四、控制器
刚才提到线性控制器，对于类似自平衡系统可能已经足够，但此结论是基于传感器可以提供准确读数的情况下，或者说，可以提供与模型状态变量一致的测量数据，而这一假设在现实中，基本无法实现，这也是为什么我们需要状态估计 （state estimation） 的原因。
举个例子，我们的状态变量包括身体的角度，模型的角度θa是对于质心的（因为当θa为零时OmBURo才能平衡），而实际读取到的角度θm，由于IMU装配误差和自身偏差，可能没有任何物理意义（你也不知道它测量的到底是啥），当然这两个角度实际上不会差很多，但对于自平衡移动机器人，一点点误差也是致命的。
幸运的是，对于这类自平衡移动机器人，相比复杂的状态估计，我们有一个更加便捷的方法处理这一问题。我们首先可以以θm读数为基准设计控制器，如果目标是OmBURo速度为零原地平衡，但结果是它持续往某一方向（比如向右）移动的话，那我们则可知需要向反方向（比如向左）调整θm读数，调整的大小可基于OmBURo的移动距离以及速度，反之亦然。综上，我们设计的控制器如下图所示，包含一个基于模型的LQR控制器（用于追踪参考速度）以及一个用于调整角度读数的PI控制器。
五、实验结果
基于以上OmBURo样机以及控制器设计，我们成功完成了一系列实验测试，包括原地自平衡、自抗扰、速度跟踪、路径跟随、甚至斜坡平衡。
