一拍怎么稳稳执行出来”。

常见误区

1. 以为 Crocoddyl 是控制器

不是，它更像最优控制求解与建模工具箱。

2. 以为学会 Crocoddyl 就等于学会 trajectory optimization

不够。它是非常好的工具，但方法论和问题建模仍然是核心。

3. 以为它只能做人形

不对。机械臂、足式、操作任务也能用。

4. 以为它和 Pinocchio 是替代关系

完全不是。更准确地说：

  • Pinocchio 是底座
  • Crocoddyl 是上层 optimal control 工具箱

推荐使用建议

如果你做轨迹优化 / optimal control

非常值得学。

尤其是：

  • humanoid motion planning
  • legged locomotion optimization
  • model-based baseline
  • floating-base nonlinear control

如果你做 WBC / TSID

也值得理解 Crocoddyl，因为很多时候它负责给你更高层的参考轨迹。

如果你主要做 RL

不一定非得把它用熟，但理解它能帮助你更清楚：

  • model-based 方法能做到什么
  • RL 和 optimal control 的边界在哪里

推荐继续阅读

参考来源

  • Mastalli et al., Crocoddyl: An Efficient and Versatile Framework for Multi-Contact Optimal Control (2020) — Crocoddyl 论文
  • 官方仓库：https://github.com/loco-3d/crocoddyl

关联页面

  • Pinocchio
  • cuRobo — GPU 并行碰撞与多样本 TO 的另一条实现谱系（与 shooting/DDP 工具链问题剖分不同）
  • SE(3) 切空间浮动基 TO — 配点 + 欧式 Ipopt + (\mathfrak{se}(3)) 坐标，不必走 DDP 也能做空翻
  • Optimal Control
  • PRIME — 在 Crocoddyl/FDDP 上做接触隐式惯量 + 运动 MAP 估计（RSS 2026）

一句话记忆

Crocoddyl 是建立在 Pinocchio 之上的机器人最优控制与轨迹优化工具箱，特别适合 legged / humanoid 场景，是把动力学模型真正变成可求解 optimal control 问题的关键一层。