学习人类控制策略的双足机器人步态控制研究

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,提出了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,建立学习人类控制策略的参数化模型,设计了基于SVM的学习型控制器。该方法保证了躯干始终处于与地面近似垂直,增强了步态控制的鲁棒性,提高了双足机器人在复杂环境下行走的动态稳定性。实验验证了该方法的有效性。     

移动可伸缩三维倒立摆模型的双足机器人步态控制策略

双足机器人的步态控制策略是保证双足稳定行走的重要条件之一.结合人在行走时ZMP平稳移动的特性,建立了一种移动可伸缩三维倒立摆模型;在约束平面内分析ZMP与COG的运动关系,将ZMP和COG分别定为快变因子和慢变因子,提出了移动可伸缩三维倒立摆模型的双足机器人步态控制策略;最后通过Matlab/ADAMS进行了步态控制仿真研究.仿真结果表明双足机器人可以稳定地行走,验证了该步态控制策略的可行性.     

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.     

基于ADAMS的双足机器人建模与仿真

为了提高双足机器人的设计效率,可以通过虚拟样机技术对其进行设计与仿真。针对机器人设计双足行走步态,首先以实际的物理样机为原型,建立双足机器人的七连杆模型,并用解析法求得机器人的逆运动学模型;然后在ADAMS软件中建立参数化的虚拟样机模型,在Matlab软件中规划双足机器人在平地上的完整行走步态;最后将规划的步态导入ADAMS中,在虚拟样机上实现了双足机器人的行走仿真。仿真结果与规划的行走步态基本一致,验证了虚拟样机的有效性,从而为双足机器人的设计与步态规划提供了一种新的方法和可靠依据。     

基于失衡度的双足机器人控制方法研究

为了解决双足机器人在强干扰下易失去平衡而摔倒的问题,提出一种基于失衡度的欠驱动双足机器人的稳定控制方法。该方法分析了多种情况下欠驱动双足机器人单脚支撑期动力学模型,用线性倒立摆模型模拟机器人的失衡度,并根据机器人受到的外部干扰的强度变化,将失衡度分为三个级别,在不同的失衡度级别内,采用相应的动力学模型及跟踪、姿态、步态切换控制方法。仿真结果表明,该方法具有较高的稳定性、实用性,可以实时控制欠驱动双足机器人步态。     

基于deep Q-network双足机器人非平整地面行走稳定性控制方法

针对双足机器人在非平整地面行走时容易失去运动稳定性的问题,提出一种基于一种基于价值的深度强化学习算法DQN（Deep Q-Network）的步态控制方法。首先通过机器人步态规划得到针对平整地面环境的离线步态,然后将双足机器人视为一个智能体,建立机器人环境空间、状态空间、动作空间及奖惩机制,该过程与传统控制方法相比无需复杂的动力学建模过程,最后经过多回合训练使双足机器人学会在不平整地面进行姿态调整,保证行走稳定性。在V-Rep仿真环境中进行了算法验证,双足机器人在非平整地面行走过程中,通过DQN步态调整学习算法,姿态角度波动范围在3°以内,结果表明双足机器人行走稳定性得到明显改善,实现了机器人的姿态调整行为学习,证明了该方法的有效性。     

动态双足机器人的控制与优化研究进展

对动态双足机器人的可控周期步态的稳定性、鲁棒性和优化控制策略的国内外研究现状与发展趋势进行了探讨.首先,介绍动态双足机器人的动力学数学模型,进一步,提出动态双足机器人运动步态和控制系统原理;其次,讨论动态双足机器人可控周期步态稳定性现有的研究方法,分析这些方法中存在的缺点与不足;再次,研究动态双足机器人的可控周期步态优化控制策略,阐明各种策略的优缺点;最后,给出动态双足机器人研究领域的难点问题和未来工作,展望动态双足机器人可控周期步态与鲁棒稳定性及其应用的研究思路.     

双足跑步机器人控制方法研究概述

：综述了双足跑步机器人的研究历史、研究内容和进展以及未来研究方向．首先系统介绍了目前已实现 跑步的双足机器人平台．随后归纳和讨论了双足跑步控制策略和跑步运动的稳定性判定方法;还介绍了跑步步态模 式规划以及走、跑步态模式转换的研究进展．最后探讨了双足跑步机器人的研究方向.     

双足爬壁机器人壁面凹过渡步态规划研究

针对腿足式爬壁机器人在壁面过渡时的步态规划问题，以一种真空吸附式双足爬壁机器人为研究对象，在步态分析的基础上，基于有限状态机建立了机器人的步态模型，进而提出了基于加权插值和BP神经网络的双足爬壁机器人壁面凹过渡在线步态规划算法，为提高机器人壁面过渡的自主控制能力奠定了基础．仿真分析和实验结果表明，该步态规划算法对于实际的机器人系统是有效的和可行的。     

RoboCup3D仿真机器人步态优化研究

在RoboCup3D比赛中,拥有一个快速灵活、稳定的步态模式是赢得机器人足球比赛的关键之一。为了获得这样的步态模式,提出一种双足机器人垂直质心高度可变的机器学习训练方法。首先,通过规划双足机器人垂直质心高度的轨迹、利用倒立摆模型和数值化方法控制零力矩点,实现双足机器人的类人行走。然后,采用自适应协方差矩阵进化算法对步态参数优化,为了获得快速稳定的步行,采用累积分层的学习方法在之前优化的基础上进一步优化。最后,采用蜂拥编队壁障算法验证多机器人环境下优化步态的稳定性、灵活性。实验和竞赛结果均表明本文提出算法的有效性。     

一种小样本支持向量机控制器在两足机器人步态控制的研究

神经网络等传统的机器学习方法是基于样本数目无穷大的经验风险最小化原则,这对非确定环境下有限样本的步态学习控制非常不利．针对两足机器人面临的非确定环境适应性难题,提出了一种基于支持向量机（SVM）的两足机器人步态控制方法,解决了小样本条件下的步态学习控制问题．提出了一种基于混合核的步态回归方法,仿真研究表明了这种方法比全局核和局部核分别单独用于步态学习时有优越性．SVM以踝关节及髋关节的轨迹作为输入,相应的满足ZMP判据的上体轨迹作为输出,利用有限的理想步态样本对机器人上体轨迹与腿部轨迹之间的动态运动关系进行学习,然后将训练好的SVM置入机器人控制系统,从而增强了步态控制的鲁棒性,有利于实现两足机器人在非结构环境下的稳定步行．仿真结果表明了所提方法的优越性．     

基于能效优化的两足机器人步态控制方法

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.     

双足步行机器人控制器的改进与实现

文章首先指出二十四自由度双足机器人的控制器是该型机器人的核心,也是扩展该型机器人功能首先需要改进的部件,接着介绍了双足机器人的控制器硬件和软件的改进设计。文章比较详细地阐述了双足机器人步态轨迹控制与规划,并指出下一步的研究方向是如何控制双足步行机器人稳定地和健壮地在复杂环境里及粗糙地面上行走。     

Stability and control of dynamic walking for a five-link planar biped robot with feet

During dynamic walking of biped robots, the underactuated rotating degree of freedom (DOF) emerges between the support foot and the ground, which makes the biped model hybrid and dimension-variant.This paper addresses the asymptotic orbit stability for criterion for DVHS is also presented, and the result is then used to study dynamic walking for a five-link planar biped robot with feet. Time-invariant gait planning and nonlinear control strategy for dynamic walking with flat feet is also introduced. Simulation results indicate that an asymptotically stable limit cycle of dynamic walking is achieved by the proposed method.     

A brief review of dynamics and control of underactuated biped robots

Humans as bipeds enjoy certain advantages over other terrestrial systems, which motivate us to study and develop biped robots. Underactuated biped robots adopt the energy efficient gait of the biological counterparts and passive walkers. However, the control design for such robots is challenging due to lesser controllable joints, non-linear hybrid system dynamics and the goal of utilizing the natural dynamics. This paper summarizes various designs, models and control strategies used to enable stable walking and running for the underactuated biped robots. It gives a brief about how the mechanism of such bipeds evolved to incorporate the design variations which significantly improved the system performance. The few basic mathematical models which are used to simulate, analyze and predict the system dynamics and test control designs, are described, highlighting the difference in walking and running models. An introduction to the various stability criteria and control methods, successful in enabling stable walking for the robots on flat or uneven terrains, is provided. This paper gives a brief of the significant achievements in this field and ends with the highlights of the abilities inherent to humans but lacking in underactuated bipeds, and adopting or improving which should be the focus of the future research.     

Stability and control of dynamic walking for a five-link planar biped robot with feet

During dynamic walking of biped robots, the underactuated rotating degree of freedom （DOF） emerges between the support foot and the ground, which makes the biped model hybrid and dimension-variant. This paper addresses the asymptotic orbit stability for dimension-variant hybrid systems （DVHS）. Based on the generalized Poincare map, the stability criterion for DVHS is also presented, and the result is then used to study dynamic walking for a five-link planar biped robot with feet. Time-invariant gait planning and nonlinear control strategy for dynamic walking with fiat feet is also introduced. Simulation results indicate that an asymptotically stable limit cycle of dynamic walking is achieved by the proposed method.     

基于六维力／力矩传感器的拟人机器人实际ZMP检测

ZMP（Zero Moment Point)作为双足双行机器人动态稳定行走的判据,已应用于世界上银多著名的步行机器人系统。目前国外步行机器人大多采用力／力矩传感器进行ZMP的实际检测计算,但采用六维力／力矩传感器的却不多,而且其安装位置也各不同,国内机器人还都还都处于离线步态规划阶段,只进行理论了ZMP的计算,并没有进行实时检测。本文根据清华大学985重点项目“拟人机器人技术及其系统研究”的研究要求,确定基于六维力／力矩传感系统的实际ZMP检测方案,确这了传感器安装的最佳位置,推导了单脚支撑期,双脚支撑期的实际ZMP计算公式提出了基于ZMP理论的姿态调整方法,以期在实际应用中进行在线步态规划。     

A SVM controller for the stable walking of biped robots based on small sample sizes

Conventional machine learning methods such as neural network (NN) uses empirical risk minimization (ERM) based on infinite samples, which is disadvantageous to the gait learning control based on small sample sizes for biped robots walking in unstructured, uncertain and dynamic environments. Aiming at the stable walking control problem in the dynamic environments for biped robots, this paper puts forward a method of gait control based on support vector machines (SVM), which provides a solution for the learning control issue based on small sample sizes. The SVM is equipped with a mixed kernel function for the gait learning. Using ankle trajectory and hip trajectory as inputs, and the corresponding trunk trajectory as outputs, the SVM is trained based on small sample sizes to learn the dynamic kinematics relationships between the legs and the trunk of the biped robots. Robustness of the gait control is enhanced, which is propitious to realize the stable biped walking, and the proposed method shows superior performance when compared to SVM with radial basis function (RBF) kernels and polynomial kernels, respectively. Simulation results demonstrate the superiority of the proposed methods.