CN109311159A - 一种具有增强的平衡运动和行为能力的移动机器人 - Google Patents

一种具有增强的平衡运动和行为能力的移动机器人 Download PDF

Info

Publication number
CN109311159A
CN109311159A CN201680084960.8A CN201680084960A CN109311159A CN 109311159 A CN109311159 A CN 109311159A CN 201680084960 A CN201680084960 A CN 201680084960A CN 109311159 A CN109311159 A CN 109311159A
Authority
CN
China
Prior art keywords
mobile robot
robot
mass center
mobile
instruction
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
Application number
CN201680084960.8A
Other languages
English (en)
Other versions
CN109311159B (zh
Inventor
S·达利巴尔
J·兰卡
J·拉费
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.)
Aldebaran SAS
Original Assignee
SoftBank Robotics Europe SAS
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 SoftBank Robotics Europe SAS filed Critical SoftBank Robotics Europe SAS
Publication of CN109311159A publication Critical patent/CN109311159A/zh
Application granted granted Critical
Publication of CN109311159B publication Critical patent/CN109311159B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/003—Manipulators for entertainment
    • B25J11/0035—Dancing, executing a choreography
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/0008—Balancing devices
    • 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
    • B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
    • B25J9/162—Mobile manipulator, movable base with manipulator arm mounted on it
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0891—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Manipulator (AREA)

Abstract

发明涉及一种移动机器人，其能够跟随轨迹并采取可以由机器人的各铰接肢的移动定义的行为。所述移动机器人配备有处理器，该处理器被配置成基于定义移动机器人的运动的指令和定义移动机器人的行为的指令计算移动机器人的质心的目标轨迹；基于所述移动机器人的质心的目标轨迹和移动机器人的动力学约束计算在一定时间范围内所述移动机器人的质心的预测轨迹(350)，以及基于所述移动机器人的质心的预测轨迹和定义所述移动机器人行为的指令计算各铰接肢的预测移动。

Description

一种具有增强的平衡运动和行为能力的移动机器人
技术领域
本发明涉及机器人学的领域。更具体地，本发明涉及由移动机器人执行包括各铰接肢的位移和移动的组合的复杂运动。
背景技术
机器人从其具有某些人类外观属性(头部、躯干、双臂、双手等)的那一刻起可以被认定为人形的。然而，人形机器人可能或多或少地复杂。其肢体可能具有更多或更少数量的关节。人形机器人可能在三个维度上可以静态地和/或动力学地控制其自身的平衡并且以两肢行走，或者在基部上滚动。人形机器人可以从环境中拾取信号(“听到”、“看到”、“触摸”、“感知”等)并根据或多或少的复杂的行为做出反应，并且通过语音或通过手势与其它机器人或人类交互。即使平衡和位移的问题更特别地出现于人形机器人，它们更通常出现于可能具有半人形外观的移动机器人、宠物机器人或移动工业机器人。
通过向机器人的关节的致动器发送命令来管理移动机器人的移动。使用逆动力学可以在保持机器人平衡的同时向机器人指定所期望的行为。Kajita、Shuuji等人的“Bipedwalking pattern generation by using preview control of zero-moment point.”机器人与自动化，2003年，会议录ICRA'03，IEEE国际会议，卷2，IEEE，2003公开了一种通过控制零力矩点来使双足人形机器人跟随轨迹而不跌倒的方法。所述零力矩点(ZMP)是一个虚拟点，其位置取决于机器人的加速度和重力，并且对应于水平惯量和重力的总和等于0的点。为了使机器人保持平衡，该ZMP应该保持在稳定区域中。由Kajita公开的双足机器人的动力学模型使得ZMP以及机器人的质心(CoM)保持在稳定区域中，从而允许机器人沿着轨迹行走而没有跌倒的风险。
在Kajita的公开中，发送给机器人的所有命令都旨在使机器人行走同时保持其平衡。因此，由于机器人的行走而导致的CoM或ZMP的自然平衡可以通过机器人的其它铰接肢的移动来补偿。例如，机器人的臂的位置和加速度可用于补偿机器人的ZMP或CoM的过度移动。
同时，在许多应用中，期望使机器人执行各铰接肢的移动，例如以定义相互作用。各铰接肢的这种移动可以例如定义为舞蹈或舞术，或者可以对应于人类行为，例如握手。关节的这种移动与机器人的脚的位移的组合可使机器人的ZMP或CoM离开其安全区域，并且从而使机器人跌倒。
可以确定机器人的所有关节的命令以在跟随轨迹的同时执行尽可能接近舞蹈动作的移动。尤其可以使用逆动力学来为机器人的每个关节指定命令以执行尽可能接近目标移动的移动。然而，当机器人具有大量的关节时，所述逆动力学具有大量的自由度，并且该解决方案变得非常计算密集。这是在腿部、手臂等中有很多关节的大多数现代机器人的情况。在这种情况下，逆动力学太复杂以致难以在机器人机载的有限计算资源上实时计算。
Ramos,O.等人的“Dynamic whole body motion generation for the dance ofa humanoid robot.”IEEE机器人与自动化杂志(RAM)(2015)公开了一种使机器人再现舞蹈动作的方法。为了有轨迹的更快计算，Ramos公开了一种使用逆动力学的生成机器人的运动的命令以及使用逆运动学的用于舞蹈动作的命令的单独计算，这些命令的生成在任务堆栈上并行运行。
在Ramos的公开中，逆动力学用于动力学地计算待发送的用于跟踪人类表演者的轨迹以及所得到的机器人的CoM的预测轨迹的命令。并行地，逆运动学用于计算待使用的使机器人执行尽可能接近舞者的舞蹈动作的舞蹈动作的命令，同时保持机器人的平衡。该方法具有允许机器人同时跟随轨迹并执行舞蹈动作的优点。实际上，逆动力学是在有限数量的自由度上执行的并且因此不会太计算密集。
然而，一旦已经通过逆动力学计算了机器人的CoM的轨迹，则Ramos的方法被限制用于跟随舞蹈动作。实际上，当使用逆动力学计算其它肢体的移动时，由Ramos公开的方法必须保持机器人的平衡，尤其是CoM和ZMP的位置。因此，机器人的各铰接肢的许多移动是不可能执行的，因为它们会使机器人失去平衡并使其跌倒。因此，Ramos的方法仅允许对舞者的舞蹈动作有限的模仿。
因此，需要一种机器人，其能够实时计算允许该机器人同时跟随轨迹并且执行作为行为的一部分的铰接肢的表达移动的命令。该问题不限于舞蹈表演，而是还在尝试执行诸如握手或管理意外事件之类的动作时出现，例如为了使手臂或躯干避开障碍物，同时使机器人的基部跟随轨迹。
发明内容
为此，本发明公开了一种移动机器人，其具有：多个铰接肢；处理器，该处理器被配置成：接收定义移动机器人的运动的指令和定义移动机器人的行为的指令作为输入；基于所述输入计算移动机器人的质心的目标轨迹；基于移动机器人的质心的目标轨迹和移动机器人的动力学约束计算移动机器人的质心在一定时间范围内的预测轨迹；基于移动机器人的质心的预测轨迹和定义移动机器人的行为的指令计算各铰接肢的预测移动。
有利地，处理器被配置成通过在连续的时间步长处计算以下内容来计算移动机器人的质心的目标轨迹：移动机器人的各铰接肢的质心的位置；移动机器人的质心的位置，该计算基于移动机器人的目标位置、移动机器人的各铰接肢的质量和质心的位置。
有利地，处理器被配置成使用移动机器人的动力学模型来计算移动机器人的质心的预测轨迹。
有利地，处理器被配置成通过以下方式计算移动机器人的质心的预测轨迹：将移动机器人建模为包括两个质量的双倒立摆，所述两个质量分别是移动机器人的基部的质心和机器人的上体的质心；制定移动机器人的零力矩点永远不会离开具有相对于移动机器人的基部定义的位置的多边形并且移动机器人的基部具有最大加速度和速度的约束；解决双倒立摆的控制问题，以便使成本函数最小化，所述成本函数基于以下中的至少一个：移动机器人的质心在目标轨迹中的位置和移动机器人的质心在预测轨迹中的位置的差异，以及移动机器人的质心在目标轨迹中的速度和移动机器人的质心在预测轨迹中的速度的差异。
有利地，处理器被配置成计算各铰接肢相对于移动机器人的动力学约束的预测移动以便最小化成本函数。
有利地，成本函数是在连续时间步长处的以下中的至少两项的加权平均值：移动机器人的质心的各预测位置之间的距离、各铰接肢的目标速度与各铰接肢的预测速度之间的差异以及各铰接肢的目标位置与各铰接肢的预测位置之间的距离。
有利地，处理器配置成在关节角度、关节速度和关节加速度的约束极限下计算各铰接肢的预测移动。
有利地，定义移动机器人的行为的指令由至少一个待到达的定时姿势定义，并且处理器还被配置成将移动机器人的所述至少一个定时姿势转换成各铰接肢相对于移动机器人的目标轨迹。
有利地，移动机器人的质心的预测轨迹由在时间窗上在连续时间步长处移动机器人的质心的预测位置和速度的值来定义。
有利地，各铰接肢的预测移动由在连续时间步长处各铰接肢之间的角度以及各铰接肢之间的角速度中的一个或多个值定义，所述在连续时间步长处各铰接肢之间的角度以及各铰接肢之间的角速度中的一个或多个值被转换成电机的设定点命令。
有利地，所述预定时间步长为20ms，并且所述时间窗具有1.6s的持续时间。
有利地，定义移动机器人的运动的指令以及定义移动机器人的行为的指令由用户在用户界面上定义。
有利地，定义移动机器人的运动的指令对应于预定义的轨迹，并且处理器被配置成计算在意外事件的发生时定义移动机器人的行为的指令。
本发明还公开了一种用户界面以定义具有多个铰接肢的移动机器人的运动和行为，所述用户界面包括计算机代码指令以：让用户将定义移动机器人的运动的指令和定义移动机器人的行为的指令定义为输入；基于所述输入计算移动机器人的质心的目标轨迹；基于移动机器人的质心的目标轨迹和移动机器人的动力学约束计算移动机器人的质心在一定时间范围内的预测轨迹；基于移动机器人的质心的预测轨迹和定义移动机器人的行为的指令计算各铰接肢的预测移动。
本发明还公开了一种计算具有多个铰接肢的移动机器人的预测移动的方法，所述方法包括：接收定义移动机器人的运动的指令和定义移动机器人的行为的指令作为输入；基于所述输入计算移动机器人的质心的目标轨迹；基于移动机器人的质心的目标轨迹和移动机器人的动力学约束计算移动机器人的质心在一定时间范围内的预测轨迹；基于移动机器人的质心的预测轨迹和定义移动机器人的行为的指令计算各铰接肢的预测移动。
本发明允许移动机器人跟随目标轨迹并执行行为而不会变得不平衡。
本发明允许移动机器人紧密跟随各铰接肢的目标轨迹而不会变得不平衡，即使移动机器人具有较低数量的自由度，或者即使各铰接肢的目标轨迹受到严重约束。
本发明允许用户更自由地定义移动机器人的行为。
本发明允许用户定义可由机器人执行的在现有技术中是不会执行的移动。
本发明可以嵌入具有有限计算复杂度的移动机器人上。
本发明允许当机器人跟随轨迹时实时调整机器人的行为，以便考虑意外的约束或相互作用，例如为了避开意外的障碍，或者为了当看到可以与之交互的人类或机器人时采取行为。
本发明可以通过机器人的固件的简单更新而在机器人内实现。
附图说明
从以下对多个示例性实施例及其附图的描述本发明将被更好地理解并且本发明的各种特征和优点将显现出来，其中：
‐图1显示了本发明的许多实施例中的移动机器人的物理架构；
‐图2显示了本发明的许多实施例中的机器人的软件模块的功能架构；
‐图3显示了用于计算根据本发明的机器人的质心的轨迹和各关节的角速度的软件模块的架构；
‐图4显示了当计算本发明的许多实施例中的移动机器人的质心的预测轨迹时用于动力学约束的制定的支撑多边形的示例；
‐图5a、5b、5c、5d、5e和5f分别显示了用于定义根据本发明的机器人的移动的用户界面的示例的两个视图、现有技术中机器人的轨迹的示例、现有技术中机器人的位置和机器人的关节的角位置、根据本发明的机器人的轨迹的示例、根据本发明的机器人的位置和机器人的关节的角位置。
‐图6a和6b分别显示了现有技术的方法和本发明的一个实施例中的方法。
具体实施方式
图1显示了本发明的许多实施例中的人形机器人的物理架构。
图中的特定机器人100仅作为可以实现本发明的人形机器人的示例。图中机器人的下肢不用于行走，但是可以在其基部140上在任何方向上移动，所述基部140在其放置的表面上滚动。本发明可以容易地在适合行走的机器人中实现。举例来说，该机器人具有可以是约120cm的高度110、约65cm的深度120以及约40cm的宽度130。在一个特定实施例中，本发明的机器人具有平板电脑150，通过该平板电脑150该机器人可以将消息(音频、视频、网页)发送到其环境，或者通过平板电脑的触觉界面从用户接收输入。除了平板电脑的处理器之外，本发明的机器人还使用其自己的主板的处理器，所述处理器可以例如为来自IntelTM的ATOMTM Z530。在本发明的一个特定实施例中，本发明的机器人还有利地包括这样的处理器：该处理器专用于主板并且尤其是载有磁旋转编码器(MRE)的板和传感器之间的数据流的处理，该传感器控制肢体中的关节的电机和机器人用作轮子的球。所述电机可以是不同类型的，取决于确定的关节所需的最大扭矩的大小。例如，可以使用来自e-minebeaTM的有刷直流无芯电机(例如SE24P2CTCA)，或者来自MaxonTM的无刷直流电机(例如EC45_70W)。所述MRE优选地是使用霍尔效应的类型，其具有12或14位精度。
在本发明的各实施例中，图1中显示的机器人还包括各种类型的传感器。所述传感器中的一些用于控制机器人的位置和移动。这是例如位于机器人躯干中的惯性单元的情况，该惯性单元包括三轴陀螺仪和三轴加速度计。机器人还可以在片上系统(SOC)类型的机器人(顶部和底部)的前额上包括两个2D彩色RGB相机160，例如来自Shenzen V-VisionTechnology LtdTM(OV5640)的那些，该相机160具有每秒5帧下的500万像素分辨率以及约57°水平和44°竖直的视场(FOV)。一个3D传感器170也可以包括在机器人的眼睛后面，例如ASUS XTIONTM SOC传感器，该传感器具有每秒20帧下的30万像素分辨率，具有与2D相机大约相同的FOV。本发明的机器人还可以配备有激光线发生器，例如头部180a中的三个和基部180b中的三个，以便能够感测在其环境中其与物体/生物的相对位置。在本发明的其它实施例中，机器人仅在基部中具有激光线发生器。本发明的机器人还可以包括麦克风以能够感测其环境中的声音。在一个实施例中，可以在机器人的头部上植入具有在1kHz下的300mVPa+/-3dB的灵敏度以及300Hz至12kHz(相对于1kHz为-10dB的灵敏度)的频率范围的四个麦克风。本发明的机器人还可以包括可能位于其基部的前部和后部两个声纳传感器190以测量距其环境中的物体/人类的距离。
机器人还可以在其头部上和其手部上包括触觉传感器以允许与人类的交互。该机器人还可以在其基部上包括保险杠1B0以感测其在其路线上遇到的障碍物。
机器人还可以通过计算计划轨迹和实际轨迹之间的差异来感测机器人的上部构件与它们触碰的物体的接触。由同一申请人在同一天在n°EP14305848.5下提交的欧洲专利申请公开了一种达到这种效果的方法。
为了说明其情绪并在其环境中与人类通信，本发明的机器人还可以包括：
‐LED，例如在其眼睛、耳朵中以及在其肩膀上；
‐扬声器，例如两个，位于其耳朵中。
本发明的机器人可以通过以太网RJ45或WiFi 802.11连接与基站或其它机器人通信。
本发明的机器人可以由具有约400Wh的能量的磷酸铁锂电池供电。该机器人可以访问适合其包括的电池类型的充电站。
就传感器的测量而言，机器人的位置/移动由其电机使用激活由每个肢体限定的链和在每个肢体的端部处限定的效应器的算法控制。
从传感器160、170、180、190、1A0或1B0，或者从机器人的上部构件与物体的接触的评估结果，机器人的计算模块可以计算其环境中的障碍物的局部地图，如在n°EP14305849.3下提交的欧洲专利申请所公开的。
图2显示了本发明的许多实施例中的机器人的软件模块的功能架构。
图2是允许在其若干实施例中实现本发明的物理和功能架构的流程图。这种类型的机器人有利地被赋予有允许在本发明的一个实施例中引导机器人的功能的高级软件。这种类型的软件架构(被称为NAOQI)已经特别在2009年10月10日公布的专利申请WO2009/124955中被公开。该软件架构包括用于管理机器人和PC或远程站点之间的通信以及提供用于实现本发明必需的软件设施的交换软件的基本功能。而且，欧洲专利申请n°EP14305578.8公开了一种被设计成操作具有高级交互/对话能力的机器人的操作系统。
NAOQI是针对机器人应用而优化的框架；其支持若干语言，尤其是C++、Python和Urbi。在本发明的上下文中，NAOQI的以下模块是特别有用的：
‐模块AL存储器，210，管理在NAOQI的各种模块之间共享的存储器；
‐模块DCM，220，管理与物理机器人(电机、传感器)的通信；
‐模块AL机器人姿势，230，通过与参考姿势进行比较来计算机器人的当前姿势；
‐AL运动模块，240，管理机器人的移动。
这四个模块有利地以C++编码。该图还示出了各模块之间的数据流。特别地，实现避免跌倒和避免碰撞功能所必需的输入是：
‐各传感器(例如相机、激光线发生器、声纳、触觉传感器)的值；
‐机器人的姿势。
在检测可能的碰撞的情况下，设计成实现本发明的特定功能派发用于更新机器人的轨迹的命令。
在图中还纯粹通过说明的方式示出了对于由每个模块处理的数据的刷新周期的值：对于机器人的姿势和跌倒管理数据的更新为20ms；对于某些传感器的值为10ms。可以每100ms刷新机器人环境中的障碍物的地图，这是用于处理由3D相机获取的图像的典型循环时间(仅作为示例)。
图3显示了用于计算根据本发明的机器人的质心的轨迹和关节的角速度的软件模块的架构。
该架构300的模块可以以C++编码，或者以通过处理器本地可执行的任何语言编码，例如C语言；可以在虚拟机中执行的任何解释语言，例如以Java；或者任何脚本语言，例如以Python。
本发明的机器人具有处理器，该处理器被配置成当加载软件模块(例如架构300的模块)时计算机器人的质心(CoM)的预测轨迹以及各铰接肢的预测移动。
配置成用于执行架构300的软件模块的处理器接收定义移动机器人的运动的指令310以及定义移动机器人的行为的指令311作为输入。
在本发明的各优选实施例中，定义移动机器人的运动的指令310是移动机器人的目标轨迹。指令310可以例如由移动机器人在连续的时间步长处和时间窗上的连续位置定义。当机器人是轮式机器人(例如图1中显示的机器人)时，所述指令可以对应于移动机器人的基部的连续位置。在本发明的许多实施例中，指令310指的是机器人的预定义的点或刚性地附接到机器人的本体的框架的位置。
许多不同的实施例对于确定指令310应用的点是可能的。在其中机器人是轮式机器人的实施例中，指令310可以例如定义移动机器人的基部的质心的连续位置。在其中机器人是行走机器人的实施例中，指令310可以例如定义机器人脚的中心中的点的连续位置。
根据本发明的各种实施例，可以以不同方式表达定义移动机器人的行为的指令311。例如，该指令311可以在连续的时间步长处包含机器人的所有关节的铰接的角度值和角速度。定义机器人的行为的指令311还可以包括一个或多个待到达的定时姿势。例如，如果是指示机器人握手的情况，则定义机器人的行为的指令311包含当在时间t握手时机器人的姿势的描述，并且处理器具有更大的自由度来确定获得该位置的最有效方式，同时保持在机器人的运动学和力学约束下。
在本发明的许多实施例中，预先计算定义移动机器人的行为的指令311。这是例如如果预先计划机器人的行为的情况。这是例如如果机器人执行已经预先准备好的舞蹈编排的情况。在本发明的其它实施例中，定义移动机器人的行为的指令311在运行中计算。这是例如如果机器人基于来自各传感器的输入实时确定待采取的行为的情况。例如当看到人类时，机器人可以确定前进并握手，产生待到达的目标姿势和跟随以握人类的手的轨迹。在另一种情况下，机器人可以跟随轨迹。然后在轨迹上出现意外的障碍物时机器人可以避开。然后在运行中产生为了避开障碍物待到达的定时姿势，并且基于目标轨迹和为了避开障碍物待到达的定时姿势来计算各铰接肢的预测移动。
架构300包括软件模块320以基于输入计算移动机器人的质心的目标轨迹330。当加载并执行软件模块320时，机器人的处理器被配置成基于机器人的目标轨迹和定义移动机器人的行为的指令来计算机器人的质心的目标轨迹。
在本发明的许多实施例中，处理器被配置成如果定义移动机器人的运动的指令310不是由连续的定时位置形成的机器人的目标轨迹，则将定义移动机器人的运动的指令310转换为由连续的定时位置形成的机器人的目标轨迹。
类似地，在本发明的许多实施例中，处理器被配置成如果定义移动机器人的行为的指令311不是机器人的各铰接肢的目标轨迹，则将定义移动机器人的行为的指令311转换为机器人的各铰接肢的目标轨迹。
在本发明的许多实施例中，处理器被配置成基于由机器人的各铰接肢的连续的定时位置和目标轨迹形成的机器人的目标轨迹来计算机器人的质心的目标轨迹330。在本发明的许多实施例中，处理器被配置成通过在连续的时间步长处在时间窗上计算机器人的质心的位置而以直接的方式执行该计算，该计算基于在连续的时间步长处机器人的位置以及机器人的各铰接肢的位置和质量。该方法有利地允许使用有限的计算能力以快速且直接的方式计算机器人的质心的目标轨迹。
架构300还包括软件模块340，并且处理器被配置成当加载和执行软件模块340时，基于移动机器人的质心的目标轨迹330和移动机器人的动力学约束来计算移动机器人的质心在一定时间范围内的预测轨迹350。
在本发明的许多实施例中，处理器被配置成当加载第二模块340时，使用移动机器人的动力学模型来计算机器人的质心的预测轨迹。在本发明的许多实施例中，所述动力学模型是移动机器人的预测控制的线性模型。
在本发明的许多实施例中，所述模型是倒立摆模型。这是例如如果机器人是两足行走机器人的情况，则处理器被配置成：
‐将移动机器人建模为倒立摆，其包括一个质量是机器人的质心；
‐在移动机器人的零力矩点永远不会离开具有相对于机器人定义的位置的多边形的约束下解决倒立摆的控制问题。
在本发明的许多实施例中，移动机器人是轮式移动机器人，所述模型是双倒立摆模型，并且处理器被配置成：
‐将移动机器人建模为双倒立摆，其包括两个质量，这两个质量分别为移动机器人的基部的质心和机器人的上部的质心；
‐在移动机器人的零力矩点永远不会离开具有相对于移动机器人定义的位置的多边形并且移动机器人的基部具有最大加速度和速度的约束下解决双倒立摆的控制问题。
预测控制的这种线性模型的一个示例由J.Lafaye等人的“Linear ModelPredictive Control of the Locomotion of Pepper,a humanoid robot withomnidirectional wheels”，2014年第14期IEEE-RAS国际人形机器人会议(人形机器人)，2014年11月18-20日，马德里，西班牙公开。
更特别地，在其中机器人是诸如图1中显示的机器人的轮式机器人的实施例中，处理器可以被配置成使用两个点质量模型来计算机器人的质心的预测轨迹，其中b是移动基部的质心(CoM)的位置，并且c是上体的CoM的位置。这两个质量点模型的牛顿-欧拉方程可以写成：
其中，F是与地面的接触力并且p是相应的压力中心(CoP)，mb和mc是移动基部和上体的质量。
在机器人在水平地面上移动的假设下，可以在以下假设和约定下简化这些方程：
‐分别将上标x、y、z与两个水平轴和竖直轴相关联；
‐重力矢量被定义为：gx＝gy＝0；gz＝g；
‐如果机器人在水平地面上移动，则ZMP的高度恒定为pz＝0；
‐移动基部的高度是恒定的：bz＝l；
‐忽略上体的竖直运动的影响，该上体的高度也是恒定的：cz＝h。
在本发明的其它实施例中，各方程适用于非水平地面，或者适用于水平和非水平地面之间的过渡。在本说明书中，将针对在水平地面上移动的机器人举例说明控制问题。然而，技术人员可以使用已知的现有技术方法在其它情况下调整轨迹的计算。例如，Lafaye,J.(2015)“Commande des mouvements et de l'équilibre d'un robotàrouesomnidirectionnelles”(博士论文，Grenoble Alpes大学)公开了在更复杂的情况下(例如机器人在非水平地面上移动、只有两个轮子与地面接触的情况等等......)使用双倒立摆的类似于图1中公开的机器人的轮式机器人的轨迹的计算。
在该假设下，牛顿-欧拉方程可以被简化为相对于两个点质量的运动线性的方程：
ZMP的位置可以直接通过方程(3)获得：
同时，机器人的CoM的位置可以直接基于移动基部的质心的位置bxy、移动基部的质量mb、上体的位置cxy以及上体的质量mc获得。
因此，在任何时间机器人的质心的位置通过以下方程定义：
定义为移动基部的CoM、上体的CoM和机器人的CoM的连续位置的预测轨迹分别被表示为Bxy、Cxy和Axy。定义为移动基部、上体的CoM和机器人的CoM的位置和加速度的连续对的预测轨迹分别被表示为(Bxy,)、(Cxy,)和(Axy,)。
在本发明的许多实施例中，为了产生机器人的具有平滑的接触力分布的平滑运动，处理器被配置成在遵循三阶动力学的两个点质量的假设下计算机器人的CoM的预测轨迹，其中采样周期为T。
在本发明的许多实施例中，处理器被配置成计算移动机器人的质心的预测轨迹350(Axy,)以便跟随移动机器人的质心的目标轨迹330在本发明的其它实施例中，所述预测轨迹和目标轨迹仅分别由机器人的质心的预测位置和目标位置(分别为Axy和)定义，或者仅分别由机器人的质心的预测速度和目标速度(分别为和)定义。
在本发明的许多实施例中，处理器被配置成最小化轨迹的成本函数。例如，处理器可以被配置成计算移动机器人的质心的预测轨迹350(Dxy,)，其最小化：
在本发明的其它实施例中，成本函数可以取决于机器人的质心的位置、位置和速度之间的差异的加权平均、使用除2以外的幂等等。成本函数的其它示例可以是：
更一般地，可以使用成本随着移动机器人的位置与参考位置的距离、移动机器人的速度与参考速度之间的差异和/或其衍生物而增加的任何成本函数。
成本函数O1的最小化使得移动机器人的CoM尽可能地跟随目标轨迹。在本发明的各种实施例中，其它成本函数是可能的，只要它们的最小化使得机器人跟随尽可能接近目标轨迹的轨迹。
在本发明的许多实施例中，处理器可以被配置成除了相对于移动机器人的轨迹的成本函数之外，还最小化改进轨迹的其它特征(例如对扰动的鲁棒性，或者运动的平滑性)的成本函数。
为了确保机器人的稳定性得到遵守，处理器被配置成在许多不同约束下计算预测轨迹。一个动力学约束在于将ZMP保持在支撑多边形内，以避免机器人的跌倒。
图4显示了当计算本发明的许多实施例中的移动机器人的质心的预测轨迹时用于动力学约束的制定的支撑多边形的示例。
图4显示了在由轴线402和403定义的坐标系(x，y)中相对于移动机器人基部的质心401的位置。支撑多边形410、430、440以及矩形420具有相对于移动机器人的基部的质心401固定的位置，并且它们的取向随着机器人的取向而变化。
运动的动力学平衡强迫移动机器人的ZMP(以上定义为pxy)保持在支撑多边形内以便机器人保持平衡。在本发明的许多实施例中，机器人是具有大概三角形基部的轮式机器人，例如图1中显示的机器人。然后，支撑多边形可以由以机器人为中心的三角形D 410表示，其表示机器人的基部。
在本发明的许多实施例中，为了保持约束相对于机器人的取向不变，支撑多边形是内接在支撑三角形中的圆D'430。在本发明的另一个实施例中，为了保持约束线性，支撑多边形是内接在圆中的八边形D”440。计算八边形D”440的尺寸以使该八边形内的任何点也位于圆D'430内并且具有圆的良好近似。多边形的使用有利地允许测试ZMP是否保持在圆内，同时仅计算线性不等式，该计算比包括圆内的点要快得多。八边形D”440是计算复杂度和计算的精度之间良好的折中。
更一般地，多边形具有的边缘越多，则精度越高但是计算越多。因此，可以使用具有较多边缘的多边形，以便具有圆的更好的近似。另一方面，还可以使用具有较少边缘的多边形(例如正方形)，以便确定ZMP是否在圆中，其具甚至更少的复杂度。
然后可以将ZMP约束公式化为：
Pxy-Bxy∈D″ (7)
其中，Pxy表示机器人的ZMP的轨迹，具有ZMP的连续位置pxy，并且Bxy表示移动机器人的质心的预测轨迹，具有移动机器人的质心的连续位置bxy。
在本发明的其它实施例中，支撑多边形可以具有不同的形状和尺寸。在没有创造性技能的情况下，技术人员能够为给定的机器人定义合适的支撑多边形。
可以相对于机器人的质心的最大速度和加速度来定义进一步的约束，所述约束可以例如通过以下方程来定义：
在方程(8)和(9)中，值和分别是机器人的移动基部的最大速度和加速度。它们可以是基于机器人的力学能力确定的预定义的值。在本发明的其它实施例中，最大速度和加速度的约束可以在整个移动机器人的质心上制定，其值为和在本发明的其它实施例中，例如在其中机器人是双足机器人的实施例中，可以根据动力学能力(例如移动机器人的行走能力)来定义最大速度和加速度。
在本发明的许多实施例中，处理器还被配置成基于机器人的各关节制定对于机器人的上体和基部的质心的相对位置的约束。例如基于图1中显示的机器人的关节界限，可以确定上体的质心停留在围绕机器人基部的质心的矩形区域H 420内。因此，上体的最大范围的约束可以被公式化为：
-kxy≤Cxy-Bxy≤kxy (10)
本发明不限于上述各示例。例如，对于机器人的其它类型，例如对于双足机器人，可以执行其它简化或假设。如上公开的动力学模型的使用有利地允许机器人计算其质心的预测轨迹，该计算正确地考虑移动机器人的动力学特征，具有有限的计算复杂度。
在本发明的许多实施例中，机器人的动力学模型也可以是非常不同的。例如，可以将机器人建模为简单的倒立摆，其中单个点质量代表机器人的质心，并且在该点质量上对于最大速度和加速度制定约束。
回到图3，架构300还包括软件模块360，并且处理器被配置成当加载和执行软件模块360时，基于移动机器人的质心的预测轨迹350和定义移动机器人311的行为的指令计算各铰接肢的预测移动370。
已经讨论了定义移动机器人的行为的指令311的可能形式。在本发明的许多实施例中，其中处理器被配置成当执行模块320时，将定义移动机器人的行为的指令311转换为机器人的各铰接肢的目标轨迹，可以使用机器人的各铰接肢的目标轨迹代替定义移动机器人的行为的输入指令311。
在本发明的许多实施例中，处理器被配置成使用广义逆运动学计算各铰接肢的预测移动370。在本发明的许多实施例中，该计算在于计算至少定义各铰接肢的目标轨迹的矢量Y，以便至少在各铰接肢的目标轨迹下最小化矢量Y和参考矢量Yref之间的成本函数。例如，矢量Y可以包括：
‐机器人躯干的速度；
‐各铰接关节的速度。
在本发明的许多实施例中，不考虑不是运动学链的一部分的铰接关节，例如手的铰接关节。由相同致动器控制的各铰接关节可以被映射到矢量Y内的单个变量。
处理器被配置成对广义逆运动学制定约束。在本发明的许多实施例中，这些约束是：
‐就角度和/或速度而言的关节限制。该约束由矩阵A和b定义的以下方程表述：
AY+b＝0 (11)
‐机器人的平衡。CoM被约束为恰好跟随MPC的轨迹输出。先前已经相对于支撑多边形计算了CoM的轨迹，使得机器人的质心跟随该轨迹，确保机器人保持平衡。该约束由矩阵C和d定义的以下方程表述：
CY+d≥0 (12)
其它约束也是可能的，只要它们表述各铰接关节的力学极限和机器人的平衡。
处理器可以被配置成通过在诸如(11)和(12)中定义的约束下最小化矢量Y和参考矢量Yref之间的成本函数来计算各铰接肢的移动，例如：
其中Q是二次范数。在本发明的其它实施例中，其它成本函数是可能的，只要它们允许与各铰接关节的目标移动相比各铰接关节的速度和位置的最小化。
使用广义逆运动学优化的矢量Y可以具有高维度，以便适当地表示机器人的所有关节。因此，通过对整个矢量Y应用逆动力学来确定机器人的整个轨迹会导致过高的计算成本。相反，广义逆运动学具有比逆动力学低得多的计算成本。因此，在具有较低自由度的机器人的动力学模型上使用逆动力学计算移动机器人的预测轨迹，并且使用具有较大自由度的广义逆运动学计算各铰接肢的移动允许以合理的计算成本正确地计算移动机器人的轨迹和各铰接肢的移动。
在本发明的许多实施例中，处理器被配置成在相同的时间窗上以单个时间步长执行轨迹、速度等的所有计算。例如，处理器可以每20ms计算各铰接肢的预测移动370，并且在2s的时间范围内并使用20ms的样本计算每个轨迹。
一旦计算出各铰接肢的预测移动370，就可以通过电机和/或致动器读取和使用所述预测移动以便实际执行机器人的移动。
本发明不仅适用于上面公开的各示例。特别地，其不仅适用于人形机器人，而是也适用于具有移动基部和铰接臂的工业机器人。
图5a、5b、5c、5d、5e和5f分别显示用于定义根据本发明的机器人的移动的用户界面的两个视图、现有技术中机器人的轨迹的示例、现有技术中机器人的位置和机器人的关节的角位置、根据本发明的机器人的轨迹的示例、根据本发明的机器人的位置和机器人的关节的角位置。
图5a显示了用于定义根据本发明的机器人的移动的用户界面的示例。该界面包括窗口500a，该窗口500a包括多个子窗口。
第一子窗口510用于创建、选择和编辑行为。第二子窗口520用于选择待执行的移动的类型。在图5a中显示的示例中，移动是“沿着移动”，并且定义机器人在轨迹上的位移。
第三子窗口530a让户定义机器人的目标轨迹。用户可以特别地定义起点531a和终点532a以及中间轨迹533a。在该示例中，所述轨迹定义起点和终点之间的直线。子窗口534a用于让用户定义移动的特征，特别是持续时间535a。
子窗口540提供机器人的移动和姿势的预览。
图5b显示了用于定义根据本发明的机器人的移动的用户界面的第二视图。
该第二视图定义了窗口500b，该窗口500b还具有子窗口510、520和540。
窗口500b还包括用于限定各关节的目标移动的子窗口550b。用户可以选择移动的预定义类型，例如“摆臀”移动558b。在该示例中，所述“摆臀”移动对应于机器人的上体围绕机器人的臀部的左右移动。
用户可以进一步定义机器人的移动的特征。在“摆臀”移动的示例中，用户可以定义相对于在时间轴552b上定义的时间的在幅度轴551b上定义的臀部移动的幅度。该移动由(时间、幅度)样条553b定义，该样条553b在该示例中基于参考点554b、555b、556b和557b构建。
图5b显示了机器人行为的低级命令的示例。在本发明的其它实施例中，可以使用更高级的命令，例如待到达的姿势。例如，可以使用高级命令，例如“伸出一个位置”或“在给定位置/时间放置手”。然后，可以基于这样的高级命令确定机器人的一系列定时姿势，所述定时姿势可以用于确定机器人的CoM的轨迹以及机器人将到达的姿势。
图5c显示了现有技术中机器人的轨迹的示例。
更具体地，图5c显示了如在现有技术中基于在窗口500a中定义的目标轨迹以及在窗口500b中定义的各关节的目标移动计算的机器人的轨迹和行为。
在该示例中，机器人跟随轨迹并执行各铰接肢的移动，以便尽可能接近地跟随窗口500a中定义的轨迹和窗口500b中定义的行为“摆臀”558b。更具体地，机器人采取的轨迹和躯干的位置尽可能接近轨迹533a以及在553b中定义的位置。
在现有技术中，机器人因此跟随起点531c和终点532c之间的直线轨迹533c。同时，机器人执行躯干的移动以便采取尽可能接近由关节的移动553b定义的行为“摆臀”558b的行为。在现有技术中，机器人仅能够执行关节移动554c。
图5d显示了现有技术中机器人的位置和机器人的关节的角位置的示例。
图5d表示机器人的上体围绕机器人的臀部的移动的幅度，其相对于时间轴552d在与轴线551b相同的轴线551b上表示。曲线553d表示机器人的各关节移动的目标，并且曲线554d表示机器人的各关节的实际移动。
从图5c和5d中可以看出，现有技术的机器人不能执行图5a和5b中计划的运动。主要原因在于，当计算关节的跟随由样条553b定义的指令的移动时，现有技术的机器人将受到运动学约束尤其是机器人的平衡的约束的限制。
图5e显示了本发明的一个实施例中的机器人的轨迹的示例。
更具体地，图5e显示了如在本发明的一个实施例中基于在窗口500a中定义的目标轨迹以及在窗口500b中定义的各关节的目标移动计算的机器人的轨迹和行为。
在该示例中，机器人跟随轨迹并执行各铰接肢的移动，以便尽可能接近地跟随窗口500a中定义的轨迹和窗口500b中定义的行为“摆臀”558b。更具体地，机器人采取的轨迹和躯干的位置尽可能接近轨迹533a以及553b中定义的位置。
在现有技术中，机器人因此跟随起点531e和终点532e之间的轨迹533e。同时，机器人执行躯干的移动，以便采取尽可能接近由各关节的移动553b定义的行为“摆臀”551b的行为。在本发明中，机器人计算不刚好是直线的轨迹533e，以便考虑躯干的移动对机器人的质心位置的影响。机器人基部的轨迹的这种修改允许机器人执行躯干的移动554e，该躯干的移动554e更丰富并且更接近由用户计划的移动。
图5f显示了本发明的一个实施例中的机器人的位置和机器人的关节的角位置的示例。
图5f表示机器人的躯干绕其臀部的移动幅度，其相对于时间轴552f在与轴551b相同的轴551f上表示。曲线553f表示机器人的各关节的移动的目标，并且曲线554f表示机器人的各关节的实际移动，并且对应于图5e中显示的移动。
从图5e和5f中可以看出，本发明的机器人能够执行非常接近图5a和5b中计划的移动的移动。更具体地，使用各关节的移动来计算机器人的质心的轨迹允许其计算各铰接肢的移动，所述铰接肢的移动与现有技术中计算的移动相比更接近于使用者计划的移动。
图6a和6b分别显示了现有技术的方法和本发明的一个实施例中的方法。
图6a显示了用于计算现有技术中具有多个铰接肢的移动机器人的预测移动的方法600a。
方法600a包括接收定义移动机器人的运动的指令和定义移动机器人的行为的指令作为输入610、611的步骤。
方法600a还包括基于定义移动机器人的运动的指令611计算630a在一定时间范围内移动机器人的预测轨迹631a的步骤。该轨迹可以例如是移动机器人的质心的轨迹，该轨迹基于标准姿势而不是基于各关节的实际移动。
方法600a还包括基于移动机器人的预测轨迹631a和定义移动机器人611的行为的指令计算640a各铰接肢的预测移动641a的步骤。
因此，方法600a允许同时计算机器人的各关节的轨迹和预测移动。然而，如在图5c和5d中所公开的，机器人的动力学约束可能限制在步骤640a处计算各关节的移动的可能性。
图6b显示了用于计算在本发明的一个实施例中具有多个铰接肢的移动机器人的预测移动的方法600b。
方法600b包括接收定义移动机器人的运动的指令和定义移动机器人的行为的指令作为输入610、611的步骤。
方法600b还包括基于输入610、611计算620b移动机器人的质心的目标轨迹621b的步骤。
方法600b还包括基于移动机器人的质心的目标轨迹621b和移动机器人的动力学约束来计算630b一定时间范围内移动机器人的质心的预测轨迹631b的步骤。
方法600b还包括基于移动机器人的质心的预测轨迹631b和定义移动机器人的行为的指令611计算640b各铰接肢的预测移动641b的步骤。
通过考虑各铰接肢的移动以便计算机器人的质心的预测轨迹，本发明的方法600b允许克服现有技术方法的限制。更具体地，该方法600b允许机器人采取行为并执行各铰接肢的移动，该方法600b比现有技术的方法更接近定义移动机器人的行为的指令611。
方法600b可以以许多方式实现。例如，其可以在诸如架构300的软件架构中实现。其可以由本发明的机器人机载的处理器执行。其还可以在机器人的移动的编辑器(例如图5a和5b中显示的用户界面)中实现。因此，其可以用于获得机器人移动的预览。当机器人不能采取行为时，即使使用本发明的方法，用户也可以修改机器人的行为以便定义机器人将能够执行的行为。
上述各示例作为本发明的各实施例的说明给出。它们不以任何方式限制由以下权利要求限定的本发明的范围。

Claims (15)

1.一种移动机器人，其具有：
-多个铰接肢；
-处理器(300)，其被配置成：
ο接收定义所述移动机器人的运动的指令和定义所述移动机器人的行为的指令作为输入(310，311)；
ο基于所述输入计算(320)所述移动机器人的质心的目标轨迹(330)；
ο基于所述移动机器人的质心的目标轨迹(330)和所述移动机器人的动力学约束计算(340)一定时间范围内所述移动机器人的质心的预测轨迹(350)；
ο基于所述移动机器人的质心的预测轨迹(350)和定义所述移动机器人的行为的指令(311)计算(360)铰接肢的预测移动(370)。
2.根据权利要求1所述的移动机器人，其中所述处理器被配置成通过在连续的时间步长处计算以下内容来计算(320)所述移动机器人的质心的目标轨迹(330)：
-所述移动机器人的所述铰接肢的质心的位置；
-所述移动机器人的质心的位置，其基于所述移动机器人的目标位置、所述移动机器人的所述铰接肢的质量和质心的位置计算。
3.根据权利要求1至2中任一项所述的移动机器人，其中所述处理器被配置成使用所述移动机器人的动力学模型来计算(340)所述移动机器人的质心的预测轨迹(330)。
4.根据权利要求3所述的移动机器人，其中所述处理器被配置成通过以下方式计算(340)所述移动机器人的质心的预测轨迹(330)：
-将所述移动机器人建模为双倒立摆，其包括两个质量，所述两个质量分别是所述移动机器人的基部的质心和机器人的上体的质心；
-制定移动机器人的零力矩点永远不会离开具有相对于移动机器人的基部定义的位置的多边形并且所述移动机器人的基部具有最大加速度和速度的约束；
-解决所述双倒立摆的控制问题，以便使成本函数最小化，所述成本函数基于以下中的至少一个：在所述目标轨迹(330)中所述移动机器人的质心的位置与在所述预测轨迹(350)中所述移动机器人的质心的位置的差异，以及在所述目标轨迹(330)中所述移动机器人的质心的速度和在所述预测轨迹中所述移动机器人的质心的速度的差异。
5.根据权利要求1至4中任一项所述的移动机器人，其中所述处理器被配置成相对于所述移动机器人的动力学约束计算(360)铰接肢的预测移动(370)以便最小化成本函数。
6.根据权利要求5所述的移动机器人，其中所述成本函数是在连续时间步长处的以下中的至少两项的加权平均值：所述移动机器人的质心的各预测位置之间的距离、所述铰接肢的目标速度与铰接肢的预测速度之间的差异以及所述铰接肢的目标位置与铰接肢的预测位置之间的距离。
7.根据权利要求5和6中任一项所述的移动机器人，其中所述处理器被配置成在关节角度、关节速度和关节加速度的约束极限下计算铰接肢的预测移动。
8.根据权利要求1至7中任一项所述的移动机器人，其中定义所述移动机器人的行为的指令由至少一个待到达的定时姿势定义，并且所述处理器还被配置成将所述移动机器人的所述至少一个定时姿势转换为铰接肢相对于所述移动机器人的目标轨迹。
9.根据权利要求1至8中任一项所述的移动机器人，其中所述移动机器人的质心的预测轨迹由在时间窗上在连续时间步长处所述移动机器人的质心的预测位置和速度的值定义。
10.根据权利要求9所述的移动机器人，其中各铰接肢的预测移动由在连续时间步长处各铰接肢之间的角度以及各铰接肢体之间的角速度中的一个或多个值定义，在所述连续时间步长处各铰接肢之间的角度以及各铰接肢之间的角速度中的所述一个或多个值被转换成电机的设定点命令。
11.根据权利要求9和10中任一项所述的移动机器人，其中预定义的时间步长是20ms，并且所述时间窗具有1.6s的持续时间。
12.根据权利要求1至11中任一项所述的移动机器人，其中定义所述移动机器人的运动的指令以及定义所述移动机器人的行为的指令由用户在用户界面上定义。
13.根据权利要求1至11中任一项所述的移动机器人，其中定义所述移动机器人的运动的指令对应于预定义的轨迹，并且所述处理器被配置成在意外事件的发生时计算定义所述移动机器人的行为的指令。
14.一种用户界面(400a，400b)，用于定义具有多个铰接肢的移动机器人的运动和行为，所述用户界面包括用于以下操作的计算机代码指令：
-让用户将定义移动机器人的运动的指令和定义移动机器人的行为的指令定义为输入；
-基于所述输入计算移动机器人的质心的目标轨迹；
-基于所述移动机器人的质心的目标轨迹和移动机器人的动力学约束来计算在一定时间范围内所述移动机器人的质心的预测轨迹；
-基于所述移动机器人的质心的预测轨迹和定义所述移动机器人的行为的指令计算各铰接肢的预测移动。
15.一种计算具有多个铰接肢的移动机器人的预测移动的方法，所述方法包括：
-接收定义所述移动机器人的运动的指令和定义所述移动机器人的行为的指令作为输入(610，611)；
-基于所述输入(610，611)计算(620b)所述移动机器人的质心的目标轨迹(621b)；
-基于所述移动机器人的质心的目标轨迹(621b)和移动机器人的动力学约束来计算(630b)在一定时间范围内所述移动机器人的质心的预测轨迹(631b)；
-基于所述移动机器人的质心的预测轨迹(631b)和定义所述移动机器人的行为的指令(611)计算(640b)各关节肢的预测移动(641b)。
CN201680084960.8A 2016-04-29 2016-04-29 一种具有增强的平衡运动和行为能力的移动机器人 Active CN109311159B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2016/052452 WO2017187235A1 (en) 2016-04-29 2016-04-29 A mobile robot with enhanced balanced motion and behavior capabilities

Publications (2)

Publication Number Publication Date
CN109311159A true CN109311159A (zh) 2019-02-05
CN109311159B CN109311159B (zh) 2022-03-25

Family

ID=56101759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680084960.8A Active CN109311159B (zh) 2016-04-29 2016-04-29 一种具有增强的平衡运动和行为能力的移动机器人

Country Status (10)

Country Link
US (1) US11014247B2 (zh)
EP (1) EP3448629A1 (zh)
JP (1) JP6715952B2 (zh)
KR (1) KR102199608B1 (zh)
CN (1) CN109311159B (zh)
AU (1) AU2016404622B2 (zh)
BR (1) BR112018071792A2 (zh)
CA (1) CA3022383A1 (zh)
SG (1) SG11201808977RA (zh)
WO (1) WO2017187235A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2021003986A1 (zh) * 2019-07-11 2021-01-14 北京理工大学 一种双足机器人足部力和力矩跟随控制方法
CN112356029A (zh) * 2020-10-29 2021-02-12 中国科学院软件研究所 一种工业机器人控制器软件的实现方法和系统
CN112783175A (zh) * 2021-01-04 2021-05-11 腾讯科技（深圳）有限公司 质心轨迹确定方法、装置、足式机器人、设备及介质
CN113534828A (zh) * 2020-04-14 2021-10-22 腾讯科技（深圳）有限公司 质心位置确定方法、装置、足式机器人及存储介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10493617B1 (en) * 2016-10-21 2019-12-03 X Development Llc Robot control
DE102017129665B3 (de) * 2017-12-12 2019-01-24 Pilz Gmbh & Co. Kg Kollisionsfreie Bewegungsplanung bei geschlossener Kinematik
US10780578B2 (en) * 2018-02-22 2020-09-22 Boston Dynamics, Inc. Reaching mobile robots
US20190314983A1 (en) * 2018-04-17 2019-10-17 Sony Corporation Recording medium, information processing apparatus, and information processing method
US11833681B2 (en) * 2018-08-24 2023-12-05 Nvidia Corporation Robotic control system
CN113260928A (zh) * 2019-01-11 2021-08-13 欧姆龙株式会社 控制装置
CN112650234B (zh) * 2020-12-16 2022-05-17 浙江大学 一种双足机器人的路径规划方法
CN113580146B (zh) * 2021-08-29 2022-08-05 浙江工业大学 一种融合动态系统与模型预测控制的机械臂实时避障方法
CN116184837B (zh) * 2023-04-27 2023-07-07 北京鹏骋科技有限公司 基于野外复杂条件的自适应平衡控制方法、系统及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN104842360A (zh) * 2014-02-19 2015-08-19 丰田自动车株式会社 用于移动机器人的移动控制方法
EP2933068A1 (en) * 2014-04-17 2015-10-21 Aldebaran Robotics Omnidirectional wheeled humanoid robot based on a linear predictive position and velocity controller

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3443077B2 (ja) * 1999-09-20 2003-09-02 ソニー株式会社 ロボットの運動パターン生成装置及び運動パターン生成方法、並びにロボット
JP4188607B2 (ja) * 2001-06-27 2008-11-26 本田技研工業株式会社 二足歩行移動体の床反力推定方法及び二足歩行移動体の関節モーメント推定方法
US7719222B2 (en) * 2006-03-30 2010-05-18 Vecna Technologies, Inc. Mobile extraction-assist robot
JP4961860B2 (ja) * 2006-06-27 2012-06-27 トヨタ自動車株式会社 ロボット装置及びロボット装置の制御方法
FR2930108B1 (fr) 2008-04-09 2010-07-30 Aldebaran Robotics Systeme et procede de communication distribue comprenant au moins un serveur, au moins un terminal distant, et au moins un terminal mobile capable de communiquer avec le terminal distant relie en reseau audit serveur
KR20100028358A (ko) * 2008-09-04 2010-03-12 삼성전자주식회사 로봇 및 그 안전제어방법
KR101687630B1 (ko) * 2010-01-11 2016-12-20 삼성전자주식회사 보행 로봇 및 그 균형 제어 방법
KR20110082394A (ko) * 2010-01-11 2011-07-19 삼성전자주식회사 보행 로봇 및 그 제어 방법
KR101687628B1 (ko) * 2010-01-12 2016-12-21 삼성전자주식회사 로봇의 보행 제어 장치 및 그 제어 방법
KR101687631B1 (ko) * 2010-01-18 2016-12-20 삼성전자주식회사 로봇의 보행 제어 장치 및 그 제어 방법
JP5392125B2 (ja) * 2010-02-05 2014-01-22 トヨタ自動車株式会社 ２脚歩行ロボット及びそのための歩容データ生成方法
KR20120060578A (ko) * 2010-12-02 2012-06-12 삼성전자주식회사 보행 로봇 및 그 자세 제어 방법
KR20120069333A (ko) * 2010-12-20 2012-06-28 삼성전자주식회사 로봇의 보행 제어 장치 및 그 제어 방법
KR101809972B1 (ko) * 2010-12-21 2017-12-18 삼성전자주식회사 보행 로봇 및 그 제어방법
KR101778027B1 (ko) * 2010-12-21 2017-09-13 삼성전자주식회사 보행 로봇 및 그 자세 제어 방법
KR20120069924A (ko) * 2010-12-21 2012-06-29 삼성전자주식회사 보행 로봇 및 그 제어 방법
KR20120071599A (ko) * 2010-12-23 2012-07-03 삼성전자주식회사 보행 로봇 및 그 제어 방법
KR101953113B1 (ko) * 2011-05-30 2019-03-05 삼성전자주식회사 로봇 및 그 제어방법
KR20130049029A (ko) * 2011-11-03 2013-05-13 삼성전자주식회사 보행 로봇 및 그 제어 방법
KR20130063230A (ko) * 2011-12-06 2013-06-14 삼성전자주식회사 보행 로봇 및 그 제어 방법
EP2933065A1 (en) 2014-04-17 2015-10-21 Aldebaran Robotics Humanoid robot with an autonomous life capability
EP2952993B1 (en) 2014-06-05 2018-04-25 Softbank Robotics Europe Method for building a map of probability of one of absence and presence of obstacles for an autonomous robot
US10248085B2 (en) * 2016-10-13 2019-04-02 Disney Enterprises, Inc. Computational design of robots from high-level task specifications

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN104842360A (zh) * 2014-02-19 2015-08-19 丰田自动车株式会社 用于移动机器人的移动控制方法
US20150231786A1 (en) * 2014-02-19 2015-08-20 Toyota Jidosha Kabushiki Kaisha Movement control method for mobile robot
JP2015150678A (ja) * 2014-02-19 2015-08-24 トヨタ自動車株式会社 移動ロボットの移動制御方法
EP2933068A1 (en) * 2014-04-17 2015-10-21 Aldebaran Robotics Omnidirectional wheeled humanoid robot based on a linear predictive position and velocity controller

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2021003986A1 (zh) * 2019-07-11 2021-01-14 北京理工大学 一种双足机器人足部力和力矩跟随控制方法
CN113534828A (zh) * 2020-04-14 2021-10-22 腾讯科技（深圳）有限公司 质心位置确定方法、装置、足式机器人及存储介质
CN112356029A (zh) * 2020-10-29 2021-02-12 中国科学院软件研究所 一种工业机器人控制器软件的实现方法和系统
CN112783175A (zh) * 2021-01-04 2021-05-11 腾讯科技（深圳）有限公司 质心轨迹确定方法、装置、足式机器人、设备及介质

Also Published As

Publication number Publication date
KR20190008530A (ko) 2019-01-24
EP3448629A1 (en) 2019-03-06
AU2016404622A1 (en) 2018-12-13
CA3022383A1 (en) 2017-11-02
US11014247B2 (en) 2021-05-25
SG11201808977RA (en) 2018-11-29
JP2019514713A (ja) 2019-06-06
US20190118384A1 (en) 2019-04-25
WO2017187235A1 (en) 2017-11-02
KR102199608B1 (ko) 2021-01-07
JP6715952B2 (ja) 2020-07-01
CN109311159B (zh) 2022-03-25
BR112018071792A2 (pt) 2019-02-19
AU2016404622B2 (en) 2020-05-14

Similar Documents

Publication Publication Date Title
CN109311159A (zh) 一种具有增强的平衡运动和行为能力的移动机器人
Zimmermann et al. Go fetch!-dynamic grasps using boston dynamics spot with external robotic arm
Brooks et al. Sensing and manipulating built-for-human environments
Nishiwaki et al. The experimental humanoid robot H7: a research platform for autonomous behaviour
Hofmann et al. Exploiting angular momentum to enhance bipedal center-of-mass control
US8818559B2 (en) Robot apparatus and control method therefor
KR20040111417A (ko) 로봇 장치, 다리식 이동 로봇의 동작 제어 장치 및 동작제어 방법, 다리식 이동 로봇을 위한 센서 시스템 및이동체 장치
JP2003266345A (ja) 経路計画装置、経路計画方法及び経路計画プログラム並びに移動型ロボット装置
CN112327869B (zh) 基于关节速度规划的四足机器人对角步态运动控制方法
Gienger et al. Whole-body motion planning–building blocks for intelligent systems
Kemp et al. Humanoids
Barros et al. Bimanual haptics for humanoid robot teleoperation using ROS and V-REP
Rollinson et al. State estimation for snake robots
Lorch et al. ViGVVaM—An Emulation Environment for a Vision Guided Virtual Walking Machine
Zhang et al. Controlling pivoting gait using graph model predictive control
Lim et al. Control design to achieve dynamic walking on a bipedal robot with compliance
CN116619382A (zh) 机器人运动控制方法、系统及电子设备
Oh et al. Humanoid whole-body remote-control framework with delayed reference generator for imitating human motion
CN115328186A (zh) 基于任务分层优化的双足机器人级联控制方法和装置
Yi et al. Active stabilization of a humanoid robot for real-time imitation of a human operator
Rodriguez-Angeles et al. An online inertial sensor-guided motion control for tracking human arm movements by robots
Helin et al. Omnidirectional walking based on preview control for biped robots
Kagami et al. Design, implementation, and remote operation of the humanoid H6
WO2024021767A1 (zh) 控制足式机器人的方法、装置、设备、足式机器人、计算机可读存储介质和计算机程序产品
CN117961888A (zh) 一种基于强化学习控制的人形机器人物体抓取方法及装置

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