一种类人机器人控制系统的设计

类人机器人是多项高技术的集成,代表机器人的尖端技术,而机器人足球比赛是其技术的具体应用.针对RoboCup足球比赛,介绍一种机器人的上层决策系统的实现方法,硬件结构使用DSP和ARM组合,在此基础上使用有限状态机理论对单个机器人的决策进攻策略进行了详细研究.真实比赛环境中的实验结果验证了该实现方法的有效性,对多智能体协作的自主决策系统的研究也具有重要意义.     

半自主类人型机器人足球系统的优化设计

目前类人型足球机器人方面的研究还比较少,FIRA也把类人型机器人引入到足球领域不久,各个方面还不成熟,还有很大的发展空间。在这样的背景下,自主设计一个较好的类人型足球机器人系统,并且在实验和比赛中都证明了它的有效性。本文重点以视觉系统和决策系统为研究对象,针对视觉误差提出了一种新的校正方法,可以使误差率很小。针对决策系统,通过常见的决策程序设计框架的研究,提出了一个改进的程序设计框架,并且通过实验和比赛的检验,证明了该改进的程序设计框架的有效性,大大增强了机器人的比赛能力。     

足球机器人决策系统专用程序设计语言

介绍了足球机器人决策系统的结构,详细介绍了RS语言系统的组成和翻译器的工作原理,该语言是以功能部件库为依托,在C 语言子集中引入“RS描述语句”和“装配语句”而形成的,使得程序员可以方便的利用功能部件库中的部件来开发软件,减轻编程难度,提高编程效率。     

创造类人机器人

在电影“2001:太空探险记”中,曾提到过一个称为Hal的人工智能,它是飞往木星的“发现”号宇宙飞船的控制者。有些电影爱好者还记得,电影中曾预测Hal将在1992年1月12日出现。可是当1992年1月12日真的到来并匆匆逝去时,Hal并没有出现。为此,麻省理工学院人工智能实验室的罗德尼·布鲁克斯教授决定自己创造一个。他不打算把人的灵魂注入航天飞机,而是准备把人的智能注入机器人。     

类人足球机器人场上目标识别算法

在比赛过程中类人足球机器人的视觉系统需要对足球、球门以及对阵双方机器人进行识别. 考虑到算法的快速性及有效性,采用基于颜色信息的算法对球及球门进行识别,通过球及球门的颜色阈值提取图片中球与球门可能的位置,再由球与球门的背景色或面积信息确定球与球门的正确位置. 对双方机器人的识别,首先提取机器人的特征,然后通过在线实时的监督学习方法训练一组级联分类器,通过训练好的分类器对双方机器人进行检测. 实验表明算法能够快速有效地识别场上目标,且算法具有较好的鲁棒性.     

基于ARM的类人足球机器人视觉识别系统的设计

针对类人足球机器人在复杂赛场环境中对目标色块识别能力的不足,设计一种基于ARM的类人足球机器人视觉识别系统。软硬件设计上,以搭载Linux系统的三星S3C6410作为主控图像处理芯片,用飞思卡尔MC9S12XS128单片机作为舵机控制器,以罗技C270摄像头作为视觉传感器。分割识别算法上,采用YUV颜色空间下的阈值法与区域生长的混合分割算法对色块信息进行快速分割和识别。实验表明,该设计可准确识别出较复杂环境中的目标色块并定位出中心坐标。     

足球机器人决策系统的设计与实现

为了改进由协调层、运动规划层和基本动作层组成的足球机器人决策系统,提出了将基于Bezier曲线的机器人路径选择法、\"以小球为中心,守门员为主要执行对象\"的防守策略和场地分区法综合地运用到三层递进的决策系统中,并分别给出了每层的实现算法.在此基础之上,建立了机器人和球的动态模型,利用C 编程并导入Middle League SimuroSot(5vs5)仿真环境进行了仿真实验.仿真实验结果表明:所提改进的决策系统具有可行性和有效性,较好地解决了进攻和防守的问题.     

基于实时ZMP检测的类人足球机器人步态规划

为了保证类人机器人行走的稳定性,合理的步态规划和误差补偿是最为关键的两个方面。针对研究新一代的类人足球机器人AFU2008,在步态规划方面,根据ZMP(零力矩点)稳定性原理,首先用参考轨迹法进行关节轨迹规划,然后由运动学逆解出的关节转角值对机器人舵机进行实际控制;在误差补偿方面,采用对ZMP影响较大的上体运动进行误差补偿,并针对传统的上体补偿方法的局限性,提出了允许上体高度作匀速运动的改进方法。最后通过仿真和实际实验表明:相对于传统补偿方法,新方法能够更加明显减小机器人的ZMP误差,提高机器人ZMP的稳定裕度,使得类人机器人可以稳定快速的行走。     

具有颜色识别功能的类人机器人设计

针对传统类人机器人在控制系统实时性和视觉识别方面的不足,以S3C6410作为主控芯片,设计了具有视觉识别功能的类人机器人控制系统,通过改进和简化视频识别算法取得了良好的目标识别效果。实验表明,基于本控制系统设计而成的类人机器人实时性好,目标识别准确,通过调整运动路径能够快速找到目标。     

类人机器人的研究现状及展望

机器人是近年来发展起来的一个多学科和技术相交叉结合的应用领域,类人机器人是研究热点之一.类人机器人技术汇集了当今世界在机电、材料、计算机、传感器、控制技术、人工智能、仿生科学、思维科学、心理学以及理论语言学等多个学科领域的尖端技术.本文主要介绍目前国内外类人机器人的研究现状,分析各典型类人机器人的自由度分布,同时对类人机器人的理论研究现状做简单介绍,对目前研究存在的问题做分析,提出类人机器人未来的发展方向.     

基于态势评估的足球机器人决策模型

为了提高足球机器人中策略执行的有效性和针对性,提出了一种基于赛场正向态势评估和反向执行效果评估的有限状态自动机分层决策模型。该模型将赛场决策分为战术策略和具体任务,通过正向态势评估信息和任务执行效果的反馈信息进行综合量化,基于有限状态自动机建立策略和任务的转换关系,从而做出适合当前态势的战术策略。经仿真实验表明,该决策模型在很大程度上提高了策略决策的有效性和针对性,使得球队的整体攻防能力得到了相应的改善。     

仿人机器人动态步行控制综述

综述了仿人机器人动态步行的研究历史和研究现状。归纳了动态步行的特点,分析了动态步行稳定性判定方法,介绍了基于ZMP的姿态稳定判据和基于庞加莱映射（Poincaré Map）的步态稳定判据。总结了仿人机器人学习适应复杂地面环境步行的方法,概述了动态步行控制实现的典型解决方案,指出了动态步行控制中待解决的问题,并探讨了未来的发展方向。     

仿人机器人上楼梯行走稳定性研究

针对仿人机器人上楼梯行走稳定性问题;进行了步态规划、稳定区域和稳定裕量的计算、控制策略等关键技术的研究。通过仿真;得到稳定行走姿态变化情况及各关节参数;为研究实时控制提供了依据。     

机器人仿生面部系统研究综述

机器人仿生面部系统是近几年机器人研究领域较活跃并引起广泛兴趣的研究方向之一．本文综合分析了在机器人仿生面部系统的制造及其表情的产生等方面的研究现状,并对该领域未来的研究重点、发展方向作出了展望．     

仿人机器人的研究历史、现状及展望

仿人机器人是当前机器人研究领域最活跃的研究方向之一,引起了许多科研工作者的注意．本文介绍了仿人机器人与其他移动机器人相比的主要优点,对国内外仿人机器人的研制工作作了综述,并对将来的研究方向和工作重点作出了展望．     

基于六维力/力矩传感器和关节力矩的仿人机器人步态补偿算法

为实现仿人机器人的稳定行走,提出一种根据其足底六维力/力矩传感器信息、针对关节力矩的步态补偿算法．利用直流伺服电机的过载能力,来改善仿人机器人关节在大负载扰动下的动态性能．行走实验证明了该算法在离线实施过程中的有效性．     

基于FPGA的仿人机器人面部驱动系统

针对单片机在处理多任务事件时的延时问题,提出了基于现场可编程门阵列(FPGA)的驱动系统设计方案。根据FPGA的多任务可并行处理特点,分别进行设计和验证并通过在一片FPGA上统一实例化模块,简化了驱动系统的硬件结构。实验表明,基于FPGA的驱动系统可有效提高面部表情控制准确度和表情再现速率。     

What kind of floor am I standing on? Floor surface identification by a small humanoid robot through full-body motions

This study addresses a floor identification method for small humanoid robots that work in such daily environments as homes. The fundamental difficulty lays in a method to understand the physical properties of floors. To achieve floor identification with small humanoid robots, we used inertial sensors that can be easily installed on such robots, and dynamically selected a full-body motion that physically senses floors to achieve accurate floor identification. We collected a training data-set over 10 different kinds of common floors in home environments. We achieved 85.7% precision with our proposed method. We also demonstrate that our robot could appropriately change its locomotion behaviours depending on the floor identification results.