# 萝马干饭 | 山东理工大学齐奇战队RM干货分享

**URL:** <https://rcbbs.top/t/topic/4442>\
**Category:** 萝马严选\
**Created:** [2026 年11 月 12 日 08:17 UTC](https://rcbbs.top/t/topic/4442 "2026-11-12T08:17:23Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![萝马车圈](https://rcbbs.top/user_avatar/rcbbs.top/%E8%90%9D%E9%A9%AC%E8%BD%A6%E5%9C%88/32/1123_2.png) [@萝马车圈](https://rcbbs.top/u/%E8%90%9D%E9%A9%AC%E8%BD%A6%E5%9C%88)\
**Post date:** [2026 年11 月 12 日 08:17 UTC](https://rcbbs.top/t/topic/4442/1 "2026-11-12T08:17:24Z")

</div>

![e62ce0f4-305a-485e-9be9-969b0dc832e5](https://rcbbs.top/uploads/default/original/2X/a/a8659420aa31e07782a05ce1545791eda3c3d026.jpeg)

 ![640](https://rcbbs.top/uploads/default/original/2X/e/eff14320eca3002ccc2194999a6300617d48e126.jpeg)

本期萝马车圈干饭系列，我们邀请到山东理工大学齐奇战队带来 **轮足机器人腿长建模及 LESO 观测器分享。**

齐奇战队在 2026 赛季取得突破， **轮足底盘在比赛中多次拿** 下 MVP，帮助战队首次挺进区域赛十六强，并成功进入全国赛。赛场成绩背后是队伍在轮足控制方向上的持续探索与技术积累。

本次分享会，齐奇战队将围绕 **基于模型预测控制（MPC）与线性扩张状态观测器（LESO）的轮足底盘控制方案** ，分享其从建模、调试到实车验证的完整过程。

  

**技术背景**

**规则驱动轮足构型选择，PID方案存在本质痛点**

* * *

齐奇战队实际调试中发现传统 PID 方案在腿长控制和车身 Roll 轴稳定上存在明显局限：单级 PID 容易出现腿部刚性不足、Roll 偏移；串级 PID 虽然提升了抗干扰能力，但腿长与 Roll 轴之间的耦合问题依然存在。因此，齐奇战队没有继续在 PID 框架内反复修补，而是选择从系统建模出发，将车身高度 H 与 Roll 角 α 作为独立状态变量，重新建立腿长控制模型。

在对比 PID、LQR、NMPC 等方案后，队伍最终选择线性 MPC 作为核心方案。相比 NMPC，线性 MPC 求解速度更快、复杂度更低，更适合实车部署；相比 PID 和 LQR，它又能更好地处理斜坡、扰动和台阶等复杂场景。也正是在这样的基础上，齐奇战队逐步形成了 MPC + LQR + LESO 的轮足底盘控制方案。

 ![1](https://rcbbs.top/uploads/default/original/2X/7/72fad7683ae1fd4ecc7e450567115fabf001e497.jpeg)

**算法架构**

**MPC + LQR + LESO 协同架构**

* * *

在方案确定后，齐奇战队搭建了 MPC + LQR + LESO 的协同控制架构。MPC 负责腿长与力映射控制，通过预测窗口提前规划腿部支撑力；LQR 负责车身平衡控制，用于维持底盘姿态稳定；LESO 则负责估计模型误差和外部扰动，并将补偿量反馈到控制输出中。

 ![算法架构](https://rcbbs.top/uploads/default/original/2X/0/03e8b05d51ab45a7f7d1019407304d8ee928e60d.jpeg)

**MPC 建模**

**建立竖直/水平方向方程：**

* * *

 ![2](https://rcbbs.top/uploads/default/original/2X/7/74710f6a16aa968858d5cd8a3e6e7dcb270d8f99.jpeg)

代价函数与 QP 转化：

 ![代偿函数](https://rcbbs.top/uploads/default/original/2X/5/53133ad2cc3f3936ac4c8bca0708d901e4cf6b7c.jpeg)

MPC 实车测试结果：

 ![MPC实车测试](https://rcbbs.top/uploads/default/original/2X/7/7a0971f04a037cd901bdbf1e92e04fd494d6f4b8.png)

经过台阶通过、地形适应、冲激响应和跳跃控制四类场景验证，MPC 方案展现出稳定的腿长与 Roll 轴控制能力。实测中，车身最大偏差仅约 1.3°，满足赛场使用需求。

  

**LESO 设计**

 ![LESO](https://rcbbs.top/uploads/default/original/2X/f/f2a21510068c6cd34b8dbc5ebd6427c550bcdc81.jpeg)

**写在最后：**

相关算法与资料已经在 RoboMaster 论坛开源。希望这次分享，能为更多正在探索轮足控制的队伍提供一些参考，也让更多技术经验在交流中继续积累。

 ![ScreenShot_2026-11-12_161630_561](https://rcbbs.top/uploads/default/original/2X/5/5bffe8e9f71d22b94cd6965f717a9d80c49bf9e8.png)

如果想进行更多的互动和讨论，欢迎关注萝马车圈B站账号，也可关注微信公众号，后台留言您的需求，我们将第一时间为您送上所需资源。

**END**

 ![ScreenShot_2026-11-12_161341_978](https://rcbbs.top/uploads/default/original/2X/4/4e847cb0e587eadb87080947c536b8e9d1ec9f6b.png)