Design of a 3-DOF Hopping Robot with an Optimized Gearbox: An Intermediate Platform Toward Bipedal Robots
作者: JongHun Choe, Gijeong Kim, Hajun Kim, Dongyun Kang, Min-Su Kim, Hae-Won Park
分类: cs.RO
发布日期: 2025-05-18 (更新: 2025-05-21)
💡 一句话要点
设计优化齿轮箱的三自由度跳跃机器人，为双足机器人开发提供中间平台。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)
关键词: 跳跃机器人 齿轮箱优化 3K复合行星齿轮箱 强化学习控制 双足机器人 混合整数非线性规划 定制执行器
📋 核心要点
- 现有双足机器人设计在扭矩输出和电缆布线方面存在挑战，难以同时满足高性能和紧凑结构的需求。
- 该论文提出了一种基于优化的3K复合行星齿轮箱设计方法，并结合定制的执行器和电子元件，实现了高扭矩输出和高效电缆布线。
- 实验结果表明，该机器人能够实现稳定和重复的跳跃运动，验证了平台设计的有效性，为双足机器人开发奠定了基础。
📝 摘要（中文）
本文介绍了一种具有类人下肢关节配置和平坦足部的三自由度跳跃机器人，该机器人能够执行动态和重复的跳跃运动。为了实现高扭矩输出和用于高效电缆布线的大中空轴直径，采用混合整数非线性规划设计了一种紧凑的3K复合行星齿轮箱，用于齿轮齿优化。为了满足受限关节几何结构内的性能要求，所有主要组件（包括执行器、电机驱动器和通信接口）均为定制设计。该机器人重12.45公斤，包括一个虚拟质量，当膝关节完全伸展时，长度为840毫米。采用基于强化学习的控制器，并通过硬件实验验证了机器人的性能，证明了机器人能够响应用户输入，实现稳定和重复的跳跃运动。这些实验结果表明，该平台为未来的双足机器人开发奠定了坚实的基础。
🔬 方法详解
问题定义：现有双足机器人设计中，如何在有限的关节空间内实现高扭矩输出，同时保证足够的空间进行电缆布线是一个关键问题。传统的齿轮箱设计可能无法同时满足这两个需求，导致机器人性能受限。
核心思路：本文的核心思路是通过优化齿轮箱设计，在保证高扭矩输出的同时，最大化中空轴的直径，从而为电缆布线提供足够的空间。此外，通过定制执行器和电子元件，进一步优化了机器人的整体性能。
技术框架：该研究的整体框架包括以下几个主要步骤：1) 确定机器人的关节配置和运动需求；2) 设计并优化3K复合行星齿轮箱，采用混合整数非线性规划方法；3) 定制执行器、电机驱动器和通信接口；4) 集成所有组件，构建完整的跳跃机器人；5) 使用强化学习训练控制器，并进行硬件实验验证。
关键创新：该研究的关键创新在于采用了混合整数非线性规划方法来优化3K复合行星齿轮箱的设计。这种方法能够同时考虑多个设计目标，例如扭矩输出、中空轴直径和齿轮尺寸，从而获得最优的齿轮箱设计。此外，定制的执行器和电子元件也进一步提升了机器人的性能。
关键设计：齿轮箱优化中，目标函数可能包括最大化扭矩输出和中空轴直径，约束条件包括齿轮尺寸、齿轮强度和齿轮啮合关系。强化学习控制器可能采用Actor-Critic结构，输入为机器人的状态信息，输出为关节的控制力矩。损失函数的设计需要考虑机器人的稳定性、跳跃高度和运动轨迹。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该机器人能够实现稳定和重复的跳跃运动，验证了平台设计的有效性。通过强化学习训练的控制器能够使机器人响应用户输入，实现不同的跳跃高度和运动轨迹。该机器人重12.45公斤，长度为840毫米，证明了其紧凑的设计。
🎯 应用场景
该研究成果可应用于双足机器人的开发，尤其是在需要高动态性能和紧凑结构的场景中，例如搜救机器人、外骨骼机器人和人型机器人。优化的齿轮箱设计和定制的电子元件可以提高机器人的运动能力和可靠性，使其能够更好地适应复杂环境。
📄 摘要（原文）
This paper presents a 3-DOF hopping robot with a human-like lower-limb joint configuration and a flat foot, capable of performing dynamic and repetitive jumping motions. To achieve both high torque output and a large hollow shaft diameter for efficient cable routing, a compact 3K compound planetary gearbox was designed using mixed-integer nonlinear programming for gear tooth optimization. To meet performance requirements within the constrained joint geometry, all major components-including the actuator, motor driver, and communication interface-were custom-designed. The robot weighs 12.45 kg, including a dummy mass, and measures 840 mm in length when the knee joint is fully extended. A reinforcement learning-based controller was employed, and robot's performance was validated through hardware experiments, demonstrating stable and repetitive hopping motions in response to user inputs. These experimental results indicate that the platform serves as a solid foundation for future bipedal robot development.