CN108333931A - 一种面向崎岖地形的四足机器人双层结构步态规划方法 - Google Patents
一种面向崎岖地形的四足机器人双层结构步态规划方法 Download PDFInfo
- Publication number
- CN108333931A CN108333931A CN201810072219.0A CN201810072219A CN108333931A CN 108333931 A CN108333931 A CN 108333931A CN 201810072219 A CN201810072219 A CN 201810072219A CN 108333931 A CN108333931 A CN 108333931A
- Authority
- CN
- China
- Prior art keywords
- foot
- planning
- robot
- leg
- area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000005021 gait Effects 0.000 title claims abstract description 37
- 238000012876 topography Methods 0.000 title abstract 2
- 230000033001 locomotion Effects 0.000 claims abstract description 84
- 210000002414 leg Anatomy 0.000 claims description 115
- 206010034701 Peroneal nerve palsy Diseases 0.000 claims description 51
- 230000009466 transformation Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 210000001364 upper extremity Anatomy 0.000 claims description 14
- 210000004394 hip joint Anatomy 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 2
- 230000010355 oscillation Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种面向崎岖地形的四足机器人双层结构步态规划方法，在上层运动规划时，依据步态序列为每个摆动相下的摆动腿进行落足点的规划，为每个支撑相进行机器人躯干的质心轨迹规划，形成每一步的最优目标运动状态，直至到达所述给定的规划路径的终点；其中所述落足点的规划为：在栅格地图中建立四足机器人中当前摆动腿的扇形搜索区域，在扇形搜索区域的可通行区域中找到最优目标落足点的坐标；使用该方法能够在不降低机器人运动速度和稳定性的条件下，提高解算效率，以及机器人的地形适应性。
Description
技术领域
本发明属于机器人技术领域，具体涉及一种面向崎岖地形的四足运动规划方法。
背景技术
根据地面移动机器人组成结构和运动形式的不同主要分为履带式、轮式、足式以及复合式。与其他两种独立的运动形式相比，足式运动的足端轨迹是一系列离散点，可利用孤立的触地点进行支撑，因此具有很强的越障能力和地形适应性，适宜于崎岖地形的稳定行走研究。四足机器人是集机械、电子、材料、控制和人工智能等多学科于一体的研究平台，同时一直是机器人领域的研究热点之一。
足式机器人结合装载于机身的双目视觉、激光雷达等环境感知传感器检测并处理的地形信息，根据自身稳定性及机械结构的运动性约束，获取上层全局路径规划输出的最优路径，规划出一系列从起始点到临时目标终点的落足点及质心轨迹，实现机器人在具有禁止区域的结构化地形(如台阶、沟壑等)中基于静步态的四足稳定行走。关于这方面的运动规划研究，许多学者结合图搜索、启发式搜索、机器学习和优化等方法进行落足点及质心轨迹的搜索，均需要进行大规模的数据计算及匹配。
现有论文“Improving traversability of quadruped walking robots usingbodymovement in 3D rough terrains”针对四足爬行机器人的机械结构设计出一个梯形落足点搜索区域，有效地避免低可能性落足点的低效计算，但在给定规划路径的搜索方向上不能实现最大步长的目标落足点搜索，且未能结合地形特征及运动约束获得最优的目标落足点搜索。
现有论文“Acombined potential function and graphsearch approach forfree gait generation of quadruped robots”采用自由步态的规划序列，结合一个势能函数和图搜索的方法在二维平面地图中对落足点与质心的轨迹进行规划，完成平坦路面中机器人绕开障碍物的运动，但每次搜索任务需要对整个地图进行遍历，使得计算量大且搜索效率低，能得到更优化的目标落足点搜索。
现有论文“Search-based footplacement for quadrupedal traversal ofchallenging terrain”提出将以当前落足点为中心的1×20cm栅格区域作为目标落足点搜索区域，能够有效地提高计算效率并且完成了在崎岖地形中机器人完整的越障运动，但只能实现在直线运动单方向上的搜索规划，一定程度地降低了机器人的运动速度与效率。例如，当机器人的摆动腿处于图3中的当前落足点306时，在摆动腿工作空间305内，当沿着搜索方向301按照直线型搜索区域307进行搜索时，直线型搜索区域303被障碍物或凹坑等构成的禁止区域303覆盖的部分较大时，会使得目标落足点的步长和支撑三角形面积较小，降低机器人运动速度和稳定性，而本发明提出的扇形搜索区域302在该种情形下仍可得到较大步长和支撑三角形的目标落足点，在不降低机器人运动速度和稳定性的条件下提高机器人的地形适应性。
综上，虽然现有文献尝试解决四足机器人在崎岖地形上稳定行走的问题，但具有许多局限性。
发明内容
有鉴于此，本发明提供了一种面向崎岖地形的四足机器人双层结构步态规划方法，在不降低机器人运动速度和稳定性的条件下，提高解算效率，以及机器人的地形适应性。
为了解决上述技术问题，本发明是这样实现的。
一种面向崎岖地形的四足机器人双层结构步态规划方法，用于依据给定的规划路径完成步态规划，包括如下步骤：
步骤1：建立包含可通行区域和禁止区域的栅格地图，选择步态序列；
步骤2：进行上层运动规划：依据步态序列为每个摆动相下的摆动腿进行落足点的规划，为每个支撑相进行机器人躯干的质心轨迹规划，形成每一步的最优目标运动状态，直至到达所述给定的规划路径的终点；
所述落足点的规划为：在栅格地图中建立四足机器人中当前摆动腿的扇形搜索区域，在扇形搜索区域的可通行区域中找到最优目标落足点的坐标；所述扇形搜索区域的构建为：在当前摆动腿的工作空间中，以当前落足点为顶点，当前落足点到足端工作空间边界的距离为半径，以给定的规划路径中的搜索方向为角平分线，建立一个圆心角为30度且可能与禁止区域产生重叠的扇形搜索区域；
步骤3：进行底层运动控制：根据步骤1选择的步态序列和步骤2形成的最优目标运动状态，控制机器人的各个关节，执行支撑相和摆动相的运动过程。
优选地，所述步骤2中，在进行当前摆动腿的落足点规划时，如果没有满足规划要求的目标落足点，则当前落足点即为目标落足点，即当前的摆动腿不再进行运动，直接转向下一个摆动相的最优目标落足点规划。
优选地，所述步骤2中，搜索最优目标落足点的坐标的方式为：
将扇形搜索区域中可通行区域和禁止区域作为待搜索区域；每个栅格单元对应一个可通行代价，禁止区域内栅格单元的可通行代价大于可通行区域内栅格单元的可通行代价，且二者之差大于设定阈值；
针对待搜索区域中的每个栅格i，计算栅格i的优化评价函数值将代入多因素规划函数，得到栅格i的函数值Ui，将Ui与栅格i对应的可通行代价相加得到Di，找到最小Di对应的栅格，即为最优目标落足点；
所述多因素规划函数为：
其中，将机器人机身上左前髋关节和右前髋关节之间的间距，以及左后髋关节和右后髋关节之间的间距，称为初始间距；获得栅格i和与当前摆动腿在同一排的左/右腿的距离，称为当前间距；获得当前间距与相应初始间距差的绝对值，记为
是机器人方位角与所述给定的规划路径方向之差的绝对值。
优选地，所述可通行代价定义方法为：根据栅格单元对应的地形崎岖度，将禁止区域内栅格单元可通行代价定义为+∞，可通行区域内栅格单元的可通行代价为0。
优选地，该方法进一步设定运动约束，所述步骤2从扇形搜索区域中去掉不满足运动约束的不可达落足点；对于具有并联足式机构的四足机器人，所述运动约束包括：
A、目标落足点不能引起前后腿的碰撞；
B、目标落足点满足同一侧的前后两腿之间的距离小于预设长度λ；
C、目标落足点需要使得在下一摆动相中的支撑三角形面积足够大，即同一侧前后两腿之间沿X轴的距离及同一排左右两腿之间沿Y轴的距离分别大于预设值μx和μy；Y轴为当前机器人的正前方，X轴为与Y轴垂直的侧向；
优选地，所述优化评价函数为多目标多约束优化评价函数：
其中(xi,yi)为栅格i的坐标，是腿j(j＝1,2,3,4)到第i(i＝1,2,…,n)个落足点的长度，即步长：
运动阈度是从当前落足点到可到达区域边界的欧几里得距离的最大值，表示为：
为下一摆动相中由当前摆动腿j的第i个落足点与支撑腿k和支撑腿m所构成的支撑三角形面积，k,m＝1,2,3,4，
是可选择落足点构成的支撑三角形面积最大值：
表示取R区域中栅格点的坐标；R是在扇形搜索区域中所确定的搜索区域，n表示区域R中有n个栅格。
优选地，通过在所述多因素规划函数中加入三个影响因素的权值w1,w2,w3，来调整规划的偏好特性，使机器人适应不同的地形；加入权值的多因素规划函数为：
其中，利用w1来调整机器人运动性能的指标，w1越大，运动速度越快，支撑腿构成的支撑三角形越大；
利用w2来调整具有并联足式机构的四足机器人在崎岖地形上的运动稳定性，w2越大，稳定性越高；
利用w3来调整与给定的规划路径之间的偏差，w3越小，偏差越小。
优选地，所述步骤3在进行支撑相的运动控制时，包括支撑相躯干调整参数的设定，涵盖机器人质心的横滚角αd、俯仰角βd、方位角γd和质心相对地面高度Δz四个自由度的调整；支撑相的运动控制还包括利用引入了摆线插值系数的变换矩阵，进行支撑相中躯干的位姿变换；
所述引入了摆线插值系数的变换矩阵包括∑N到∑D的变换矩阵以及∑B到∑D的变换矩阵∑N、∑B、∑D分别为水平坐标系、身体坐标系和目标状态坐标系；
其中，摆线插值系数t∈[0,Tt]，t表示当前运动时间，Tt表示一个支撑相的持续时间；
T()表示3×3的正交齐次旋转矩阵；位移增量Δ＝[Δx Δy Δz]中，Δx、Δy为步骤2为每个支撑相进行质心轨迹规划的结果；α、β和γ分别为装载于机器人躯干上的姿态传感器所测得的横滚角、俯仰角、方位角。
优选地，所述步态序列为：右后摆动腿、支撑相、右前摆动腿、支撑相、左后摆动腿、支撑相、左前摆动腿。
优选地，所述步骤2为每个支撑相进行质心轨迹规划的方式为：在对前摆动腿触地后的支撑相中进行质心轨迹规划时，质心移动；在对后摆动腿触地后的支撑相进行质心轨迹规划时，质心保持原位置不变；
在需要质心移动时，当上一个摆动腿触地，另外三个支撑腿构成第一个支撑三角形；当下一个摆动腿触地，另外三个支撑腿构成第二个支撑三角形，则形成双支撑三角形；将两个支撑三角形重叠，将质心投影于该双三角形重叠区，沿质心作平行于X轴的直线，该直线与双三角形重叠区相交后截断的线段长度即为质心沿X轴正向的位移Δx，并设置一个质心沿Y轴向双三角形重叠区内部的侧向位移Δy，从而得到支撑相中x-y平面的质心移动轨迹；所述Y轴为当前机器人的正前方，X轴为与Y轴垂直的侧向。
有益效果：
(1)本发明采用扇形搜索区域作为最优目标落足点的搜索区域，而非全局遍历搜索，提高了计算效率，实现了全方位而非单一搜索方向的落足点规划，克服了原始梯形搜索区域在给定规划路径的搜索方向上不能实现最大步长目标落足点搜索的缺点；在构建好的栅格地图中，根据栅格单元对应的地形复杂度和机器人触地足端的几何形状，对每个栅格进行可通行性评价，将可能引起机器人倾翻的区域定义为禁止区域，可以结合规划指标和栅格可通行代价进行最优目标落足点的搜索，从而实现机器人跨越障碍(台阶边缘、沟壑等)的四足运动。
(2)本发明在最优目标落足点搜索中加入运动约束的限制，去掉了不满足运动约束的落足点，防止机器人前后腿碰撞产生倾翻和腿间距离过近导致足端支撑面过小而产生倾翻，并为后续搜索减少计算量。
(3)本发明构建多因素规划函数进行最优目标落足点的搜索，可以使目标落足点满足多方面不同的规划需求。
(4)本发明构建多约束优化评价函数进行最优目标落足点的搜索，旨在使目标落足点能极大提高机器人四足运动中速度和稳定性的运动性能。
(5)本发明在规划落足点时，并非仅在扇形搜索区域的可通行区域进行搜索，而是将可通行区域和禁止区域都作为待搜索区域，采用可通行代价的方式，将禁止区域排除在可能的落足点之外，这样做的好处是：搜索过程将扇形搜索区域与禁止区域重叠部分的所有落足点进行遍历并去掉，不会因为遗漏而造成机器人跨入禁止区域。
(6)本发明在多因素规划函数中加入三个影响因素的权值w1,w2,w3，三个权值分别表征影响因素的比重，通过调整权值可以调整规划的偏好特性，使机器人适应不同的地形，进而提高机器人运动的稳定性。
(7)本发明在支撑相的躯干位姿变换过程中引入了摆线插值系数的变换矩阵，使得起始时刻和结束时刻的运动加速度和速度均为0，且摆线轨迹在起始阶段和结束阶段的位移量相对于中间阶段的位移量较少，减少躯干位姿变换过程中的冲击和晃动。
附图说明
图1是本发明所述的四足运动双层式规划方法结构图；
图2是间歇步态的步态序列；
图3是摆动腿扇形搜索区域示意图；
图4是x-y平面上质心轨迹规划准则示意图；
图5是局部运动规划所采用的崎岖地形四足机器人目标位姿搜索流程图；
图6是摆动腿轨迹及落足区域示意图；
图7是本发明实施例1与实施例2中使用的Stewart型电动并联轮足机器人的物理样机及其组成和尺寸；
图8(a)是本发明实施例1中局部路径规划层的输出；
图8(b)是本发明实施例2中局部路径规划层的输出；
图9是本发明实施例1中Stewart型电动并联轮足机器人在具有沟壑的楼梯上直线路径的足式稳定行走示意图；
图10是本发明实施例2中Stewart型电动并联轮足机器人在具有横滚角变化的沟壑地形上全方位的足式稳定行走示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提出一种适用于通用四足机器人在崎岖地形行走的运动规划方法，主要涉及了一种双层式运动规划方法，分为上层运动规划和底层控制两部分，以实现崎岖地形四足稳定行走的运动任务，来提高四足机器人的环境适应性，同时提高解算效率。该方案的核心思想是：在上层运动规划的摆动腿落足点规划中，采用扇形搜索区域作为落足点的规划区，而非采用全局搜索方式，从而提高解算效率。进一步的，在摆动腿落足点规划中，结合运动约束、权值规划函数、多目标多约束优化评价函数搜索一系列目标落足点及质心轨迹；底层控制部分根据获得的目标落足点和质心轨迹来控制机器人的各个关节执行支撑相和摆动相的运动过程，完成摆动腿的轨迹规划、质心的位姿调整与平滑过渡。
本发明实施例所采用的Stewart型电动并联轮足机器人将底部驱动轮锁死，则可进行纯足式的运动。其主要由控制系统701、IMU702、能源系统703、环境感知系统704、组合导航系统705和机械结构(上平台706、轮足驱动机构707和足端轮组708)构成。
实施例1是利用本发明方法实现Stewart型电动并联轮足机器人在具有沟壑、不连续的凸台901上进行足式稳定行走，除掉起点和终点的平台，凸台的长度从22cm到35cm不等，高度从29cm到90cm不等。图8-(a)是实施例1中局部路径规划层的输出，由环境感知系统704采集并分析得到的栅格地图，根据地形崎岖度等特征化分为禁止区域801和可通行区域802，从四足起始位置810和质心起始位置808到目标质心位置803之间的左后腿目标落足点804、右后腿目标落足点805、左前腿目标落足点806和右前腿目标落足点809组成的直线型目标运动规划，图9是实施例1中Stewart型电动并联轮足机器人进行稳定行走的3D仿真示意图。
实施例2是利用本发明方法实现Stewart型电动并联轮足机器人在具有横滚角变化的沟壑地形1001进行足式稳定行走，除掉起点和终点的平台，凸台的长度从34cm到100cm不等，宽度从29到86不等，高度从17cm到38cm不等。图8-(b)是实施例2中局部路径规划层的输出，由环境感知系统704采集并分析得到的栅格地图根据地形崎岖度等特征化分为禁止区域801和可通行区域802，从四足起始位置810和质心起始位置808到目标质心位置803之间的左后腿目标落足点804、右后腿目标落足点805、左前腿目标落足点806和右前腿目标落足点809组成的直线型目标运动规划，图10是实施例2中Stewart型电动并联轮足机器人进行稳定行走的3D仿真示意图。
实施例2与实施例1所采用的步态规划方法和过程完全一致，区别仅仅在于步态规划的相关参数和崎岖地形不同，以下具体实施方式仅对实施例1和实施例2的规划过程进行详细介绍。
步骤一、建立包含可通行区域和禁止区域的栅格地图：如图7所示，将由装载于机器人的环境感知系统704(如双目视觉、激光雷达等)检测并处理的地图信息划分为以1cm2为单元的栅格地图，每个栅格单元对应的地形复杂度(即地形几何特征参数，包括高度、崎岖程度和坡度)，根据机器人触地足端的几何形状(触地区域601、沿X方向的预留空间604和沿Y方向的预留空间606)，将可能引起机器人倾翻的区域定义为禁止区域(如台阶边缘、沟壑等)。
每个栅格单元对应的一个可通行代价，禁止区域801内栅格单元的可通行代价大于可通行区域802内栅格单元的可通行代价，二者之差大于设定阈值，这样才能在搜索落足点时将禁止区域排除在外。一种优选的可通行代价设定方式为：根据栅格单元对应的地形崎岖度，将禁止区域801内栅格单元可通行代价定义为+∞，可通行区域802内栅格单元的可通行代价为0。
步骤二、选择步态序列：根据机器人的机构特征及运动特性选择恰当的步态序列，本实施例采用大负载机器人，由于其重腿易产生惯性效应的缺点则选择间歇步态，将摆动相(一个步态周期内，摆动腿抬起、在空中摆动并落地的过程)的四足运动与支撑相(一个步态周期内，四足均触地并起支撑作用的同时躯干运动的过程)的躯干移动分开，以减少动力学扰动，提高行走过程中的稳定性。采用标准静步态序列如图2所示，依次为右后摆动腿201——支撑相205——右前摆动腿202——支撑相205——左后摆动腿203——支撑相205——左前摆动腿204——支撑相205。其中，201～204为摆动相。一组摆动相+支撑相完成一步的步态运动。
步骤三、进行上层运动规划：依据步态序列为每个摆动相下的摆动腿进行落足点的规划，为每个支撑相进行质心轨迹规划，形成每一步的最优目标运动状态，直至到达所述给定的规划路径的终点。
本步骤包括如下子步骤：
子步骤31：依据步态序列进行第一个摆动腿落足点的规划。
本步骤中，首先建立摆动腿扇形搜索区域：如图3所示，在当前摆动腿的工作空间305中，以当前落足点306为顶点，当前落足点到足端工作空间边界的距离为半径，以给定的规划路径中的搜索方向301为角平分线，建立一个圆心角304为30度且可能与禁止区域303产生重叠的扇形搜索区域302。
接着，从所建立的扇形搜索区域中去掉不满足运动约束的不可达落足点，获得剩余区域R。这里，没有去掉禁止区域，禁止区域是在利用多因素规划函数确定目标落足点时，由于禁止区域对应的可通行代价值较大，而被去掉的。
其中，针对并联足式机构的四足机器人机械结构的运动特点，扇形搜索区域中的目标落足点需要满足下述三个运动约束：
A、目标落足点不能引起前后腿的碰撞；
B、目标落足点满足同一侧的前后两腿之间的距离小于预设长度λ；
C、目标落足点需要使得在下一摆动相中的支撑三角形面积足够大，即同一侧前后两腿之间沿X轴的距离及同一排左右两腿之间沿Y轴的距离分别大于预设值μx和μy；Y轴为当前机器人的正前方，X轴为与Y轴垂直的侧向。
最后，在剩余的区域R中搜索最优目标落足的坐标。如果没有满足规划要求的目标落足点，则当前落足点即为目标落足点，即当前的摆动腿不再进行运动，直接转向下一步的步态规划。
本步骤中如何从区域R中获得最优的栅格，即最优目标落足点是关键技术。本发明采用多因素规划函数实现最优的栅格的选拔。具体来说：
针对待搜索区域中的每个栅格i，计算栅格i的优化评价函数值将代入下列多因素规划函数，得到栅格i的函数值Ui，将Ui与栅格i对应的可通行代价相加得到Di，找到最小Di对应的栅格，即为最优目标落足点。
多因素规划函数有三个因素组成，表达为：
其中，就是栅格i的优化评价函数值；
表征当前姿态与初始姿态之间的差异。将机器人机身上左前髋关节(即足端坐标系∑F1的原点)和右前髋关节之间的间距，以及左后髋关节和右后髋关节之间的间距称为初始间距；获得栅格i和与当前摆动腿在同一排的左/右腿(如果当前摆动腿是左腿，则该处选取右腿，如果当前摆动腿是右腿，则该处选择左腿)的距离，称为当前间距；获得当前间距与相应初始间距差的绝对值，记为
是机器人方位角与所述给定的规划路径方向之差的绝对值。
上述公式(1)中的三个因素可以通过加入权值来调整规划的偏好特性使机器人适应不同的地形，加入权值后的多因素规划函数变形为公式(2)：
w1,w2,w3为三个影响因素的权值。利用w1来调整机器人运动性能的指标，w1越大，运动速度越快，支撑腿构成的支撑三角形越大；利用w2来调整具有并联足式机构的四足机器人在崎岖地形上的运动稳定性，w2越大，稳定性越高；利用w3来调整与给定的规划路径之间的偏差，w3越小，偏差越小。例如将w3减小为0，机器人将只进行直线方向的目标落足点搜索；而当地形崎岖度较高时，可将w2设置较高而w1设置较低来使并联式机器人在保证高稳定性的前提下获得较优的目标落足点搜索规划。
在本优选实施例中，优化评价函数采用多目标多约束优化评价函数，如下式(3)所示：
其中，(xi,yi)为栅格i的坐标，是腿j(j＝1,2,3,4)到第i(i＝1,2,…,n)个目标落足点的长度，即步长：
运动阈度是从当前落足点到可到达区域边界的欧几里得距离，即可选择步长的最大值，表示为
为下一摆动相中由当前摆动腿j的第i个目标落足点与支撑腿k和支撑腿m所构成的支撑三角形面积，k,m＝1,2,3,4，
是可选择落足点构成的支撑三角形面积最大值：
表示取R区域中栅格点的坐标；R是在扇形搜索区域中满足三个运动约束的可选择落足点构成的区域，R∈R2，n表示区域R中有n个栅格。
子步骤32、依据步态序列，进行支撑相中质心的轨迹规划。其中，在对前摆动腿触地后的支撑相中进行质心轨迹规划时，质心移动；在对后摆动腿触地后的支撑相进行质心轨迹规划时，质心保持原位置不变。
在需要质心移动时，移动轨迹的获取方式为：以右前摆动腿触地后的支撑相来进行说明，当机器人沿着前进方向进行行走时，当上一个摆动腿(右后摆动腿)触地405，左后支撑腿401、左前支撑腿402和右前支撑腿403构成第一个支撑三角形404，同理，当下一个摆动腿(右前摆动腿)触地407构成第二个支撑三角形406，这两个支撑三角形则形成双支撑三角形408。将两个支撑三角形重叠，将质心投影于该双三角形重叠区，沿质心作平行于X轴的直线，该直线与双三角形重叠区相交后截断的线段长度即为质心沿X轴正向的位移Δx409，与常规采用的双支撑三角形质心规划准则不同的是，本发明附加设置一个质心沿Y轴指向双三角形重叠区内部支撑三角形内部的侧向位移Δy 410来获取更高的稳定裕度，从而得到支撑相中x-y平面的质心移动轨迹411。
依据步态序列，重复执行子步骤31和32，为每个摆动相下的摆动腿进行落足点的规划，为每个支撑相进行质心轨迹规划，形成每一步的最优目标运动状态，直至到达所述给定的规划路径的终点。
步骤四、进行底层运动控制：根据步骤二选择的步态序列和步骤三形成的最优目标运动状态，控制机器人的各个关节，执行支撑相和摆动相的运动过程。
本步骤包括如下子步骤，涉及摆动腿轨迹规划、支撑相躯干调整参数的设定和位姿变换，具体包括：
子步骤41：摆动腿轨迹规划：摆动腿的轨迹采用矩形足端轨迹605，其高度高于障碍物一定的安全阈值603，长度等于步态规划中每一步的目标步长602。
子步骤42：支撑相躯干参数的调整：支撑相中躯干的姿态调整主要包括机器人质心的横滚角αd、俯仰角βd、方位角γd和相对地面高度Δz四个自由度的调整，其计算方式分别如下：
表示腿X(左前腿X＝LF,右前腿X＝RF,左后腿X＝LH,右后腿X＝RH)在水平坐标系∑N中的坐标。
由于质心频繁移动会使机器人容易发生倾翻，选择在前摆动腿触地后的支撑相中对质心横滚角αd、俯仰角βd、方位角γd和相对地面高度Δz四个自由度的调整，后摆动腿触地后的支撑相仅对质心横滚角αd、俯仰角βd和方位角γd三个自由度的姿态调整。
子步骤43：支撑相的位姿变换：装载于机器人躯干上的姿态传感器IMU702所测得的姿态角α、β和γ以及足端点起始坐标以及子步骤32和子步骤42所规划出的目标姿态角αd、βd、γd和位移增量Δ＝[Δx Δy Δz]，通过逆运动学反解求得足端点的目标位置规划出的位姿变换。分别定义五个坐标系来计算机器人运动过程中的位置与姿态，以方便后续规划：
身体坐标系∑B：以躯干质心为原点OB，X轴指向前进方向，Y轴垂直向左，Z轴竖直向上。
全局坐标系∑G：当机器人处于起始状态时，全局坐标系∑G与身体坐标系∑B重合。以起点位置机器人的质心为原点OG，X轴指向起始状态前进方向，Y轴指向起始状态左向，Z轴竖直向上。
水平坐标系∑N：机器人运动的过程中，水平坐标系的原点ON与身体坐标系的原点OB重合，当机器人位于起始状态时，水平坐标系∑N的三个坐标轴与身体坐标系∑B的三个坐标轴重合，即其X轴、Y轴和Z轴分别指向绝对的前、左和上三个方向。
目标状态坐标系∑D：用来测量下一步目标状态下的位姿，所以与下一步中目标状态的身体坐标系∑B重合。
足端坐标系∑F：包含四个坐标系，其原点OFi(i＝1,2,3,4)分别位于左前腿(i＝1)、左后腿(i＝2)、右后腿(i＝3)和右前腿(i＝4)的基部，每个足端坐标系∑Fi的X轴、Y轴和Z轴均与当前状态的身体坐标系∑B的坐标轴指向相同的方向。
将水平坐标系∑N作为身体坐标系∑B和目标状态坐标系∑D之间的过渡坐标系，步态规划首先在∑B中进行，再转换到∑N中，最后转换到∑D中得到下一步的机器人位姿。按照Z-Y-X的旋转顺序，即依次绕水平坐标系Z轴、Y轴和X轴旋转γ-β-α角。
坐标系之间的三个正交齐次转换矩阵依次为
其中，为∑B到∑D的变换矩阵，为∑N到∑D的变换矩阵，为∑B到∑D的变换矩阵。T()表示3×3的正交齐次旋转矩阵。
为保证位姿调整变换过程的连续性与平滑性，引入摆线插值系数t∈[0,Tt](t表示当前运动时间，Tt表示一个支撑相的持续时间)，从而的变换轨迹可以通过下式进行描述：
其中q＝[αd βd γd Δ]表示支撑相中目标姿态坐标系∑D中的质心目标位姿，变换矩阵和分别变为和质心移动方向与足端点移动方向相反。
至此，本流程结束。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种面向崎岖地形的四足机器人双层结构步态规划方法，用于依据给定的规划路径完成步态规划，其特征在于，包括如下步骤：
步骤1：建立包含可通行区域和禁止区域的栅格地图，选择步态序列；
步骤2：进行上层运动规划：依据步态序列为每个摆动相下的摆动腿进行落足点的规划，为每个支撑相进行机器人躯干的质心轨迹规划，形成每一步的最优目标运动状态，直至到达所述给定的规划路径的终点；
所述落足点的规划为：在栅格地图中建立四足机器人中当前摆动腿的扇形搜索区域，在扇形搜索区域的可通行区域中找到最优目标落足点的坐标；所述扇形搜索区域的构建为：在当前摆动腿的工作空间(305)中，以当前落足点(306)为顶点，当前落足点到足端工作空间边界的距离为半径，以给定的规划路径中的搜索方向(301)为角平分线，建立一个圆心角为30度且可能与禁止区域(303)产生重叠的扇形搜索区域(302)；
步骤3：进行底层运动控制：根据步骤1选择的步态序列和步骤2形成的最优目标运动状态，控制机器人的各个关节，执行支撑相和摆动相的运动过程。
2.如权利要求1所述的方法，其特征在于，所述步骤2中，在进行当前摆动腿的落足点规划时，如果没有满足规划要求的目标落足点，则当前落足点即为目标落足点，即当前的摆动腿不再进行运动，直接转向下一个摆动相的最优目标落足点规划。
3.如权利要求1所述的方法，其特征在于，所述步骤2中，搜索最优目标落足点的坐标的方式为：
将扇形搜索区域中可通行区域和禁止区域作为待搜索区域；每个栅格单元对应一个可通行代价，禁止区域(801)内栅格单元的可通行代价大于可通行区域(802)内栅格单元的可通行代价，且二者之差大于设定阈值；
针对待搜索区域中的每个栅格i，计算栅格i的优化评价函数值将代入多因素规划函数，得到栅格i的函数值Ui，将Ui与栅格i对应的可通行代价相加得到Di，找到最小Di对应的栅格，即为最优目标落足点；
所述多因素规划函数为：
其中，将机器人机身上左前髋关节和右前髋关节之间的间距，以及左后髋关节和右后髋关节之间的间距，称为初始间距；获得栅格i和与当前摆动腿在同一排的左/右腿的距离，称为当前间距；获得当前间距与相应初始间距差的绝对值，记为
是机器人方位角与所述给定的规划路径方向之差的绝对值。
4.如权利要求1所述的方法，其特征在于，所述可通行代价定义方法为：根据栅格单元对应的地形崎岖度，将禁止区域(801)内栅格单元可通行代价定义为+∞，可通行区域(802)内栅格单元的可通行代价为0。
5.如权利要求1或3所述的方法，其特征在于，该方法进一步设定运动约束，所述步骤2从扇形搜索区域中去掉不满足运动约束的不可达落足点；对于具有并联足式机构的四足机器人，所述运动约束包括：
A、目标落足点不能引起前后腿的碰撞；
B、目标落足点满足同一侧的前后两腿之间的距离小于预设长度λ；
C、目标落足点需要使得在下一摆动相中的支撑三角形面积足够大，即同一侧前后两腿之间沿X轴的距离及同一排左右两腿之间沿Y轴的距离分别大于预设值μx和μy；Y轴为当前机器人的正前方，X轴为与Y轴垂直的侧向。
6.如权利要求3所述的方法，其特征在于，所述优化评价函数为多目标多约束优化评价函数：
其中(xi,yi)为栅格i的坐标，是腿j(j＝1,2,3,4)到第i(i＝1,2,…,n)个落足点的长度，即步长：
运动阈度是从当前落足点到可到达区域边界的欧几里得距离的最大值，表示为：
为下一摆动相中由当前摆动腿j的第i个落足点与支撑腿k和支撑腿m所构成的支撑三角形面积，k,m＝1,2,3,4，
是可选择落足点构成的支撑三角形面积最大值：
表示取R区域中栅格点的坐标；R是在扇形搜索区域中所确定的搜索区域，n表示区域R中有n个栅格。
7.如权利要求6所述的方法，其特征在于，通过在所述多因素规划函数中加入三个影响因素的权值w1,w2,w3，来调整规划的偏好特性，使机器人适应不同的地形；加入权值的多因素规划函数为：
其中，利用w1来调整机器人运动性能的指标，w1越大，运动速度越快，支撑腿构成的支撑三角形越大；
利用w2来调整具有并联足式机构的四足机器人在崎岖地形上的运动稳定性，w2越大，稳定性越高；
利用w3来调整与给定的规划路径之间的偏差，w3越小，偏差越小。
8.如权利要求1所述的方法，其特征在于，所述步骤3在进行支撑相的运动控制时，包括支撑相躯干调整参数的设定，涵盖机器人质心的横滚角αd、俯仰角βd、方位角γd和质心相对地面高度Δz四个自由度的调整；支撑相的运动控制还包括利用引入了摆线插值系数的变换矩阵，进行支撑相中躯干的位姿变换；
所述引入了摆线插值系数的变换矩阵包括∑N到∑D的变换矩阵以及∑B到∑D的变换矩阵∑N、∑B、∑D分别为水平坐标系、身体坐标系和目标状态坐标系；
其中，摆线插值系数t表示当前运动时间，Tt表示一个支撑相的持续时间；
T()表示3×3的正交齐次旋转矩阵；位移增量Δ＝[Δx Δy Δz]中，Δx、Δy为步骤2为每个支撑相进行质心轨迹规划的结果；α、β和γ分别为装载于机器人躯干上的姿态传感器所测得的横滚角、俯仰角、方位角。
9.如权利要求1所述的方法，其特征在于，所述步态序列为：右后摆动腿、支撑相、右前摆动腿、支撑相、左后摆动腿、支撑相、左前摆动腿。
10.如权利要求1所述的方法，其特征在于，所述步骤2为每个支撑相进行质心轨迹规划的方式为：在对前摆动腿触地后的支撑相中进行质心轨迹规划时，质心移动；在对后摆动腿触地后的支撑相进行质心轨迹规划时，质心保持原位置不变；
在需要质心移动时，当上一个摆动腿触地，另外三个支撑腿构成第一个支撑三角形(404)；当下一个摆动腿触地，另外三个支撑腿构成第二个支撑三角形(406)，则形成双支撑三角形(408)；将两个支撑三角形重叠，将质心投影于该双三角形重叠区，沿质心作平行于X轴的直线，该直线与双三角形重叠区相交后截断的线段长度即为质心沿X轴正向的位移Δx(409)，并设置一个质心沿Y轴向双三角形重叠区内部的侧向位移Δy(410)，从而得到支撑相中x-y平面的质心移动轨迹(411)；所述Y轴为当前机器人的正前方，X轴为与Y轴垂直的侧向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810072219.0A CN108333931B (zh) | 2018-01-25 | 2018-01-25 | 一种面向崎岖地形的四足机器人双层结构步态规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810072219.0A CN108333931B (zh) | 2018-01-25 | 2018-01-25 | 一种面向崎岖地形的四足机器人双层结构步态规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108333931A true CN108333931A (zh) | 2018-07-27 |
| CN108333931B CN108333931B (zh) | 2020-10-02 |
Family
ID=62925838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810072219.0A Active CN108333931B (zh) | 2018-01-25 | 2018-01-25 | 一种面向崎岖地形的四足机器人双层结构步态规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108333931B (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110497414A (zh) * | 2019-08-27 | 2019-11-26 | 山东科技大学 | 四足机器人连续躯干运动轨迹规划方法 |
| CN110597267A (zh) * | 2019-09-27 | 2019-12-20 | 长安大学 | 一种足式机器人的局部最优落足点选取方法 |
| CN110703783A (zh) * | 2019-11-11 | 2020-01-17 | 上海交通大学 | 一种无人驾驶轨迹跟踪中实时判别当前参考轨迹点的算法 |
| CN111664851A (zh) * | 2020-06-11 | 2020-09-15 | 哈尔滨工业大学 | 基于序列优化的机器人状态规划方法、装置及存储介质 |
| CN112051797A (zh) * | 2020-09-07 | 2020-12-08 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| CN112114589A (zh) * | 2020-09-07 | 2020-12-22 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| CN112558599A (zh) * | 2020-11-06 | 2021-03-26 | 深圳拓邦股份有限公司 | 机器人工作控制方法、装置及机器人 |
| CN112947403A (zh) * | 2019-11-22 | 2021-06-11 | 医达科技公司 | 用于障碍物规避的确定性机器人路径规划 |
| CN112965508A (zh) * | 2021-02-03 | 2021-06-15 | 北京理工大学 | 多信息反馈的电动并联轮足机器人行走控制方法和系统 |
| CN113467445A (zh) * | 2021-06-17 | 2021-10-01 | 南京蔚蓝智能科技有限公司 | 一种基于视觉与路径规划的四足机器人摆动腿避障方法 |
| CN113927595A (zh) * | 2021-09-28 | 2022-01-14 | 北京炎凌嘉业机电设备有限公司 | 人机共融的自主移动和灵巧作业方法 |
| CN113985864A (zh) * | 2021-08-17 | 2022-01-28 | 北京空间飞行器总体设计部 | 一种动态行走的四足探测机器人及控制方法 |
| CN114253281A (zh) * | 2021-11-09 | 2022-03-29 | 深圳鹏行智能研究有限公司 | 一种四足机器人运动控制方法、相关装置及存储介质 |
| CN114700955A (zh) * | 2022-05-18 | 2022-07-05 | 山东交通学院 | 双轮腿-臂机器人全身运动规划与控制方法 |
| WO2022142893A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳市优必选科技股份有限公司 | 双足机器人路径规划方法、装置和双足机器人 |
| WO2022205840A1 (zh) * | 2021-03-30 | 2022-10-06 | 深圳市优必选科技股份有限公司 | 机器人及其步态控制方法和装置 |
| EP4144487A4 (en) * | 2020-10-26 | 2024-01-03 | Tencent Technology (Shenzhen) Company Limited | LEG ROBOT MOTION CONTROL METHOD AND APPARATUS, DEVICE, MEDIUM AND PROGRAM |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103085070A (zh) * | 2013-01-15 | 2013-05-08 | 上海交通大学 | 面向复杂地形的四足机器人运动规划方法 |
| CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
| CN104516350A (zh) * | 2013-09-26 | 2015-04-15 | 沈阳工业大学 | 一种复杂环境中的移动机器人路径规划方法 |
| WO2016045615A1 (zh) * | 2014-09-25 | 2016-03-31 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
| CN105652876A (zh) * | 2016-03-29 | 2016-06-08 | 北京工业大学 | 基于数组地图的移动机器人室内路径规划方法 |
| CN106547206A (zh) * | 2016-06-29 | 2017-03-29 | 中南大学 | 一种基于脚力估计算法的多足机器人动态稳定性定量判定方法 |
| CN106695791A (zh) * | 2017-01-11 | 2017-05-24 | 山东科技大学 | 四足仿生机器人连续自由步态生成方法 |
| CN106989748A (zh) * | 2017-05-16 | 2017-07-28 | 南京农业大学 | 一种基于云模型的农业移动机器人人机合作路径规划方法 |
| CN107562052A (zh) * | 2017-08-30 | 2018-01-09 | 唐开强 | 一种基于深度强化学习的六足机器人步态规划方法 |
-
2018
- 2018-01-25 CN CN201810072219.0A patent/CN108333931B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103085070A (zh) * | 2013-01-15 | 2013-05-08 | 上海交通大学 | 面向复杂地形的四足机器人运动规划方法 |
| CN104516350A (zh) * | 2013-09-26 | 2015-04-15 | 沈阳工业大学 | 一种复杂环境中的移动机器人路径规划方法 |
| CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
| WO2016045615A1 (zh) * | 2014-09-25 | 2016-03-31 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
| CN105652876A (zh) * | 2016-03-29 | 2016-06-08 | 北京工业大学 | 基于数组地图的移动机器人室内路径规划方法 |
| CN106547206A (zh) * | 2016-06-29 | 2017-03-29 | 中南大学 | 一种基于脚力估计算法的多足机器人动态稳定性定量判定方法 |
| CN106695791A (zh) * | 2017-01-11 | 2017-05-24 | 山东科技大学 | 四足仿生机器人连续自由步态生成方法 |
| CN106989748A (zh) * | 2017-05-16 | 2017-07-28 | 南京农业大学 | 一种基于云模型的农业移动机器人人机合作路径规划方法 |
| CN107562052A (zh) * | 2017-08-30 | 2018-01-09 | 唐开强 | 一种基于深度强化学习的六足机器人步态规划方法 |
Non-Patent Citations (5)
| Title |
|---|
| JAESUNG LEE, DAE-WON KIM: "An effective initialization method for genetic algorithm-based robot path planning using a directed acyclic graph", 《INFORMATION SCIENCES》 * |
| 余溢: "四足机器人在崎岖路面的路径规划和稳定行走研究", 《中国优秀硕士学位论文全文数据库》 * |
| 周东健: "基于栅格地图_蚁群算法的机器人最优路径规划", 《制造业自动化》 * |
| 郝仁剑，王军政，史大威，汪首坤: "基于速度矢量的四足机器人间歇步态规划方法", 《机器人》 * |
| 黄晓娟: "轮式机器人轨迹跟踪和路径规划算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110497414A (zh) * | 2019-08-27 | 2019-11-26 | 山东科技大学 | 四足机器人连续躯干运动轨迹规划方法 |
| CN110497414B (zh) * | 2019-08-27 | 2022-04-26 | 山东科技大学 | 四足机器人连续躯干运动轨迹规划方法 |
| CN110597267A (zh) * | 2019-09-27 | 2019-12-20 | 长安大学 | 一种足式机器人的局部最优落足点选取方法 |
| CN110597267B (zh) * | 2019-09-27 | 2023-01-10 | 长安大学 | 一种足式机器人的局部最优落足点选取方法 |
| CN110703783A (zh) * | 2019-11-11 | 2020-01-17 | 上海交通大学 | 一种无人驾驶轨迹跟踪中实时判别当前参考轨迹点的算法 |
| CN112947403A (zh) * | 2019-11-22 | 2021-06-11 | 医达科技公司 | 用于障碍物规避的确定性机器人路径规划 |
| CN111664851A (zh) * | 2020-06-11 | 2020-09-15 | 哈尔滨工业大学 | 基于序列优化的机器人状态规划方法、装置及存储介质 |
| CN111664851B (zh) * | 2020-06-11 | 2022-02-01 | 哈尔滨工业大学 | 基于序列优化的机器人状态规划方法、装置及存储介质 |
| CN112114589A (zh) * | 2020-09-07 | 2020-12-22 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| CN112114589B (zh) * | 2020-09-07 | 2024-02-09 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| CN112051797B (zh) * | 2020-09-07 | 2023-12-26 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| CN112051797A (zh) * | 2020-09-07 | 2020-12-08 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| WO2022048472A1 (zh) * | 2020-09-07 | 2022-03-10 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| WO2022048266A1 (zh) * | 2020-09-07 | 2022-03-10 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| EP4144487A4 (en) * | 2020-10-26 | 2024-01-03 | Tencent Technology (Shenzhen) Company Limited | LEG ROBOT MOTION CONTROL METHOD AND APPARATUS, DEVICE, MEDIUM AND PROGRAM |
| CN112558599A (zh) * | 2020-11-06 | 2021-03-26 | 深圳拓邦股份有限公司 | 机器人工作控制方法、装置及机器人 |
| CN112558599B (zh) * | 2020-11-06 | 2024-04-02 | 深圳拓邦股份有限公司 | 机器人工作控制方法、装置及机器人 |
| WO2022142893A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳市优必选科技股份有限公司 | 双足机器人路径规划方法、装置和双足机器人 |
| CN112965508B (zh) * | 2021-02-03 | 2022-02-15 | 北京理工大学 | 多信息反馈的电动并联轮足机器人行走控制方法和系统 |
| CN112965508A (zh) * | 2021-02-03 | 2021-06-15 | 北京理工大学 | 多信息反馈的电动并联轮足机器人行走控制方法和系统 |
| WO2022205840A1 (zh) * | 2021-03-30 | 2022-10-06 | 深圳市优必选科技股份有限公司 | 机器人及其步态控制方法和装置 |
| CN113467445A (zh) * | 2021-06-17 | 2021-10-01 | 南京蔚蓝智能科技有限公司 | 一种基于视觉与路径规划的四足机器人摆动腿避障方法 |
| CN113985864A (zh) * | 2021-08-17 | 2022-01-28 | 北京空间飞行器总体设计部 | 一种动态行走的四足探测机器人及控制方法 |
| CN113927595A (zh) * | 2021-09-28 | 2022-01-14 | 北京炎凌嘉业机电设备有限公司 | 人机共融的自主移动和灵巧作业方法 |
| CN114253281A (zh) * | 2021-11-09 | 2022-03-29 | 深圳鹏行智能研究有限公司 | 一种四足机器人运动控制方法、相关装置及存储介质 |
| CN114700955A (zh) * | 2022-05-18 | 2022-07-05 | 山东交通学院 | 双轮腿-臂机器人全身运动规划与控制方法 |
| CN114700955B (zh) * | 2022-05-18 | 2023-07-25 | 山东交通学院 | 双轮腿-臂机器人全身运动规划与控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108333931B (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108333931B (zh) | 一种面向崎岖地形的四足机器人双层结构步态规划方法 | |
| CN110842921B (zh) | 四足机器人大坡度地形或高障碍物攀爬跨越的步态规划方法 | |
| CN114022824A (zh) | 一种面向狭窄环境的四足机器人运动规划方法 | |
| CN105511457A (zh) | 机器人静态路径规划方法 | |
| CN104267720B (zh) | 一种四足仿生机器人的自由步态生成方法 | |
| CN112684807A (zh) | 无人机集群三维编队方法 | |
| CN107065867A (zh) | 一种面向未知崎岖地形的四足机器人运动规划方法 | |
| US10196104B1 (en) | Terrain Evaluation for robot locomotion | |
| CN111766885A (zh) | 一种四足机器人的静步态规划方法 | |
| CN111338384B (zh) | 一种仿蛇机器人自适应路径跟踪方法 | |
| CN106695791A (zh) | 四足仿生机器人连续自由步态生成方法 | |
| CN114442621A (zh) | 一种基于四足机器人的自主探索和建图系统 | |
| CN112327899B (zh) | 一种可变构型的四足机器人运动控制方法及系统 | |
| Bourgeot et al. | Path-planning and tracking in a 3D complex environment for an anthropomorphic biped robot | |
| CN117270551A (zh) | 基于局部环境感知的四足机器人自主攀爬楼梯方法及系统 | |
| Haddeler et al. | Explore bravely: Wheeled-legged robots traverse in unknown rough environment | |
| CN114791734A (zh) | 一种基于语义信息串联的履带车辆的控制方法及系统 | |
| CN112650234B (zh) | 一种双足机器人的路径规划方法 | |
| CN113830197A (zh) | 一种应用于双足机器人动态行走的平衡控制方法 | |
| CN113467445A (zh) | 一种基于视觉与路径规划的四足机器人摆动腿避障方法 | |
| Dogru et al. | Towards fully autonomous energy efficient coverage path planning for autonomous mobile robots on 3d terrain | |
| CN114740849B (zh) | 基于行人步行决策规则的移动机器人自主导航方法及装置 | |
| Guo et al. | A search-based control architecture for wheel-quadruped robot obstacle negotiation | |
| CN116009558A (zh) | 一种结合运动学约束的移动机器人路径规划方法 | |
| Wang et al. | Obstacle detection and obstacle-surmounting planning for a wheel-legged robot based on Lidar |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |