电机控制开源论文与报告周报

📋 今日概览

本期周报系统梳理了2026年5月上旬电机控制领域的最新开源项目、顶会论文和技术进展，涵盖以下核心方向：

开源生态系统

：SimpleFOC v2.4.0、VESC 7.00、ODrive等主流方案持续迭代
机器人执行器技术

：Tesla Optimus Gen-3、宇树G1/H1/R1电机驱动技术
智能控制前沿

：强化学习（RL）、神经形态控制、AC-MPC融合架构
无传感器控制

：全速域复合控制策略、改进型滑模观测器
硬件加速方案

：FPGA-FOC、RISC-V MCU嵌入式控制

🚀 开源项目速递

1. SimpleFOC 库 v2.4.0 --- 跨平台FOC实现利器

项目地址：https://github.com/simplefoc/Arduino-FOC

SimpleFOC是目前最流行的开源磁场定向控制（FOC）算法库，最新v2.4.0版本带来多项重要更新：

核心特性： - 完全开源的磁场定向控制（FOC）算法库 - 支持15+种微控制器架构：Arduino、STM32、ESP32、Teensy、RP2040等 - 支持BLDC和步进电机的FOC控制 - 丰富的文档和活跃的社区（1500+成员）

最新更新(v2.4.0) ： - 新增ADC读取支持低侧电流检测 - ESP32安全优化和ADC-Timer对齐改进 - 支持Arduino Nano Matter board - 新增电流/电压前馈项支持 - 新增estimated_current扭矩控制模式（无需电流传感器的模型预估） - 所有闭环/开环模式现在都可以使用任何扭矩控制模式（电压和电流）

应用场景： - 云台控制 - 倒立摆 - 触觉控制 - 机器人关节

技术亮点：

go 复制代码

// 新增的前馈控制示例
motor.controller = MotionControlType::velocity;
motor.foc_current_q_p = 1.0;  // Q轴前馈增益
motor.foc_current_q_i = 0.1;  // Q轴积分
motor.foc_current_d_p = 1.0;  // D轴前馈增益

开源链接：https://github.com/simplefoc/Arduino-FOC

2. VESC 固件 v7.00 --- 专业级无刷电机控制器

项目地址：https://github.com/vedderb/bldc

VESC（Vedder Electronic Speed Controller）是由Benjamin Vedder开发的开源无刷电机控制固件，2026年5月15日发布v7.00版本。

核心特性： - 开源无刷/DC/FOC电机控制固件 - 支持电流/速度/占空比/位置控制 - CAN/UART/USB通信接口 - 内置Lisp脚本支持 - 丰富的传感器支持：编码器、霍尔传感器、AS5047等

v7.00版本更新： - 实验性支持同时使用VESC CAN和UAVCAN - LSM6DS3 SPI支持 - FOC代码性能优化 - 更高的默认backoff gain参数 - 场弱化backoff gain参数

产品规格： | 产品 | 电压 | 连续电流 | 特点 | |------|------|----------|------| | VESC Classic 100V | 12-100V | 160A | 通用型，支持HFI零速 | | VESC Duet | 15-100V | 280A(双) | 双电机独立控制 | | VESC 75/300 | 8-75V | 300A | 高性能型 |

Lisp脚本扩展： VESC内置的Lisp脚本引擎允许用户编写自定义控制逻辑：

go 复制代码

;; VESC Lisp脚本示例：自定义速度控制
(def poll-speed ()
  (var target (param-get 0))
  (var current (motor-current))
  (if (> current 50)
    (progn
      (set-power 0.5)
      (print"Current limiting"))
    (set-speed target)))

开源链接：https://github.com/vedderb/bldc

3. ODrive --- 高性能机器人电机控制

项目地址：https://github.com/odriverobotics/ODrive

ODrive是专为机器人应用设计的高性能低成本无刷电机控制器，采用STM32F4处理器。

核心特性： - 高性能低成本无刷电机控制 - 支持扭矩/速度/位置/轨迹控制 - 再生制动能量回收 - 多编码器支持（增量编码器、霍尔传感器、旋变） - 丰富的通信接口（USB、CAN、UART） - Python配置工具odrivetool

最新进展： - ODrive Python库v0.6.11.post0发布（2026年5月5日） - ROS/ROS2驱动持续更新 - 支持Web GUI配置和实时监控

技术架构：

go 复制代码

┌─────────────────────────────────┐
│     应用层（轨迹规划/MPC）       │
├─────────────────────────────────┤
│     位置环 PID Controller        │
├─────────────────────────────────┤
│     速度环 PID Controller        │
├─────────────────────────────────┤
│     电流环 FOC Controller       │
├─────────────────────────────────┤
│     PWM生成 + 栅极驱动           │
├─────────────────────────────────┤
│     功率模块 DRV8301            │
└─────────────────────────────────┘

机器人关节控制优势： - 高扭矩密度：支持高达70A峰值电流 - 低延迟响应：控制环路频率可达20kHz - 精确位置控制：支持高分辨率编码器（最高4M CPR）

开源链接：https://github.com/odriverobotics/ODrive

4. MESC_Firmware --- STM32 FOC库

项目地址：https://github.com/davidmolony/MESC_Firmware

MESC（Motor Electronic Speed Controller）是一款专为STM32设计的FOC库，支持所有STM32目标。

核心特性： - 完整的FOC实现（Clarke/Park变换、SVPWM） - MTPA（最大扭矩每安培）控制 - 弱磁控制（Field Weakening） - 无传感器运行支持 - 支持多种电流检测方案

最新更新（2026年4月）： - STM32 F4/F7/H7全面支持 - 改进的观测器算法 - 新增多电机同步支持

5. emf-foc --- Rust实现的FOC引擎

项目地址：https://crates.io/crates/emf-foc

emf-foc是纯Rust实现的场定向控制引擎，完全兼容#![no_std]环境。

核心特性 ： - 纯Rust实现，内存安全 - #![no_std]兼容，适合嵌入式 - 完整FOC功能： - Clarke/Park变换 - SVPWM调制 - 无传感器观测器 - 高频注入(HFI) - MTPA控制 - 弱磁控制

技术优势： - 利用Rust的并发安全特性 - 适合需要高可靠性的工业应用 - 支持WASM编译，可用于仿真验证

6. Tinymovr --- 紧凑型无刷电机控制器

项目地址：https://github.com/motionlayer/Tinymovr

Tinymovr是一款紧凑型无刷电机控制器，集成FOC、绝对角度传感器和CAN总线。

核心特性： - 集成FOC控制 - 内置绝对角度传感器 - CAN Bus通信 - 紧凑设计（适合机器人关节内置） - 开源固件

应用场景： - 机器人关节 - 自动化设备 - 医疗设备

📚 最新研究论文

1. 【arXiv】神经形态强化学习用于四足机器人控制

论文标题：Neuromorphic Reinforcement Learning for Quadruped Locomotion Control on Uneven Terrain

arXiv编号：arXiv:2605.09595

作者：Zhuangyu Han, Abhronil Sengupta

核心创新： - 提出基于平衡传播(EP)的近端策略优化(PPO)框架 - 结合生物启发的中央模式发生器(CPG)策略与残差姿态调整策略 - 用本地学习替代传统反向传播，减少GPU内存占用4.3倍

实验结果： - 在12-DoF A1四足机器人上验证 - 不平地形 locomotion 任务稳定收敛 - 性能与传统BP训练的PPO基线相当 - GPU内存效率提升4.3倍

技术贡献： - 推导出EP兼容的PPO输出扰动信号 - 引入双边比率裁剪机制稳定松弛期间的策略更新 - 为低功耗机载适应和微调提供算法基础

论文链接：https://arxiv.org/abs/2605.09595

2. 【arXiv】神经协同状态策略：结构化循环强化学习中的隐藏状态

论文标题：Neural Co-state Policies: Structuring Hidden States in Recurrent Reinforcement Learning

arXiv编号：arXiv:2605.05373

作者：David Leeftink, Max Hinne, Marcel van Gerven

核心创新： - 建立隐藏状态与最优控制中庞特里亚金最小原理(PMP)的正式联系 - 证明标准循环架构的潜在表征可直接映射到PMP协同状态 - 读取层可解释为执行哈密顿最小化

技术方法： - 引入PMP衍生的协同状态损失函数 - 明确结构化内部动态 - 零样本分布外传感器屏蔽鲁棒

实验验证： - 部分可观测DMControl任务匹配或提升性能 - 对零样本传感器屏蔽鲁棒

论文链接：https://arxiv.org/abs/2605.05373

3. 【IEEE TIE】PMSM预设时间速度控制

论文标题：Prescribed-Time Speed Control for Sensorless PMSM Using a Novel Third-Order Super-Twisting Algorithm

研究机构：IEEE Transactions on Industrial Electronics

核心创新： - 提出三阶超螺旋滑模算法 - 实现预设时间收敛控制 - 无需位置传感器的全速域控制

技术亮点： - 有限时间收敛保证 - 抖振抑制效果好 - 参数敏感度低

4. 【IEEE Access】PMSM传感器故障容错控制

论文标题：永磁同步电机全速域无感控制策略

核心创新： - 积分反步单神经元PIDD控制器 - 滤波前馈补偿 - 传感器故障容错

应用场景： - 电子机械制动系统(EMB) - 瞬态响应时间0.09s - 转速峰-峰值0.82 rpm

5. 【Energies】轨道交通PMSM速度控制

论文标题：Improved Piecewise Terminal Integral Sliding-Mode Adaptive Control for PMSM Speed Regulation in Rail Transit Traction

研究期刊：Energies

核心创新： - 分段终端积分滑模自适应控制 - 适用于轨道交通牵引系统 - 强鲁棒性设计

6. 【arXiv】AC-MPC：可微MPC与强化学习融合

论文来源：UZH RPG组

论文标题：超越21m/s: AC-MPC将微分MPC与强化学习融合

核心思想： - 将可微MPC嵌入Actor-Critic框架的策略网络末端 - Critic网络负责长期价值评估 - Actor网络被拆解为神经代价图和可微MPC两部分

技术优势： - 鲁棒性突破：利用MPC内置动力学先验 - 理论可解释性：Value Function的Hessian矩阵与MPC Cost矩阵高度相关 - 零样本迁移：21m/s无人机竞速

论文链接：arXiv相关论文

7. 【arXiv】人形机器人多步态学习

论文标题：Multi-Gait Learning for Humanoid Robots Using Reinforcement Learning with Selective Adversarial Motion Prior

arXiv编号：arXiv:2604.19102

作者：Yuanye Wu, Keyi Wang, Linqi Ye, Boyang Xing

核心创新： - 选择性对抗运动先验(AMP)策略 - 对周期性/稳定性关键步态应用AMP - 对高度动态步态（跑步、跳跃）省略AMP

实验验证： - 物理12-DoF人形机器人 - PPO训练+领域随机化 - 零样本Sim2Real迁移

论文链接：https://arxiv.org/abs/2604.19102

8. 【arXiv】双足足球机器人强化学习控制

论文标题：Reinforcement Learning Enabled Adaptive Multi-Task Control for Bipedal Soccer Robots

arXiv编号：arXiv:2604.19104

作者：Yulai Zhang, Yinrong Zhang, Ting Wu, Linqi Ye

核心创新： - 开环前馈振荡器+RL反馈残差策略 - 姿态驱动状态机 - 渐进力衰减课程学习策略

实验结果： - 平均恢复时间0.715秒 - 高度适应性和稳定性

论文链接：https://arxiv.org/abs/2604.19104

🏭 人形机器人执行器技术

1. Tesla Optimus Gen-3 关节执行器

量产进度： - 2026年5月：首批Gen-3已在弗里蒙特工厂下线 - 2026年7月中下旬：正式批量投产 - 设计年产能100万台

执行器配置： | 类型 | 数量 | 技术方案 | |------|------|----------| | 旋转关节 | 14个 | frameless torque motor + harmonic drive reducer | | 线性关节 | 14个 | frameless torque motor + planetary roller screw |

Gen-3灵巧手： - 22个自由度（每手） - 25个线性执行器（前臂内：23个手部 + 2个腕部） - 腱驱动的指尖控制

供应链： - 三花智控：旋转关节独家供应 - 拓普集团：线性关节独家供应 - 绿的谐波：谐波减速器 - 鸣志电器：空心杯电机

开源链接：无（Tesla未开源Optimus控制算法）

2. 宇树科技机器人关节电机

GitHub仓库：https://github.com/unitreerobotics/

产品线：

G1 人形机器人

关节电机

：低惯量高速内转子永磁同步电机
最大扭矩

：120N·m
自由度

：23-43可选
踝关节

：并联机构设计（PR模式和AB模式）

H1 人形机器人

19个定制关节电机
19自由度
中空轴线设计
膝关节扭矩

：360N·m

R1 人形机器人

低惯量高速内转子PMSM
双臂最大负载

：2kg
EDU Pro

：38-40自由度
NVIDIA Jetson Orin

：40-100 TOPS

开源项目矩阵：

项目	描述	技术栈
unitree_rl_lab	强化学习训练部署	Isaac Lab + PPO
unitree_rl_gym	Isaac仿真示例	Isaac Sim + RL
unitree_mujoco	MuJoCo仿真	Mujoco
unitree_sdk2	机器人SDK	C++/Python/DDS
unitree_ros2	ROS2支持	ROS2 Humble
unifolm-vla	视觉-语言-动作模型	VLA

Unitree RL Lab技术架构：

go 复制代码

仿真训练 (Isaac Sim 5.0.0)
    ↓ ONNX导出
仿真验证 (MuJoCo)
    ↓
C++部署 (ONNX Runtime)
    ↓
真实机器人控制 (Unitree SDK2/DDS)

执行器T-N曲线模型：

go 复制代码

# 宇树执行器扭矩限制
τ_max = {
    Y1 if sgn(q̇) = sgn(τ) and|q̇|< X1,
    Y2 if sgn(q̇) ≠ sgn(τ) and|q̇|< X1,
    k(|q̇|- X1) + τ_max if|q̇| ≥ X1
}

开源链接： - https://github.com/unitreerobotics/unitree_rl_lab - https://github.com/unitreerobotics/unitree_sdk2 - https://github.com/unitreerobotics/unitree_mujoco

3. Boston Dynamics Atlas

最新进展： - Atlas量产版本（2026年） - 56个自由度 - 50kg负载能力 - 全液压驱动系统

控制特点： - 模型预测控制(MPC) - 全身动力学(WBC) - 实时地形感知

开源状态：未开源

🔧 技术趋势分析

1. 无传感器控制深化

技术路线： - 滑模观测器+自适应增益成为主流 - 高频注入技术解决零低速问题 - 深度学习与传统观测器融合

全速域复合控制架构：

go 复制代码

┌─────────────────────────────────────┐
│           全速域复合控制             │
├─────────────────────────────────────┤
│ 中高速域：改进型积分滑模观测器(ISMO) │
│   - 积分滑模面提升收敛速度           │
│   - 分段平方根切换函数抑制抖振       │
│   - 改进型PLL跟踪转速突变            │
├─────────────────────────────────────┤
│ 低速/静止域：超低频信号注入          │
│   - 磁链互纠正机制                  │
│   - 极低频注入降低噪音和发热        │
├─────────────────────────────────────┤
│ 切换机制：加权函数平滑过渡           │
└─────────────────────────────────────┘

性能指标： - 轨迹跟踪RMSE：<150μm - 初始位置检测误差：X轴±0.24mm，Y轴±0.22mm - 零速/低速控制：支持HFI零速启动

2. 智能控制崛起

强化学习电机控制： - 从仿真到实物的迁移技术成熟 - Sim2Real零样本部署成为可能 - 上下文学习实现零样本泛化

Transformer用于电机控制： - 时序建模能力强 - 多任务统一表示 - 在线适应能力

神经形态控制： - 事件驱动计算 - 低功耗运行 - 适合机载部署

3. 硬件加速需求

FPGA实现并行FOC： - 并行处理电流环 - 超低延迟控制 - 可重构计算

指标	优化前	优化后	提升
电流环响应时间	82μs	54μs	34%
PWM分辨率	10bit	12bit	4倍
系统功耗	1.2W	0.9W	25%

RISC-V MCU进入电机控制： - ESP32-C3：RISC-V架构 - 开源工具链支持 - 低成本高性能

4. 开源生态繁荣

多语言实现： - C/C++：SimpleFOC、VESC - Rust：emf-foc（内存安全） - Python：ODrivetool（配置工具） - Lisp：VESC脚本扩展

社区活跃度： - SimpleFOC：1500+成员社区 - VESC：3000+提交 - ODrive：3600+ GitHub Stars

📂 相关资源链接

开源项目

项目	地址	语言
SimpleFOC	github.com/simplefoc/Arduino-FOC	C++
VESC	github.com/vedderb/bldc	C
ODrive	github.com/odriverobotics/ODrive	C++
MESC_Firmware	github.com/davidmolony/MESC_Firmware	C
emf-foc	crates.io/crates/emf-foc	Rust
Tinymovr	github.com/motionlayer/Tinymovr	C

机器人开源

项目	地址	描述
Unitree RL Lab	github.com/unitreerobotics/unitree_rl_lab	宇树强化学习
Unitree SDK2	github.com/unitreerobotics/unitree_sdk2	宇树SDK
Unitree MuJoCo	github.com/unitreerobotics/unitree_mujoco	宇树仿真
Unitree Guide	gitcode.com/gh_mirrors/un/unitree_guide	四足控制

论文预印本

论文	arXiv编号	主题
神经形态RL四足控制	arXiv:2605.09595	RL电机控制
神经协同状态策略	arXiv:2605.05373	RL结构化
多步态学习	arXiv:2604.19102	人形步态
双足足球机器人	arXiv:2604.19104	双足控制

📝 总结

本期周报系统梳理了电机控制领域的最新进展，核心发现如下：

开源生态： - SimpleFOC v2.4.0引入前馈控制和估计电流扭矩模式 - VESC 7.00支持VESC CAN和UAVCAN双协议 - Rust语言进入嵌入式FOC领域（emf-foc）

机器人执行器： - Tesla Optimus Gen-3即将量产，供应链已基本确定 - 宇树科技开源矩阵完善，覆盖RL训练到部署全链路 - Boston Dynamics Atlas进入量产阶段

智能控制： - 强化学习从仿真到实物的迁移技术成熟 - AC-MPC融合架构展现理论可解释性优势 - 神经形态学习支持低功耗机载适应

无传感器控制： - 全速域复合控制策略成为主流 - 滑模观测器+高频注入技术持续优化 - 深度学习与传统观测器融合成为新方向

硬件平台： - FPGA实现并行FOC，性能提升34% - RISC-V MCU（ESP32-C3）进入电机控制 - 多核异构计算满足实时性需求

电机控制开源论文与报告周报

📋 今日概览

🚀 开源项目速递

1. SimpleFOC 库 v2.4.0 --- 跨平台FOC实现利器

2. VESC 固件 v7.00 --- 专业级无刷电机控制器

3. ODrive --- 高性能机器人电机控制

4. MESC_Firmware --- STM32 FOC库

5. emf-foc --- Rust实现的FOC引擎

6. Tinymovr --- 紧凑型无刷电机控制器

📚 最新研究论文

1. 【arXiv】神经形态强化学习用于四足机器人控制

2. 【arXiv】神经协同状态策略：结构化循环强化学习中的隐藏状态

3. 【IEEE TIE】PMSM预设时间速度控制

4. 【IEEE Access】PMSM传感器故障容错控制

5. 【Energies】轨道交通PMSM速度控制

6. 【arXiv】AC-MPC：可微MPC与强化学习融合

7. 【arXiv】人形机器人多步态学习

8. 【arXiv】双足足球机器人强化学习控制

🏭 人形机器人执行器技术

1. Tesla Optimus Gen-3 关节执行器

2. 宇树科技 机器人关节电机

G1 人形机器人

H1 人形机器人

R1 人形机器人

3. Boston Dynamics Atlas

🔧 技术趋势分析

1. 无传感器控制深化

2. 智能控制崛起

3. 硬件加速需求

4. 开源生态繁荣

📂 相关资源链接

开源项目

机器人开源

论文预印本

📝 总结

2. 宇树科技机器人关节电机