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.     

双足机器人跨越动态障碍物在线控制系统设计

在双足机器人跨越动态障碍物的在线控制问题中,脚步规划和步态控制的学习时间是关键问题;提出了一种将机器人的步态控制和脚步规划分别独立设计的控制策略;步态控制目的是产生关节点轨迹并控制对理想轨迹的跟踪,考虑到双足机器人关节点轨迹的不连续性,应用小脑模型连接控制CMAC记忆特征步态的关节点轨迹;脚步规划的控制目标是通过对环境的视觉感知预测机器人的运动路径,算法是基于无需对动态环境精确建模的模糊Q学习算法;仿真结果表明该控制策略的可行性,并且可以有效缩短在线学习时间。     

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．     

两足步行机器人动态步行姿态稳定性及姿态控制

本文提出了一种新型两足步行机器人动态步行实时控制方法，引入了姿态稳定性和步态稳定性的概念，把两足动态步行控制分为姿态稳定性控制和步态稳定性控制两个相互联系的子系统，并从姿态稳定性分析出发，重点研究了各关节轨迹跟踪控制和系统整体动态平衡等问题，提出了姿态控制器的结构及设计方法．     

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。     

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。     

使用零力矩点轨迹规划的四足机器人步态进化方法

通过对AIBO 机器人行走时身体摇摆现象的研究,提出一种使用零力矩点轨迹规划的步态控制方法． 与此同时,使用基于遗传算法的进化学习方法对步态控制参数进行优化．实验使用AIBO 机器人进行测试,机器人 使用该进化学习方法可自主地得到最优步态,其最优步态在保证稳定性的基础上最大速度达到了455 mm/s．实验结 果表明,应用该方法进行步态控制,机器人获取的最优步态不仅满足稳定性要求,而且对不平地形也具有较好的适 应能力．     

基于腰关节力矩补偿的仿人机器人快速步行模式生成

为了有效地提高仿人机器人动步行能力,利用基于预观控制的ZMP 步态生成模式的优点并引入脚尖 脚后跟与地面间的旋转关节,生成了机器人的质心和踝关节轨迹．同时,为了得到更快的步行速度,提出了侧向质 心摆动幅度递减和腰关节偏摆力矩补偿的方法．最后在虚拟物理环境下,利用动力学仿真软件实现了虚拟3-D 仿人 机器人快速动步行．仿真结果证明了所采用方法的有效性．     

本期摘要

舵机控制步行机器人系统设计 首先设计了两足步行机器人的本体结构,并选择舵机作为驱动源。然后．基于广义坐标对该机器人进行了运动学建模,该方法运算简便直观易懂。重点讨论了动态步行的算法设计,详细分析了基于零力矩点的仿人机器人动态步行运动规划方法。结合机器人的几何约束和运动约束．推导机器人参数化步态设计的推导公式,机器人步态的参数化设计大大方便了机器人的运动学和动力学分析。     

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。     

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.     

Neuro-fuzzy gait synthesis with reinforcement learning for a biped walking robot

 A reinforcement learning-based neuro-fuzzy gait synthesizer, which is based on the GARIC (Generalized Approximate Reasoning for Intelligent Control) architecture, is proposed for the problem of biped dynamic balance. We modify the GARIC architecture to enable it to generate the trunk trajectory in both sagittal and frontal plane. The proposed gait synthesizer is trained by reinforcement learning that uses a multi-valued scalar signal to evaluate the degrees of failure or success for the biped locomotion by means of the ZMP (Zero Moment Point). It can form the initial dynamic balancing gait from linguistic rules, which are obtained from human intuitive balancing knowledge and biomechanics studies, and accumulate dynamic balancing knowledge through reinforcement learning, and thus constantly improve its gait during walking. The feasibility of the proposed method is verified through a 5-link biped robot simulation.     

Interval type-2 fuzzy weighted support vector machine learning for energy efficient biped walking

An interval type-2 fuzzy weighted support vector machine (IT2FW-SVM) is proposed to address the problem of high energy consumption for biped walking robots. Different from the traditional machine learning method of ‘copy learning’, the proposed IT2FW-SVM obtains lower energy cost and larger zero moment point (ZMP) stability margin using a novel strategy of ‘selective learning’, which is similar to human selections based on experience. To handle the uncertainty of the experience, the learning weights in the IT2FW-SVM are deduced using an interval type-2 fuzzy logic system (IT2FLS), which is an extension of the previous weighted SVM. Simulation studies show that the existing biped walking which generates the original walking samples is improved remarkably in terms of both energy efficiency and biped dynamic balance using the proposed IT2FW-SVM.     

基于足底压力与支持向量机的步态相位识别研究

随着两足机器人、人工假肢技术以及为行走困难病人康复设计的康复训练机器人的发展,在线的步态相位识别方法越来越重要。本文提出的基于足底压力与支持向量机(SVM)的步态相位识别算法主要由五部分组成,即数据采集、数据预处理、特征提取、训练分类器和分类识别。实验表明：该方法能够对运动中的步态相位进行准确的判断。     

面向离散地形的欠驱动双足机器人平衡控制方法

欠驱动双足机器人在行走中为保持自身的平衡,双脚需要不间断运动.但在仅有特定立足点的离散地形上很难实现调整后的落脚点,从而导致欠驱动双足机器人在复杂环境中的适应能力下降.提出了基于虚拟约束(Virtual constraint,VC)的变步长调节与控制方法,根据欠驱动双足机器人当前状态与参考落脚点设计了非时变尺度缩放因子,能够实时重构适应当前环境的步态轨迹;同时构建了全身动力学模型,采用反馈线性化的模型预测控制(Model predictive control,MPC)滚动优化产生力矩控制量,实现准确的轨迹跟踪控制.最终进行了欠驱动双足机器人的随机离散地形稳定行走的仿真实验,验证了所提方法的有效性与鲁棒性.     

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.     

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.