中国作为世界上国土面积第三大的国家,东临太平洋,拥有广阔的海域以及绵长的海岸线。人们在近海区域存在大量的两栖环境下的作业需求。能够在各种复杂介质中自如穿行的两栖机器人,成为了人们进行两栖复杂作业的得力帮手。当两栖机器人在执行重复作业的时候,由于野外环境通常地形起伏、介质多变,对目标轨迹的实时跟踪是一个亟待解决的难题。为了解决六足两栖机器人野外环境的高效轨迹跟踪问题,本文提出了基于深度神经网络的模型预测控制算法。首先,将实际采集的大量两栖机器人运动数据输入深度神经网络当中进行训练,得到了给定地图较为精确的两栖机器人运动学模型。之后,通过深度相机实时采集前方路面点云,并以此构建实时地形高度图和两栖机器人高度模型,随后将上述两种模型进行像素级灰度值比较,确定足与地面接触点,并通过构建误差函数、矩阵奇异值分解,求解了接触点拟合而成的机身法向量,实现了两栖机器人实时姿态估计。随后,本文结合提出的深度神经网络运动学模型与姿态估计算法,通过构建了基于位姿误差和控制变量的代价函数,确定了包含运动学约束、控制幅值约束、初始状态约束在内的两栖机器人运动约束,制定了与目标点距离相关的预测周期估计策略,并通过优化求解得到了实时轨迹跟踪的最优控制序列。最终,本文构建了基于Gazebo的仿真平台,搭建了和实际相一致的复杂地形图,构建了与真实两栖机器人物理特性一致的仿真模型,并且给两栖机器人进行了前行、后退、转动爬行等步态设计。为了验证提出的算法的效果,本文进行了充分的对比实验,对比了包括整体跟踪误差、平均误差、最大误差、安全率在内各项指标。结果显示,本文提出的轨迹跟踪算法在鲁棒性和准确性上均明显优于基础轨迹跟踪算法,实现了高精度、强鲁棒的轨迹跟踪。