基于LSTM神经网络的仿人机器人循环步态的生成方法

为了解决Kinect视野限制仿人机器人不能对人体步行动作进行长时间模仿的问题,提出基于长短期记忆(long short-term memory,LSTM)神经网络预测模型生成仿人机器人的循环步态的方法.通过Kinect多次采集人体步行时各个关节角度的一维时间序列,经仿人机器人步态平衡模型得到仿人机器人的关节角度驱动序列.使用C-C方法确定时间序列的时间延迟和嵌入维数,对关节角度序列进行相空间重构,获取时间序列的更多特征值对基于LSTM神经网络搭建的关节角度预测模型训练,并通过其生成多个步态周期的关节角度序列.使用生成的序列在WEBOTS平台中驱动仿人机器人NAO完成多个步态周期的步行动作.该方法有效解决体感摄影机视野限制问题,使仿人机器人能完成多个步态周期的步行模仿动作.