CN105965506A - 一种基于遗传算法的人形双足机器人步行姿态控制方法 - Google Patents

一种基于遗传算法的人形双足机器人步行姿态控制方法 Download PDF

Info

Publication number
CN105965506A
CN105965506A CN201610317278.0A CN201610317278A CN105965506A CN 105965506 A CN105965506 A CN 105965506A CN 201610317278 A CN201610317278 A CN 201610317278A CN 105965506 A CN105965506 A CN 105965506A
Authority
CN
China
Prior art keywords
robot
genetic algorithm
gait
control method
joint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610317278.0A
Other languages
English (en)
Inventor
赵积春
陈志成
冀振华
安阳
梅若雪
徐蕾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ge Fenwei Science And Technology Ltd
Original Assignee
Beijing Ge Fenwei Science And Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Ge Fenwei Science And Technology Ltd filed Critical Beijing Ge Fenwei Science And Technology Ltd
Priority to CN201610317278.0A priority Critical patent/CN105965506A/zh
Publication of CN105965506A publication Critical patent/CN105965506A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于遗传算法的人形双足机器人步行姿态控制方法，基于ZMP控制理论、位姿矩阵建立了双足机器人的数学模型，模拟人的基本步态，采用步行周期T、步速V、身高H、手臂摆幅R、身躯中心上下摆幅C、身躯中心左右的摆幅A这六个参数对机器人的步态进行了规划，通过遗传算法选取优化的T、V、H、R、C、A六个参数，带入位姿矩阵的逆运算中，得出机器人其他关节坐标的值，解决了生成稳定控制机器人步态的数据的方法。克服了位姿矩阵逆运算运算量大、效率不高的问题，提高了系统实时响应能力，并用该方法产生的数据用于人形双足机器人系统中，达到了很好的控制效果。

Description

一种基于遗传算法的人形双足机器人步行姿态控制方法
技术领域
本发明属于机器人自动化技术领域，具体涉及一种基于遗传算法的人形双足机器人步行姿态控制方法。
背景技术
目前，人形双足机器人和其他的机器人相比，有着体积小，重量轻，动作灵活，反应迅速等特点，而且更加相似于人类的动作特征，所以对双足机器人的研究有着很大的现实意义。在人形双足机器人的研究中稳定性控制是非常重要的，没有稳定性作前提，其他的动作如行走、后退、前翻、后翻等也就无从谈起。目前人形双足机器人控制中，存在稳定性控制不佳、行走不稳定、摔倒的问题，存在行走姿态不协调，不像人类行走的样子。机器人控制过程中，通常用到位姿矩阵的逆运算，这是一个庞大的矩阵表达式，这个矩阵表达式所求出来的关节角度θi(i＝0，…，n)不是唯一解，在这个不唯一的解集中，搜索和确定最佳解时，有很多的约束条件，包括：稳定性、类人运动、机械限制和外界作用力的影响等等，存在运算量大，搜索效率不高的问题，实时响应能力不够的问题。
发明内容
本发明的目的是解决上述问题，提供一种克服了位姿矩阵逆运算运算量大、效率不高的问题，提高了系统实时响应能力的基于遗传算法的人形双足机器人步行姿态控制方法。
为解决上述技术问题，本发明的技术方案是：一种基于遗传算法的人形双足机器人步行姿态控制方法，包括以下步骤：
S1：输入机体参数：根据机器人的外形和运动的状态，输入机器人机体的具体参数；
S2：拟人步态规划：对机器人的步态运动进行简单分解，在满足约束条件和保证步态可复现的前提下，采用步行周期T、步速V、身高H、手臂摆幅R、身躯中心上下摆幅C和身躯中心左右的摆幅A六个参数来描述机器人的步态，同时给机器人坐标定位，机器人的拟人步态规划如下：
身躯中心的x坐标：Vt；
身躯中心的y坐标：Asin(πt/T)；
身躯中心的z坐标：H-Ccos(πt/T)；
右臂的摆动：R sin(πt/T)；
左臂的摆动：R sin(-πt/T)；
S3：遗传算法优化参数：采用遗传算法对S2中的六个参数进行最优选取，得到最优参 数；
S4：位姿矩阵逆运算：把S3中获取的最优参数通过位姿矩阵的逆运算获得机器人关节角度θi(i＝0，…，n)关于时间t的函数；
S5：关节动作序列控制：根据S4中机器人关节角度θi(i＝0，…，n)关于时间t的函数，预先设定机器人任意时刻的关节角度的值，得到机器人关节动作序列；
S6：机器人机体执行：根据S6中的机器人关节动作序列指令，机器人机体完成各种动作；
S7：位姿修正：当机器人出现倾斜或倾倒时，生成位姿修正指令，将该指令返回S6中，机器人根据位姿修正指令恢复到期望姿态。
优选地，所述步骤S1中的机器人机体的具体参数包括机器人高度、机器人宽度、双脚的最小支撑域、机器人腿长。
优选地，在步骤S4中，机器人的稳定性控制采用了ZMP控制理论。
优选地，在步骤S4中，也可通过逆动力学计算获得机器人关节角度θi(i＝0，…，n)关于时间t的函数。
优选地，在步骤S7中，当机器人倾斜时，根据机器人脚底力传感器信号和姿态传感器信号生成用于改变机器人双脚落地位置的指令，机器人根据该指令恢复机器人到期望姿态；当机器人倾倒时，根据陀螺仪传感器信号生成位姿修正指令，机器人根据该指令实现自行站立，继续行走。
优选地，所述机器人设置有17个自由度，设置有脚底力传感器、姿态传感器、陀螺仪传感器及关节动作序列控制器。
本发明的有益效果是：
(1)本发明所提供的基于遗传算法的人形双足机器人步行姿态控制方法，基于ZMP控制理论、位姿矩阵建立的数学模型，通过遗传算法对机器人行走步态做了规划，解决产生稳定控制机器人步态的数据，在步态运行过程中保证机器人从一个稳定态到下一个状态时也是稳定的。
(2)本发明为了增强了系统的实时性，把遗传算法选取系统的优化参数提前加入位姿矩阵的逆运算中，避免了求解关节角度θi(i＝0，…，n)不是唯一解的问题，避免了求解运算的复杂性、避免了求解运算量大、搜索效率不高的问题。通过本发明所述的方法，获得机器人关节角度θi(i＝0，…，n)关于时间t的函数，预先设定机器人任意时刻的关节角度的值，从而得到机器人关节动作序列，应用于机器人机体，实现了机器人的稳定拟人行走，实际中有很好的效果。
(3)通过该本发明的方法，根据机器人关节动作序列指令，机器人机体可完成各种动作，如模拟人类站立、行走、前进、后退、转弯、横向跨步、前滚翻、后滚翻、单腿支撑蹲起、倒立、做俯卧撑，伏地起身、鲤鱼打挺、等各种动作及组合动作。
附图说明
图1是本发明基于遗传算法的人形双足机器人步行姿态控制方法流程图；
图2是本发明的人形双足机器人结构示意图；
图3是本发明的用连杆机构表示的双足机器人示意图；
图4是本发明的人形双足机器人步行轨迹示意图；
图5是本发明机器人步行支撑域、中心点和ZMP点示意图；
图6是本发明十七自由度人形双足机器人关节模型图；
图7是本发明位姿矩阵正向运算流程图；
图8是本发明位姿矩阵逆运算流程图；
图9是本发明实施例中Xzmp关于t的函数图像仿真示意图；
图10是本发明实施例中Yzmp关于t的函数图像仿真示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明：
双足机器人是一个多自由度的、多变量的、非线性的、复杂的动力学系统，图2是本发明所使用的十七自由度人形双足机器人，用连杆机构抽象表示双足步行机器人示意图如图3所示，图6是十七自由度人形双足机器人关节模型图。
双足步行机器人的稳定性理论常见的是根据南斯拉夫学者Miomir Vakobrativitch 1960年提出的ZMP理论，即机器人稳定条件是机器人所受的重力和惯性力及地面反力合力在水平面上的分力为零。对于人形双足机器人的稳定步行控制，至关重要的是寻找机器人的ZMP点，ZMP(Zero Moment Poiht)即零力矩点，ZMP点就是两足机器人所受重力、惯性力的合力矢的延线与地面的交点。
由ZMP理论可知，当机器人行走的过程中，ZMP点始终在机器人的支撑区域内，则机器人可以稳定的行走，人形双足机器人步行轨迹示意图如图4所示，并且ZMP点离支撑域中心越近，机器人的稳定裕度就越大，机器人抗干扰的能力越大，如图5所示，在支撑域中，黑色小圆点为中心点，黑色小方点为机器人的ZMP点。当ZMP点与中心点的距离 Lzmp越小，机器人的稳定裕度越大。
人形双足机器人ZMP点的求解一般通过机器人的位姿矩阵的正向运算，即在杆长Li(i＝0，…，n)、质量Mi(i＝0，…，n)和杆与杆之间的夹角θi(i＝0，…，n)已知的情况下，通过位姿矩阵的正向运算得到机器人重心的位置，求解过程如图7所示。
通过位姿矩阵的逆运算，在已知期望点的关于时间的轨迹情况下。就可得出θi(i＝0，…，n)关于时间t的函数，从而得到了机器人某一个固定时刻的各个关节的状态，对机器人运行的姿态做出确定的数学表达，求解过程如图8所示。
这里位姿矩阵的逆运算，是一个庞大的矩阵表达式，这个矩阵表达式所求出来的θi(i＝0，…，n)不是唯一解。在这个不唯一的解集中，要求搜索出一个最佳解。对于最佳解的选取，有很多约束条件，这些条件包括：稳定性、类人运动、机械限制和外界作用力的影响等等。选取最佳解时需要进行验证，验证过程运算量大，效率也不高，为了避免这样的缺陷，我们将验证条件提前加入决策中，运算量会大大减小，大大提高系统的实时响应能力。
如图1所示，本发明提供的基于遗传算法的人形双足机器人步行姿态控制方法，包括以下步骤：
S1：输入机体参数：
根据机器人的外形和运动的状态，输入机器人机体的具体参数；本实施例中的机器人设置有17个自由度，设置有脚底力传感器、姿态传感器、陀螺仪传感器及关节动作序列控制器，对应的机器人机体的具体参数包括机器人高度、机器人宽度、双脚的最小支撑域、机器人腿长。
S2：拟人步态规划：
人形双足机器人的步态是人步行的一个模拟，人的步态是由很多个往复的周期运动所合成的结果。对机器人的步态运动进行简单分解，在满足约束条件和保证步态可复现的前提下，采用步行周期T、步速V、身高H、手臂摆幅R、身躯中心上下摆幅C和身躯中心左右的摆幅A六个参数来描述机器人的步态，为了便于处理数据，同时给机器人坐标定位，机器人的拟人步态规划如下：
身躯中心的x坐标：Vt；
身躯中心的y坐标：Asin(πt/T)；
身躯中心的z坐标：H-Ccos(πt/T)；
右臂的摆动：R sin(πt/T)；
左臂的摆动：R sin(-πt/T)；
在步行时，支撑脚的位置和姿态及迈步脚的姿态是唯一确定的，据此可求出迈步脚踝关节的位置，至此，人形双足机器人在动态行走的任意时刻，身躯以及两脚的位姿和手臂的坐标可以唯一地确定，通过位姿矩阵逆运算可以求出其余关节坐标的位置。
S3：遗传算法优化参数：
通过步骤S2对机器人的步态已经做了一定的规划，让机器人行走的步态近似于人的步态，对于机器人步行过程中的一些参数，作为未知的变量，它贯穿了整个运算和最佳数据的选取和搜寻，这些参数的选取是一个非常复杂，而且参数之间相互关联的，也正是这些参数的选取的合理性和可靠性，才能使我们的机器人步态可靠和合理。本发明采用遗传算法对S2中的六个参数进行最优选取，得到最优参数；
S4：位姿矩阵逆运算：
把S3中获取的最优参数通过位姿矩阵的逆运算和/或逆动力学计算获得机器人关节角度θi(i＝0，…，n)关于时间t的函数；根据目标函数的仿真图像，可验证ZMP点始终在支撑域内部，可验证各关节角度序列是合理的。
S5：关节动作序列控制：
根据S4中机器人关节角度θi(i＝0，…，n)关于时间t的函数，预先设定机器人任意时刻的关节角度的值，得到机器人关节动作序列。
S6：机器人机体执行：
根据S6中的机器人关节动作序列指令，机器人机体完成各种动作，如站立、行走、等各种动作。
S7：位姿修正：
根据上述步骤的步态规划，机器人能够在平坦的地面行走，但当机器人处于未知的粗糙地面、斜坡或外力影响时，还是有可能倾斜或倾倒，当机器人出现倾斜或倾倒时，生成位姿修正指令，将该指令返回S6中，机器人根据位姿修正指令恢复到期望姿态。
在步骤S7中，当机器人倾斜时，根据机器人脚底力传感器信号和姿态传感器信号生成用于改变机器人双脚落地位置的指令，机器人根据该指令恢复机器人到期望姿态；当机器人倾倒时，根据陀螺仪传感器信号生成位姿修正指令，机器人根据该指令实现自行站立，继续行走。
本发明的基于遗传算法的人形双足机器人步行姿态控制方法，基于ZMP控制理论、位姿矩阵建立了双足机器人的数学模型，模拟人的基本步态(由多个往复的周期运动合成)，采用步行周期T、步速V、身高H、手臂摆幅R、身躯中心上下摆幅C、身躯中心左右的摆幅A这六个最具代表意义的参数对机器人的步态进行了规划，通过遗传算法选取优化的T、 V、H、R、C、A六个参数，带入位姿矩阵的逆运算中，得出机器人其他关节坐标的值，解决了生成稳定控制机器人步态的数据的方法。克服了位姿矩阵逆运算运算量大、效率不高的问题，提高了系统实时响应能力，并用该方法产生的数据用于人形双足机器人系统中，达到了很好的控制效果。
需要说明的是，上述控制方法中数据的输入、输出和处理均可通过设于机器人内部的处理器或者外部的处理器完成。若是通过外部处理器完成，则该外部处理器与机器人进行数据通信。
实施例一
本实施例的基于遗传算法的人形双足机器人步行姿态控制方法，包括以下步骤：
S1：输入17自由度的机器人机体的具体参数：330mm，机器人宽度：180mm，双脚的最小支撑域：93mm×45mm和机器人腿长：185mm。
S2：首先我们根据机器人的外形和运动的状态，以及上面步骤输入的机器人机体的具体参数，设定：步行周期T、步速V、身高H、手臂摆幅R、身躯中心上下摆幅C、身躯中心左右的摆幅A这六个关键参数的范围：V∈[0，20]；H∈[200，500]；T∈[0，10]；C∈[0，50]；A∈[0，40]；R∈[0，90]；并对人形双足机器人的拟人步态规划如下：
身躯中心的x坐标：Vt；
身躯中心的y坐标：Asin(πt/T)；
身躯中心的z坐标：H-Ccos(πt/T)；
右臂的摆动：R sin(πt/T)；
左臂的摆动：R sin(-πt/T)；
S3：采用遗传算法对S2中的六个参数进行最优选取，选择目标函数，控制目标是能让机器人稳定可靠的步行，要求ZMP点到支撑域的中心的距离最小，设支撑域的中心为原点，而机器人的脚掌是一个长方形，为更加准确描述ZMP点的可靠位置，设定目标函数为：Xzmp2+Yzmp2。
采用MATLAB的遗传算法软件包求的最优参数如下：V＝11.3181；H＝362.4051；T＝3.4985；C＝25.4524；A＝8.2909；R＝12.8639；
S4：把步骤S3中获取的优化参数带入位姿矩阵的逆运算中，可获得机器人关节角度θi(i＝0，…，n)关于时间t的函数，其中Xzmp关于t的函数仿真图像如图9所示，Yzmp关于t的函数仿真图像如图10所示，根据目标函数的仿真图像，可验证ZMP点始终在支撑域内部，可验证各关节角度序列是合理的。
S5：根据S4中机器人关节角度θi(i＝0，…，n)关于时间t的函数，预先设定机器人 任意时刻的关节角度的值，得到机器人关节动作序列，写入人形双足机器人的动作库中。
S6：根据S6中的机器人关节动作序列指令，机器人机体完成各种动作，如站立、行走、等各种动作。
S7：当机器人倾斜时，根据机器人脚底力传感器信号和姿态传感器信号生成用于改变机器人双脚落地位置的指令，机器人根据该指令恢复机器人到期望姿态；当机器人倾倒时，根据陀螺仪传感器信号生成位姿修正指令，机器人根据该指令实现自行站立，继续行走。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种基于遗传算法的人形双足机器人步行姿态控制方法，其特征在于，包括以下步骤：
S1：输入机体参数：根据机器人的外形和运动的状态，输入机器人机体的具体参数；
S2：拟人步态规划：对机器人的步态运动进行简单分解，在满足约束条件和保证步态可复现的前提下，采用步行周期T、步速V、身高H、手臂摆幅R、身躯中心上下摆幅C和身躯中心左右的摆幅A六个参数来描述机器人的步态，同时给机器人坐标定位，机器人的拟人步态规划如下：
身躯中心的x坐标：Vt；
身躯中心的y坐标：Asin(πt/T)；
身躯中心的z坐标：H-Ccos(πt/T)；
右臂的摆动：R sin(πt/T)；
左臂的摆动：R sin(-πt/T)；
S3：遗传算法优化参数：采用遗传算法对S2中的六个参数进行最优选取，得到最优参数；
S4：位姿矩阵逆运算：把S3中获取的最优参数通过位姿矩阵的逆运算获得机器人关节角度θi(i＝0，…，n)关于时间t的函数；
S5：关节动作序列控制：根据S4中机器人关节角度θi(i＝0，…，n)关于时间t的函数，预先设定机器人任意时刻的关节角度的值，得到机器人关节动作序列；
S6：机器人机体执行：根据S6中的机器人关节动作序列指令，机器人机体完成各种动作；
S7：位姿修正：当机器人出现倾斜或倾倒时，生成位姿修正指令，将该指令返回S6中，机器人根据位姿修正指令恢复到期望姿态。
2.根据权利要求1所述的基于遗传算法的人形双足机器人步行姿态控制方法，其特征在于：所述步骤S1中的机器人机体的具体参数包括机器人高度、机器人宽度、双脚的最小支撑域、机器人腿长。
3.根据权利要求1所述的基于遗传算法的人形双足机器人步行姿态控制方法，其特征在于：在步骤S4中，机器人的稳定性控制采用了ZMP控制理论。
4.根据权利要求1所述的基于遗传算法的人形双足机器人步行姿态控制方法，其特征在于：在步骤S4中，也可通过逆动力学计算获得机器人关节角度θi(i＝0，…，n)关于时间t的函数。
5.根据权利要求1所述的基于遗传算法的人形双足机器人步行姿态控制方法，其特征在于：在步骤S7中，当机器人倾斜时，根据机器人脚底力传感器信号和姿态传感器信号生成用于改变机器人双脚落地位置的指令，机器人根据该指令恢复机器人到期望姿态；当机器人倾倒时，根据陀螺仪传感器信号生成位姿修正指令，机器人根据该指令实现自行站立，继续行走。
6.根据权利要求1所述的基于遗传算法的人形双足机器人步行姿态控制方法，其特征在于：所述机器人设置有17个自由度，设置有脚底力传感器、姿态传感器、陀螺仪传感器及关节动作序列控制器。
CN201610317278.0A 2016-05-16 2016-05-16 一种基于遗传算法的人形双足机器人步行姿态控制方法 Pending CN105965506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610317278.0A CN105965506A (zh) 2016-05-16 2016-05-16 一种基于遗传算法的人形双足机器人步行姿态控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610317278.0A CN105965506A (zh) 2016-05-16 2016-05-16 一种基于遗传算法的人形双足机器人步行姿态控制方法

Publications (1)

Publication Number Publication Date
CN105965506A true CN105965506A (zh) 2016-09-28

Family

ID=56992286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610317278.0A Pending CN105965506A (zh) 2016-05-16 2016-05-16 一种基于遗传算法的人形双足机器人步行姿态控制方法

Country Status (1)

Country Link
CN (1) CN105965506A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106842959A (zh) * 2017-03-22 2017-06-13 西南科技大学 一种Nao机器人步态规划遗传算法
CN106933100A (zh) * 2017-03-19 2017-07-07 北京工业大学 一种基于人体运动捕捉数据的仿人机器人步态规划方法
CN107703747A (zh) * 2017-10-09 2018-02-16 东南大学 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法
CN107811639A (zh) * 2017-09-25 2018-03-20 天津大学 一种基于运动学数据确定步态站立中期的方法
CN108058758A (zh) * 2017-12-07 2018-05-22 东莞深圳清华大学研究院创新中心 基于六自由度腿的机器人双足行走仿真评估系统及评估方法
CN109324612A (zh) * 2018-09-13 2019-02-12 鲁东大学 一种机器人行走参数优化方法、计算机设备以及可读存储介质
CN109333534A (zh) * 2018-10-23 2019-02-15 广东工业大学 预规划的实时步态控制算法
CN110039544A (zh) * 2019-04-28 2019-07-23 南京邮电大学 基于三次样条插值的仿人足球机器人步态规划
CN110154016A (zh) * 2018-08-09 2019-08-23 腾讯科技（深圳）有限公司 机器人控制方法、装置、存储介质和计算机设备
CN112720479A (zh) * 2020-12-22 2021-04-30 深圳市优必选科技股份有限公司 一种机器人姿态控制方法、装置及机器人
CN112847336A (zh) * 2020-12-24 2021-05-28 达闼机器人有限公司 动作学习方法、装置、存储介质及电子设备
CN113002659A (zh) * 2021-04-21 2021-06-22 乐聚(深圳)机器人技术有限公司 双足机器人的姿态测量方法、装置、设备及存储介质
CN114527663A (zh) * 2022-02-24 2022-05-24 北京理工大学 基于变参数速度映射和二次规划的双足机器人落脚点规划方法
CN117207203A (zh) * 2023-11-08 2023-12-12 北京小米机器人技术有限公司 机器人控制方法、装置、机器人及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0488692A3 (en) * 1990-11-30 1993-02-24 Honda Giken Kogyo Kabushiki Kaisha System for controlling locomotion of legged walking robot
JPH07271420A (ja) * 1994-03-31 1995-10-20 Toyoda Mach Works Ltd ロボットの制御装置
EP2347866A1 (en) * 2010-01-18 2011-07-27 Samsung Electronics Co., Ltd. Humanoid robot and walking control method thereof
KR101073496B1 (ko) * 2009-02-27 2011-10-17 숭실대학교산학협력단 이족 로봇의 안정된 보행을 위한 칼만 필터의 지엠피 상태예측을 통한 균형제어 기법
CN105058388A (zh) * 2015-08-17 2015-11-18 哈尔滨工业大学 用于获取机器人关节位置反馈信息的传感器数据融合方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0488692A3 (en) * 1990-11-30 1993-02-24 Honda Giken Kogyo Kabushiki Kaisha System for controlling locomotion of legged walking robot
JPH07271420A (ja) * 1994-03-31 1995-10-20 Toyoda Mach Works Ltd ロボットの制御装置
KR101073496B1 (ko) * 2009-02-27 2011-10-17 숭실대학교산학협력단 이족 로봇의 안정된 보행을 위한 칼만 필터의 지엠피 상태예측을 통한 균형제어 기법
EP2347866A1 (en) * 2010-01-18 2011-07-27 Samsung Electronics Co., Ltd. Humanoid robot and walking control method thereof
CN105058388A (zh) * 2015-08-17 2015-11-18 哈尔滨工业大学 用于获取机器人关节位置反馈信息的传感器数据融合方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
毕盛: "仿人机器人步态规划反馈控制研究综述", 《计算机工程与应用》 *
赵积春等: "基于遗传算法的双足步行机器人步行姿态控制策略", 《机器人技术》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106933100A (zh) * 2017-03-19 2017-07-07 北京工业大学 一种基于人体运动捕捉数据的仿人机器人步态规划方法
CN106842959A (zh) * 2017-03-22 2017-06-13 西南科技大学 一种Nao机器人步态规划遗传算法
CN107811639A (zh) * 2017-09-25 2018-03-20 天津大学 一种基于运动学数据确定步态站立中期的方法
CN107811639B (zh) * 2017-09-25 2020-07-24 天津大学 一种基于运动学数据确定步态站立中期的方法
CN107703747A (zh) * 2017-10-09 2018-02-16 东南大学 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法
CN108058758A (zh) * 2017-12-07 2018-05-22 东莞深圳清华大学研究院创新中心 基于六自由度腿的机器人双足行走仿真评估系统及评估方法
CN108058758B (zh) * 2017-12-07 2020-06-09 东莞深圳清华大学研究院创新中心 基于六自由度腿的机器人双足行走仿真评估系统及评估方法
CN110154016A (zh) * 2018-08-09 2019-08-23 腾讯科技（深圳）有限公司 机器人控制方法、装置、存储介质和计算机设备
CN109324612A (zh) * 2018-09-13 2019-02-12 鲁东大学 一种机器人行走参数优化方法、计算机设备以及可读存储介质
CN109324612B (zh) * 2018-09-13 2021-12-17 鲁东大学 一种机器人行走参数优化方法、计算机设备以及可读存储介质
CN109333534A (zh) * 2018-10-23 2019-02-15 广东工业大学 预规划的实时步态控制算法
CN110039544A (zh) * 2019-04-28 2019-07-23 南京邮电大学 基于三次样条插值的仿人足球机器人步态规划
CN112720479B (zh) * 2020-12-22 2022-03-18 深圳市优必选科技股份有限公司 一种机器人姿态控制方法、装置及机器人
CN112720479A (zh) * 2020-12-22 2021-04-30 深圳市优必选科技股份有限公司 一种机器人姿态控制方法、装置及机器人
CN112847336A (zh) * 2020-12-24 2021-05-28 达闼机器人有限公司 动作学习方法、装置、存储介质及电子设备
CN112847336B (zh) * 2020-12-24 2023-08-22 达闼机器人股份有限公司 动作学习方法、装置、存储介质及电子设备
CN113002659B (zh) * 2021-04-21 2022-02-08 乐聚(深圳)机器人技术有限公司 双足机器人的姿态测量方法、装置、设备及存储介质
CN113002659A (zh) * 2021-04-21 2021-06-22 乐聚(深圳)机器人技术有限公司 双足机器人的姿态测量方法、装置、设备及存储介质
CN114527663A (zh) * 2022-02-24 2022-05-24 北京理工大学 基于变参数速度映射和二次规划的双足机器人落脚点规划方法
CN114527663B (zh) * 2022-02-24 2023-03-14 北京理工大学 基于变参数速度映射和二次规划的双足机器人落脚点规划方法
CN117207203A (zh) * 2023-11-08 2023-12-12 北京小米机器人技术有限公司 机器人控制方法、装置、机器人及存储介质
CN117207203B (zh) * 2023-11-08 2024-02-23 北京小米机器人技术有限公司 机器人控制方法、装置、机器人及存储介质

Similar Documents

Publication Publication Date Title
CN105965506A (zh) 一种基于遗传算法的人形双足机器人步行姿态控制方法
KR100718479B1 (ko) 로봇의 보행 제어 장치 및 보행 제어 방법
CN104298243B (zh) 一种仿人机器人不平整地面行走的稳定控制方法
Zhang et al. Trot gait design and CPG method for a quadruped robot
US20110098857A1 (en) Control device for legged mobile body
CN102375416B (zh) 基于快速搜索树的人型机器人踢球动作信息处理方法
JP5052013B2 (ja) ロボット装置及びその制御方法
CN112051741A (zh) 一种双足机器人动态运动生成与控制方法
Kamedula et al. On the kinematics of wheeled motion control of a hybrid wheeled-legged centauro robot
CN111625002B (zh) 一种仿人机器人爬楼步态规划与控制的方法
CN103376742A (zh) 一种仿壁虎足部柔性结构爬壁机器人cpg控制系统
CN107045552A (zh) 一种基于正弦对角步态与快速查表法的四足机器人运动控制方法及控制装置
Liu et al. Bipedal walking with dynamic balance that involves three-dimensional upper body motion
CN109760761A (zh) 一种基于生物仿生原理和直觉的四足机器人运动控制方法
Zhu et al. A backward control based on σ-Hopf oscillator with decoupled parameters for smooth locomotion of bio-inspired legged robot
CN112147889B (zh) 一种四足机器人复合式越障轨迹规划方法
Matos et al. Towards goal-directed biped locomotion: Combining CPGs and motion primitives
Kudoh et al. C/sup 2/continuous gait-pattern generation for biped robots
Shao et al. Recent advances on gait control strategies for hydraulic quadruped robot
JP3674779B2 (ja) 脚式移動ロボットのための動作制御装置及び動作制御方法、並びにロボット装置
Wang et al. Influence analysis of toe-joint on biped gaits
Choudhury et al. Gait generation via the foot placement estimator for 3d bipedal robots
Firouzi et al. Tip model: a combination of unstable subsystems for lateral balance in walking
Massah B et al. A hybrid controller based on CPG and ZMP for biped locomotion
Samadi et al. Pattern generation for humanoid robot with natural ZMP trajectory

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160928

WD01 Invention patent application deemed withdrawn after publication