仿人机器人实时动作模仿的最优控制策略

为实现仿人机器人对人类上肢动作的高相似模仿,提出了基于递归神经网络(RNN)的拟人机械臂实时控制算法.首先,将动作模仿转化为对腕部和肘部双演示轨迹的同步跟踪问题.为了协调双轨迹跟踪过程中的潜在冲突及关节极限,采用最优控制技术将该问题构造为一个时变凸二次规划(QP)问题.机械臂的关节位置极限和速度极限以不等式约束形式加入到优化问题中.然后,设计了递归神经网络SWET-RNN,对该QP问题进行实时化求解.理论证明了SWET-RNN的全局收敛性和稳定性,其能够在有限时间内收敛到所述QP问题的最优解.最后,真机实验表明:部署了SWET-RNN算法的动作模仿控制器对腕部目标轨迹的平均跟踪误差为6.5 mm,肘部平均跟踪误差为7.3 mm,单次调用平均耗时仅为0.126 ms;仿人机器人能够在不超越自身物理能力限制的前提下,对演示动作进行高精度、低延迟的模仿.