基于姿态信息的双足移动机器人越障步态控制

在机器人运动控制中,姿态信息获取是不可缺少的步骤,尤其是在机器人越障步态控制中,因此提出基于姿态信息的双足移动机器人越障步态控制方法。在双腿摆动和地面碰撞2种情境下,创建双足移动机器人动力学模型,获得机器人行走变化规律。利用AdaBoost算法分类机器人姿态属性,通过关联性指标与骨骼密度实现机器人姿态信息感知,明确操作者越障意图。使用摄像头得到障碍物图像数据,采用神经网络的前馈补偿能力进行机器人越障步态控制。实验结果表明,所提方法越障步态控制精准度高、稳定性强,可提高双足移动机器人的移动能力。

基于最大熵深度强化学习的双足机器人步态控制方法

针对双足机器人连续直线行走的步态稳定控制问题,提出一种基于最大熵深度强化学习(DRL)的柔性演员-评论家(SAC)步态控制方法。首先,该方法无需事先建立准确的机器人动力学模型,所有参数均来自关节角而无需额外的传感器;其次,采用余弦相似度方法对经验样本分类,优化经验回放机制;最后,根据知识和经验设计奖励函数,使双足机器人在直线行走训练过程中不断进行姿态调整,确保直线行走的鲁棒性。在Roboschool仿真环境中与其他先进深度强化学习算法,如近端策略优化(PPO)方法和信赖域策略优化(TRPO)方法的实验对比结果表明,所提方法不仅实现了双足机器人快速稳定的直线行走,而且鲁棒性更好。

仿生机器鱼步态控制及闭环运动控制方法综述

鱼类所具有的推进效率高、机动性强、环境扰动小等优点引发了国内外学者对仿生机器鱼的研究。底层步态控制方法和闭环运动控制方法是当前机器鱼控制研究的两大热点。按照推进模式的分类方法概述各类机器鱼的样机研制情况以及其性能优劣,介绍机器鱼的推进机理及其水动力学研究进展,进而重点探讨轨迹逼近方法和中枢模式发生器这2种底层步态控制思路,综述机器鱼的典型闭环运动控制方法。中枢模式发生器具有更强的灵活性、稳定性和可操作性,易于引入反馈项而实现闭环控制,在机器鱼底层步态控制中占主导地位。针对机器鱼的显著特点改进后的基于学习的控制方法与多种方法相结合后的混合控制方法具有更为广阔的发展前景,符合仿生机器鱼智能化的发展方向。根据工作条件和运动要求建立合理的步态控制系统以及准确高效的闭环运动控制系统可提高机器鱼的整体性能。

新型四足并联军用机器人步态控制算法及仿真

在多关节步行机器人控制策略中,全部采用中央模式(CPG)网络进行控制的方法具有参数繁多、网络结构复杂的特点;机器人的工作环境通常多变且复杂,对机器人的灵活性和抗干扰能力提出了更高的要求,故仅采用单一的控制模式很难满足上述需求。针对上述问题,在机器人控制上把基于CPG的控制方法和基于虚拟模型的控制方法进行综合,对单腿为3-UPS机构的四足并联军用机器人设计了一种新型步态控制算法,用CPG完成机器人的基础步态,完成输入输出之间的非线性振荡器网络模型的搭建,并将模型的输出与关节电机的驱动力矩构成映射关系;再用虚拟模型生成行走时保持机器人平稳姿态所需要的足端虚拟力,并将足端虚拟力映射为关节驱动力矩。通过V-REP与MATLAB软件对该步态控制算法进行联合仿真实验。仿真结果表明:所提出的步态控制算法有效;新算法的优势在于简化控制网络的同时还能保证机器人在行走过程中拥有较强的灵活性和抗干扰能力,这种新型控制模式为四足并联军用机器人的步态控制提供了新的思路与方法。

基于改进强化学习的机器人双足步态控制方法

为提高双足机器人应对不同场地步态控制的自主性与稳定性,提出了一种基于改进强化学习的机器人双足步态控制方法。在构建机器人双足步态控制强化学习框架的基础上,对确定性策略梯度进行修正,基于Actor-Critic结构将网络训练样本一分为二,分别对行为价值进行独立估计,通过使用多层神经网络参数化策略并应用确定性策略梯度学习,从而学习到具有较强鲁棒性的步态控制策略。仿真实验表明:通过本文方法能够使机器人臀部、大腿、关节、小腿以及指向获得更为稳定的控制策略,步态收敛更迅速、步态收敛域更大,实现了不同速度下不同场地的稳健步行运动。

视觉感知和步态控制——国际自主智能机器人大赛U型赛算法综述

近年来,随着人工智能技术的发展,可独立完成任务的自主智能机器人成为研究热点。视觉感知和步态控制作为机器人完成各项任务的重要手段,是亟需不断深入研究的技术点。为了拓展小型人形机器人的自主智能水平和应用场景,本文从国际自主智能机器人大赛技术问题出发,研究分析视觉感知和步态控制在模拟人类生活场景的任务(即U型赛)中的应用。首先,对比赛环境和软硬件平台进行介绍,其次分别分析了视觉感知和步态控制在大赛中的应用方法和算法实现,并以上下开横杆为例,介绍了U型赛参赛队伍所使用的算法并进行分析比较。随后,展示了历年参赛队伍的优秀成果,分析了比赛任务完成度,指出比赛的研究难点及可能的解决方向。最后,对未来大赛的技术应用发展方向进行总结。

基于Kimura神经元振荡器的六足仿生机器人步态控制研究

生物中枢模式发生器(CPG)对六足机器人的步态控制具有重大研究意义,为此提出一种基于Kimura神经元振荡器的六足机器人CPG步态控制方法。首先,以蜘蛛为仿生对象设计六足机器人机械结构并对其进行运动学解算;然后,基于Kimura神经元振荡器建立振荡器模型并对其参数整定;其次,针对机器人6条单腿的相位关系设计CPG网络模型;最后,通过计算机仿真工具和样机进行联合实验。结果表明,基于Kimura神经元振荡器生成的CPG网络模型输出信号幅值和相位差稳定,能够满足六足机器人步态控制需求,为六足机器人的步态控制提供一种可行性方案。

下肢康复机器人训练联合镜像疗法对脑卒中偏瘫患者步态控制的影响

目的探讨下肢康复机器人训练联合镜像疗法对脑卒中偏瘫患者步态控制的影响。方法选取2019年5月至2021年12月苏州明基医院收治的84例脑卒中偏瘫患者作为研究对象,随机将其分为A组、B组和联合组,每组各28例。3组患者均给予常规康复训练。在此基础上,A组患者给予下肢康复机器人训练,B组患者给予镜像疗法,联合组患者给予下肢康复机器人训练和镜像疗法。观察3组患者康复训练前后步行时空参数、Holden步行功能分级、踝背屈角、内翻角、Berg平衡功能量表评分、Barthel指数评分。结果治疗4周后,3组患者步宽较治疗前均减小(P<0.05),且联合组小于A、B组(P<0.05);步速、步频、步幅较治疗前均升高(P<0.05),且联合组高于A、B组(P<0.05);Holden步行功能分级及踝背屈角均增大,且联合组大于A、B组(P<0.05);内翻角均减小,且联合组小于A、B组(P<0.05);Berg平衡功能量表评分、Barthel指数评分较治疗前均升高(P<0.05),且联合组高于A、B组(P<0.05)。治疗4周后,A、B组步行时空参数、Holden步行功能分级、踝背屈角、内翻角、Berg平衡功能量表评分、Barthel指数评分比较差异无统计学意义(P>0.05)。结论下肢康复机器人训练联合镜像疗法用于脑卒中偏瘫患者效果明显,能够提高其步行能力,改善其生活质量。

基于仿生运动理论的四足机器人步态控制模型建立

四足机器人因其良好的平衡性、灵活性以及环境适应性,具有广泛的应用价值,受到众多研究所的重视。本文结合仿生学以及运动学理论,设计了四足机器人并建立了四足机器人步态控制模型。首先对马的骨骼结构进行研究,得出结构优点,然后将优点应用于四足机器人的设计中,设计了腿节比为1:1的两腿节四足机器人,最后结合运动学公式以及传统的CPG步态控制策略建立了四足机器人步态控制模型,并且输出了稳定的行走步态下关节控制信号曲线。

基于CPG的并联腿四足机器人步态控制

并联腿结构的四足机器人具有承载能力强、刚度大、运动精度高的优点,但控制复杂。为更好地控制,提出了一种串联结构等效方法对并联腿进行了分析,结合中枢模式发生器(CPG)对等效的髋、膝关节进行控制,从而实现四足机器人不同步态,并利用ADAMS与MATLAB/SIMULINK软件搭建了四足机器人的虚拟样机与控制系统。仿真实验结果表明,串联等效分析方法能够应用于并联腿结构,CPG可实现四足机器人的Walk与Trot步态,验证了该方法的可行性与有效性。

不平整地面上双足机器人的步态控制

提出了一种不平地面环境下双足机器人的步行控制算法.该算法由步态规划和传感器反馈控制系统组成.在步态规划中,采用被动倒立摆模型设计双足机器人的质心位置,所生成的步态使机器人能够在平地上更自然有效地稳定行走.在线反馈控制系统用于处理地面环境的凹凸不平以及来自外界的未知扰动,可分为上身姿态控制、期望ZMP控制以及非线性落地控制3个部分.这3种控制分别针对不同的控制目标,并根据步行过程的具体阶段在线修正预先规划好的步态,维持双足机器人的步行稳定性.它们在结构上相互耦合,从而实现加速在线反馈控制系统的收敛速度、克服机器人柔性对控制作用的负面影响等效果.双足机器人在凹凸地面的步行实验验证了所提出步行控制算法的有效性.

基于能效优化的两足机器人步态控制方方法法

针对高能耗导致的两足机器人实用化障碍,提出了一种全新的、系统化的步态能效优化控制方法.基于两足机器人运动的重要能耗指标(平均功率、平均功率偏差、平均力矩损耗),提出了能耗预估策略和能效优化算法,获取了零力矩点(ZMP)稳定区域内的能耗极小值.沿着能耗极小值所对应的上体轨迹对机器人步态实施能效优化控制,最终获得满足ZMP稳定判据的低能耗步态.仿真结果证明,该方法能够有效降低机器人能耗并保持其稳定性.

基于主动试探的微小型爬壁机器人步态控制

针对欠平滑壁面上微小型爬壁机器人吸盘足吸附失败后的自主行为控制问题,根据机器人的结构设计及运动步态特点,提出基于主动试探的机器人吸盘足着地点自主选择步态控制方法。分析机器人的三种运动模式,以及直线运动和转向运动的基本步态。定义机器人的状态矢量,建立机器人吸盘足的有限状态机模型和状态转移图,并按"就近"原则设定状态转移函数的优先级。以上述研究为基础,提出在缺少壁面环境信息条件下的机器人步态控制主动试探方法。对步态控制方法进行仿真分析,并在实验室模拟环境和实际的飞机外表面环境进行试验验证,结果表明,所提出方法对于改善机器人的控制性能和提高机器人的自主能力是可行和有效的。

蛇形机器人桥梁缆索攀爬步态控制研究

使用基于迭代链拟合与关键帧提取的蛇形机器人缆索攀爬步态生成方法,对一种正交关节蛇形机器人桥梁缆索攀爬步态控制进行了研究。该方法可建立蛇体骨干曲线定向位移与底层驱动器输入之间的联系,可将传统的骨干曲线法和控制函数法两种步态生成方法的优点有效地结合。使用该方法生成步态既可直观地得到骨干曲线的形状及运动趋势,又可得到以关节号和时间为变量的控制函数。该方法可有效提高蛇形机器人桥梁缆索攀爬的安全性、步态灵活性,同时,也便于控制底层驱动器。最后,通过实验验证了所提出方法的有效性。

人类控制策略在双足机器人步态控制中的应用

针对双足机器人面临的复杂环境下动态行走的适应性难题,提出一种基于学习人类控制策略的双足机器人步态控制方法。利用三维线性倒立摆模型构造双足行走系统的状态方程,建立人类控制策略的参数化模型,采用支持向量机(SVM)对人类控制策略进行辨识,并以此SVM作为COM控制器,保证躯干始终处于与地面近似垂直的姿态以及连续的质心运动,增强步态控制的鲁棒性,提高双足机器人在复杂环境下行走的动态稳定性。实验验证了此方法的有效性。

基于深度强化学习的双足机器人斜坡步态控制方法

为提高准被动双足机器人斜坡步行稳定性,本文提出了一种基于深度强化学习的准被动双足机器人步态控制方法.通过分析准被动双足机器人的混合动力学模型与稳定行走过程,建立了状态空间、动作空间、episode过程与奖励函数.在利用基于DDPG改进的Ape-X DPG算法持续学习后,准被动双足机器人能在较大斜坡范围内实现稳定行走.仿真实验表明,Ape-X DPG无论是学习能力还是收敛速度均优于基于PER的DDPG.同时,相较于能量成型控制,使用Ape-X DPG的准被动双足机器人步态收敛更迅速、步态收敛域更大,证明Ape-X DPG可有效提高准被动双足机器人的步行稳定性.

两足步行机器人动态步行的步态控制与实时时位控制方法

本文讨论两足步行机器人动态步行实时控制中的步态控制方法．在姿态控制条件下，详细分析了步行系统的步态稳定性，提出了步态控制器的构造和设计方法，综合姿态控制器和步态控制器，提出了动态步行实时时位控制方案，最后运用仿真模型验证了这一实时控制方案的可行性．

双足机器人步态控制的深度强化学习方法

针对双足机器人行走过程中的步态稳定控制问题,提出一种改进深度Q网络的深度强化学习方法。首先,将深度Q网络算法与确定性策略梯度相结合,提出用修正Double-Q网络优化操作—评论网络的评论网络,给出一种改进的深度Q网络;然后,建立双足机器人连杆模型,在常规的平整路面上将改进的深度Q网络用于作为智能体的双足机器人进行步态控制训练。MATLAB仿真结果表明,与深度Q网络和深度确定性策略梯度算法相比,所提算法有更好的训练速度且其回报曲线具有良好的平滑性。在CPU训练下,经过20 h左右深度强化学习能够完成智能体训练。双足机器人在较小的力矩和长距离下能够稳定快步行走。

基于中枢模式发生器的仿生机器狗步态控制的应用研究

由于人工规划产生的步态是比较僵硬的、缓慢的,缺乏灵活的自组织能力,与真正的动物步态存在很大差别;文章提出了机器狗生物步态的概念;以生物的中枢模式发生器CPG模型为核心建立仿生四足机器狗运动控制系统;根据哺乳动物的肢体运动关系,建立机器狗膝髋关节运动关系方程,并设计系统软硬件;设计的控制器能够有效地克服机器狗关节轨迹跟踪控制中耦合、力矩非线性等因素的影响,且具有自适应能力;通过仿真验证了应用于机器狗的生物CPG控制机理的控制方法是有效的。

基于CPG的六足机器人运动步态控制方法

中枢模式发生器(CPG)在六足机器人的运动步态控制中起着至关重要的作用。为了研究六足机器人的运动控制方法,首先基于仿生学原理设计了六足机器人的机械结构,并在虚拟样机软件ADAMS中搭建其三维模型;其次选择Hopf振荡器作为CPG单元,并改进了振荡器模型;然后设计了六足机器人的CPG网络拓扑结构,包含单腿关节映射函数方案和腿间CPG环形耦合网络方案,并对其进行了改进;最后通过ADAMS和MATLAB联合仿真实验,验证了所设计六足机器人的运动稳定性和CPG控制方案的可行性与有效性。仿真结果表明,该方法能够满足六足机器人不同运动步态的控制需求,对六足机器人的运动控制具有一定的实际应用价值。