CN112051741A - 一种双足机器人动态运动生成与控制方法 - Google Patents
一种双足机器人动态运动生成与控制方法 Download PDFInfo
- Publication number
- CN112051741A CN112051741A CN202010973792.6A CN202010973792A CN112051741A CN 112051741 A CN112051741 A CN 112051741A CN 202010973792 A CN202010973792 A CN 202010973792A CN 112051741 A CN112051741 A CN 112051741A
- Authority
- CN
- China
- Prior art keywords
- leg
- control
- biped robot
- matrix
- swing leg
- 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 28
- 206010034701 Peroneal nerve palsy Diseases 0.000 claims abstract description 11
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 210000002414 leg Anatomy 0.000 claims description 106
- 239000011159 matrix material Substances 0.000 claims description 50
- 210000004394 hip joint Anatomy 0.000 claims description 15
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 11
- 210000000629 knee joint Anatomy 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 210000003423 ankle Anatomy 0.000 claims description 4
- 210000001503 joint Anatomy 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 8
- 210000002683 foot Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000001624 hip Anatomy 0.000 description 2
- 235000001968 nicotinic acid Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000002789 length control Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D57/00—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
- B62D57/02—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members
- B62D57/032—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members with alternately or sequentially lifted supporting base and legs; with alternately or sequentially lifted feet or skid
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (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
本发明公开了一种双足机器人动态运动生成与控制方法,在单脚支撑期,通过建立全身动力学反馈线性化控制器控制支撑腿的长度和上身俯仰的姿态保持双足机器人动态运动特性;基于全身动力学模型解耦摆动腿与全身的动力学耦合,通过建立摆动腿预测控制模型控制在未来观测规划的位置,落脚点调节给出了未来腿末端一系列目标点,根据环境信息规划摆动腿末端轨迹、实时调整动腿的落脚点;由支撑腿的全身动力学力矩控制量和摆动腿的控制力矩一同作为双足机器人运动控制输入;本发明将双足机器人自身动力学引入实时规划和在线控制,解耦高维非线性系统,独立控制摆动腿达到动态稳定运动。
Description
技术领域
本发明属于仿人机器人技术领域,尤其是一种双足机器人动态运动生成与控制方法。
背景技术
双足机器人是具有人类外形,双足等特征的智能机器人,也成为人们想象中代表机器人的具体形式,它可以实现类人的灵巧行走动作,对未知环境的适应能力强,大大减少专用机器人需要对环境改造的成本,同时代替人工劳动完成更加复杂工作任务等。双足机器人是集多门基础学科技术于一体,配合仿生学、控制理论及人工智能等学科发展的综合性应用平台系统,高级创新性密集的机电一体化平台可以评价国家科技发展水平。近年来,双足机器人在结构、驱动和控制的研究更加依赖人类仿生学基础理论,而反过来双足机器人的研究也同时展示出人类运动的一般规律,相互之间的促进对特殊人群的服务和提高人类生活水平具有极其重要的作用。所以,双足机器人具有重要的研究意义与应用价值。
双足机器人运动仍在静态与准静态平衡控制中,即规划的轨迹是实时稳定的,需要驱动关节精准跟随参考角度,但这样做的成本是高能耗、动作僵硬以及灵活度低。所以另一个研究方向是双足机器人动态运动的稳定控制,目标是在自身动力学基础上通过动态调整达到自身运动的稳定,不要求实时稳定性的做法会大大降低能耗需求。为了实现在线规划和实时控制,现有算法会简化模型,离线优化,可以想象这样会降低双足机器人与环境的动态运动高机动交互能力。现有技术中所存在的技术问题集中在:
在传统双足机器人运动生成与控制中,先通过简化模型生成离线运动稳定轨迹,然后在线调节使机器人稳定运动。但往往由于动力学耦合特性,这种稳定轨迹会在环境交互中被破坏,从而导致步行运动的失败。
现有的方法局限于自身适用的单一双足机器人类型。如有脚底板的机器人需要考虑零力矩点(Zero Moment Point:ZMP),而没有脚底板的机器人只能通过点足与地面接触,这种基于ZMP方法将不再适用。而由于点足双足机器人的动态特性,适用于它的步态生成方法又无法在有脚底板的双足机器人上使用。
现有方法不能在线规划、实时调节与优化的技术问题。由于双足机器人系统方程具有高维非线性特性,在线优化往往是耗时的,从而无法实时优化。为了在固定控制周期中运行控制器,大规模在线规划和实时调节不被考虑。
在位置控制双足机器人中,ZMP误差补偿,柔顺控制等多种算法被同时用于稳定调节导致计算量繁复。
发明内容
针对现有技术中所存在的不足,本发明提出了一种双足机器人动态运动生成与控制方法,将双足机器人自身动力学引入实时规划和在线控制,解耦高维非线性系统,独立控制摆动腿达到动态稳定运动。
本发明所采用的技术方案如下:
一种双足机器人动态运动生成与控制方法,在单脚支撑期,通过建立全身动力学反馈线性化控制器控制支撑腿的长度和上身俯仰的姿态保持双足机器人动态运动特性;
基于全身动力学模型解耦摆动腿与全身的动力学耦合,通过建立摆动腿预测控制模型控制在未来观测规划的位置,落脚点调节给出了未来腿末端一系列目标点,根据环境信息规划摆动腿末端轨迹、实时调整动腿的落脚点;
由支撑腿的全身动力学力矩控制量和摆动腿的控制力矩一同作为双足机器人运动控制输入。
进一步,建立全身动力学反馈线性化控制器的方法为:
S1.1,建立双足机器人全身动力学的浮动基动力学模型,表示为:
S1.3,基于状态变量x,将双足机器人动力学系统写成非线性控制系统的形式:
其中:f(x)为状态转移向量,g(x)为输入转移矩阵,u为驱动力矩向量;
S1.5,基于S1.3和S1.4,设计得到控制腿长和上身姿态的全身动力学控制量uWBDC:
其中,M、C、G、分别表示动力学的惯性矩阵、科氏力矩阵和重力向量,分别表示右腿和左腿末端收到的外界力,Jr、Jl表示右腿和左腿末端在世界坐标系中的雅可比矩阵,0n×m表示一个n行m列的零矩阵,B为力矩筛选矩阵。
进一步,建立摆动腿预测控制模型的方法为:
S2.1,通过拉格朗日方程建立三连杆固定基模型描述摆动腿的运动趋势;
S2.3,基于状态变量xsw得到摆动腿非线性控制系统:
其中,用f(xsw,usw)表示关于xsw和usw的函数关系式,是xsw的一阶微分值,Msw、Csw、Gsw分别为摆动腿动力学的惯性矩阵、科氏力矩阵和重力向量;usw是由摆动腿髋关节驱动力矩、膝关节驱动力矩和踝关节驱动力矩组成的向量;
S2.4,建立摆动腿非线性控制系统后利用线性化理论在参考点处得到线性状态方程:
其中,refxsw是状态变量xsw的参考值,refusw是usw驱动力矩向量的参考值,A、B分别为摆动腿非线性控制系统f(xsw,usw)对xsw和usw的偏导数在参考值refxsw与refusw处的向量矩阵;
S2.6,对S2.5中的线性状态方程进行离散化,得到线性离散状态方程:
其中,Ak,Bk对应第k时刻参考值时的系数矩阵,ξk、ξk+1分别是第k时刻、第k+1时刻的线性化系统状态变量,为第k时刻由摆动腿髋关节驱动力矩、膝关节驱动力矩和踝关节驱动力矩组成的向量,分别为ξk与的系数矩阵,I6×6表示6维的单位矩阵,采样周期为Δt;S2.7,设定预测步数NTp,得到在预测步数内的摆动腿MPC预测模型Ξk表示为:
S2.8,设定评价函数J*使状态误差最小以及控制量即驱动力矩最小,则有:
对于优化问题这里只引入关节最大力矩τmax的不等式约束:
-τmax<Φk<τmax
其中,kp和kd均为正实数的增益系数,然后通过环境信息与当前摆动腿末端相对髋关节位置,可以规划出未来NTp个控制周期落脚点参考位置即脚踝规划轨迹,通过摆动腿逆运动学可求解出i={k,k+1,…k+NTp-1}时刻摆动腿关节参考角度和角速度用于MPC预测模型中未来参考值。
本发明的有益效果:
1、全身动力学被解耦成支撑腿和摆动腿模型,解耦摆动腿与全身的动力学耦合,但保留了倒立摆自由摆动特性,无需踝关节的主动推动从而降低能耗。
2、本发明将传统关节角度控制转化为控制支撑腿长度,将腿长控制和上身姿态控制引入全身动力学,利用反馈线性化控制这一目标。
3、通过摆动腿的MPC预测模型控制落脚点,可以根据环境信息感知障碍实时规划落脚点,实时调整自身落脚点,提高了稳定性。
4、实时控制和调节共同完成了双足机器人动态运动生成和控制方法。
5、在模型预测控制的优化环节由于全身动力学模型被降维至单腿动力学模型,所以可在控制程序中实时优化。关节层次使用力矩控制可以增加机器人的柔顺性,减少与环境交互过程中的能量损失,还可以增加人机交互过程中的安全性。
附图说明
图1是双足机器人动态运动生成与控制框图;
图2是x-z平面内双足机器人坐标系示意图;
图3是摆动腿MPC控制实时调节落脚点原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
如图1,一种双足机器人动态运动生成与控制方法,在单脚支撑期,通过建立全身动力学反馈线性化控制(Whole Body Dynamic Control:WBDC)器控制支撑腿的长度和上身俯仰的姿态保持双足机器人动态运动特性。由于支撑腿的长度固定不变,则整个机器人的物理性质与倒立摆模型近似。
建立全身动力学反馈线性化控制器的方法为:以平面7连杆双足机器人模型为例,该模型包括1个上身驱干、2个大腿、2个小腿和2个脚掌,如图2所示为x-z平面内双足机器人坐标系示意图,其中,θ表示相邻连杆间的相对角度,上角标r、l分别表示右腿(right)和左腿(left),下角标hip、kne、ank分别表示髋关节(hip)、膝关节(knee)和踝关节(ankle),而x,z表示一点在世界坐标系中的位置坐标点,下角标tor表示上身躯干(torso),θtor表示上身与竖直方向的夹角即俯仰角度。而Lsup表示支撑腿髋关节到支撑点的相对距离称为腿长,与当前状态有关。利用拉格朗日方程法计算得到双足机器人全身动力学的浮动基动力学模型:
其中,分别表示动力学的惯性矩阵、科氏力矩阵和重力向量,表示实数集其上角标的数字n表示向量或矩阵的维度,本实例中n=9,m是驱动关节的数量,本实例中m=6,表示力矩筛选矩阵由0或1组成,即将驱动力矩作用到相应自由度上,表示机器人广义坐标系的位置,xtor是上身躯干世界坐标系的x轴坐标,ztor是上身躯干世界坐标系的z轴坐标,θtor是上身与竖直方向的夹角即俯仰角度实际值,是右腿髋关节夹角,是右腿膝关节夹角,是右腿踝关节夹角,是左腿髋关节夹角,是左腿膝关节夹角,是左腿踝关节夹角,(·)T运算表示求向量或矩阵的转置,分别是qs的一阶和二阶微分值表示机器人的速度和加速度。表示驱动力矩向量。分别表示右腿和左腿末端受到的外界力,而表示右腿和左腿末端在世界坐标系中的雅可比矩阵。
0n×m表示一个n行m列的零矩阵,运算(·)-1表示求矩阵的逆,B为力矩筛选矩阵。
由于双足机器人的结构对称性,以及运动的周期性,控制单脚支撑期中的动态运动即可通过周期对称将下文提及控制策略扩展至整个运动空间中。假设当前右腿为支撑腿,则设为控制期望支撑腿的腿长和期望上身姿态为上述全身动力学反馈线性化控制器设计只与当前状态有关的输出函数y=h(qs):
该输出函数不局限于上述形式,如需控制其他例如踝关节转动速度等都可以添加在其中。分别求取y沿着向量场f(x)、g(x)的Lie导数LgLfh(qs),分别用Lg、Lf表示LgLfh(qs)和则可以设计得到控制腿长和上身姿态的全身动力学控制量uWBDC:
基于全身动力学模型解耦摆动腿与全身的动力学耦合,通过建立摆动腿预测控制(Model Predictive Control:MPC)模型实时调节落脚点,即在未来观测规划的位置,落脚点调节给出了未来腿末端一系列目标点,根据环境信息规划摆动腿末端轨迹、实时调整动腿的落脚点。
在WBDC控制下,摆动腿被从全身动力学中解耦出来,假设摆动腿髋关节固连世界坐标系中,在本实例中可以通过拉格朗日方程建立三连杆固定基模型(如图1右图所示)描述摆动腿(即左腿为摆动腿)的运动趋势:
其中,分别是左腿髋关节夹角左腿膝关节夹角左腿踝关节夹角的参考值,分别是的参考值,refxsw是状态变量xsw的参考值,refusw是驱动力矩向量的参考值,qref,分别是机器人坐标位置和速度的参考值,A、B分别为摆动腿非线性控制系统f(xsw,usw)对xsw和usw的偏导数在参考值refxsw与refusw处的向量矩阵,表示为:
其中,kp和kd均为正实数的增益系数,然后通过环境信息与当前摆动腿末端相对髋关节位置(如图3所示),可以规划出未来NTp个控制周期落脚点参考位置即脚踝规划轨迹,通过摆动腿逆运动学可求解出i={k,k+1,…k+NTp-1}时刻摆动腿关节参考角度和角速度用于MPC预测模型中未来参考值。
设定评价函数J*使状态误差最小以及控制量即驱动力矩最小,则有:
对于优化问题这里只引入关节最大力矩τmax的不等式约束:
-τmax<Φk<τmax
最终如图1所示,整个双足机器人动态运动生成与控制方法的控制框图,控制量由WBDC控制器和摆动腿MPC控制器输出组成,即u=uMPC+uWBDC。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (6)
1.一种双足机器人动态运动生成与控制方法,其特征在于,在单脚支撑期,通过建立全身动力学反馈线性化控制器控制支撑腿的长度和上身俯仰的姿态保持双足机器人动态运动特性;基于全身动力学模型解耦摆动腿与全身的动力学耦合,通过建立摆动腿预测控制模型控制在未来观测规划的位置,落脚点调节给出了未来腿末端一系列目标点,根据环境信息规划摆动腿末端轨迹、实时调整动腿的落脚点;由支撑腿的全身动力学力矩控制量和摆动腿的控制力矩一同作为双足机器人运动控制输入。
2.根据权利要求1所述的一种双足机器人动态运动生成与控制方法,其特征在于,建立全身动力学反馈线性化控制器的方法为:
S1.1,建立双足机器人全身动力学的浮动基动力学模型,表示为:
S1.3,基于状态变量x,将双足机器人动力学系统写成非线性控制系统的形式:
其中:f(x)为状态转移向量,g(x)为输入转移矩阵,u为驱动力矩向量;
S1.5,基于S1.3和S1.4,设计得到控制腿长和上身姿态的全身动力学控制量uWBDC:
5.根据权利要求1-4中任意一项权利要求所述的一种双足机器人动态运动生成与控制方法,其特征在于,建立摆动腿预测控制模型的方法为:
S2.1,通过拉格朗日方程建立三连杆固定基模型描述摆动腿的运动趋势;
S2.3,基于状态变量xsw得到摆动腿非线性控制系统:
其中,用f(xsw,usw)表示关于xsw和usw的函数关系式,是xsw的一阶微分值,Msw、Csw、Gsw分别为摆动腿动力学的惯性矩阵、科氏力矩阵和重力向量;usw是由摆动腿髋关节驱动力矩、膝关节驱动力矩和踝关节驱动力矩组成的向量;
其中,refxsw是状态变量xsw的参考值,refusw是usw驱动力矩向量的参考值,A、B分别为摆动腿非线性控制系统f(xsw,usw)对xsw和usw的偏导数在参考值refxsw与refusw处的向量矩阵;
S2.6,对S2.5中的线性状态方程进行离散化,得到线性离散状态方程:
其中,Ak,Bk对应第k时刻参考值时的系数矩阵,ξk、ξk+1分别是第k时刻、第k+1时刻的线性化系统状态变量,为第k时刻由摆动腿髋关节驱动力矩、膝关节驱动力矩和踝关节驱动力矩组成的向量,分别为ξk与的系数矩阵,I6×6表示6维的单位矩阵,采样周期为Δt;S2.7,设定预测步数NTp,得到在预测步数内的摆动腿MPC预测模型Ξk表示为:
S2.8,设定评价函数J*使状态误差最小以及控制量即驱动力矩最小,则有:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010973792.6A CN112051741B (zh) | 2020-09-16 | 2020-09-16 | 一种双足机器人动态运动生成与控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010973792.6A CN112051741B (zh) | 2020-09-16 | 2020-09-16 | 一种双足机器人动态运动生成与控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112051741A true CN112051741A (zh) | 2020-12-08 |
CN112051741B CN112051741B (zh) | 2021-07-30 |
Family
ID=73604435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010973792.6A Active CN112051741B (zh) | 2020-09-16 | 2020-09-16 | 一种双足机器人动态运动生成与控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051741B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033027A (zh) * | 2021-05-18 | 2021-06-25 | 追创科技(苏州)有限公司 | 智能机器人的步态控制方法及装置、存储介质、电子装置 |
CN113093780A (zh) * | 2021-04-06 | 2021-07-09 | 中山大学 | 一种基于降阶极点配置法的机器人平衡控制方法及装置 |
CN113485398A (zh) * | 2021-07-19 | 2021-10-08 | 北京理工大学 | 一种轮式双足机器人姿态控制方法 |
CN114137840A (zh) * | 2021-11-29 | 2022-03-04 | 深圳市优必选科技股份有限公司 | 足式机器人全局平衡控制方法、装置和足式机器人 |
CN114248855A (zh) * | 2021-12-20 | 2022-03-29 | 北京理工大学 | 双足机器人空间域步态规划与控制方法 |
CN114326769A (zh) * | 2021-12-28 | 2022-04-12 | 深圳市优必选科技股份有限公司 | 机器人运动矫正方法及装置、机器人控制设备和存储介质 |
CN114355964A (zh) * | 2021-12-29 | 2022-04-15 | 深圳市优必选科技股份有限公司 | 多自由度单腿运动学求解方法、装置和机器人 |
CN114442649A (zh) * | 2021-12-22 | 2022-05-06 | 之江实验室 | 一种双足机器人混杂动力学建模和运动规划方法 |
CN114633825A (zh) * | 2022-05-16 | 2022-06-17 | 深圳鹏行智能研究有限公司 | 移动控制方法、足式机器人和计算机可读存储介质 |
CN114911164A (zh) * | 2022-05-07 | 2022-08-16 | 北京理工大学 | 一种仿鼠四足机器人跳跃动作的开环控制方法及系统 |
CN115128960A (zh) * | 2022-08-30 | 2022-09-30 | 齐鲁工业大学 | 一种基于深度强化学习双足机器人运动控制方法及系统 |
CN115202378A (zh) * | 2022-06-24 | 2022-10-18 | 浙江大学 | 一种仿人机器人动态步行控制方法 |
CN115256396A (zh) * | 2022-08-23 | 2022-11-01 | 北京理工大学 | 基于双层模型预测控制的双足机器人全向行走质心轨迹规划方法 |
CN115616898A (zh) * | 2022-10-26 | 2023-01-17 | 浙江大学 | 基于模型参考自适应控制的仿人机器人变负载站立方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130238122A1 (en) * | 2012-03-08 | 2013-09-12 | Disney Enterprises, Inc. | Robot cyclic locomotion using a dynamic object |
CN105269577A (zh) * | 2015-06-26 | 2016-01-27 | 浙江大学 | 仿人双足机器人步态切换控制系统及控制方法 |
CN108345211A (zh) * | 2017-01-23 | 2018-07-31 | 深圳市祈飞科技有限公司 | 双足仿人机器人及其非线性步态规划方法以及控制方法 |
CN111240339A (zh) * | 2020-02-11 | 2020-06-05 | 之江实验室 | 一种双足机器人的仿人步态规划方法 |
CN111284584A (zh) * | 2020-02-11 | 2020-06-16 | 之江实验室 | 一种双足机器人的单足支撑相步态规划方法 |
CN111377004A (zh) * | 2018-12-28 | 2020-07-07 | 深圳市优必选科技有限公司 | 一种双足机器人步态控制方法以及双足机器人 |
-
2020
- 2020-09-16 CN CN202010973792.6A patent/CN112051741B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130238122A1 (en) * | 2012-03-08 | 2013-09-12 | Disney Enterprises, Inc. | Robot cyclic locomotion using a dynamic object |
CN105269577A (zh) * | 2015-06-26 | 2016-01-27 | 浙江大学 | 仿人双足机器人步态切换控制系统及控制方法 |
CN108345211A (zh) * | 2017-01-23 | 2018-07-31 | 深圳市祈飞科技有限公司 | 双足仿人机器人及其非线性步态规划方法以及控制方法 |
CN111377004A (zh) * | 2018-12-28 | 2020-07-07 | 深圳市优必选科技有限公司 | 一种双足机器人步态控制方法以及双足机器人 |
CN111240339A (zh) * | 2020-02-11 | 2020-06-05 | 之江实验室 | 一种双足机器人的仿人步态规划方法 |
CN111284584A (zh) * | 2020-02-11 | 2020-06-16 | 之江实验室 | 一种双足机器人的单足支撑相步态规划方法 |
Non-Patent Citations (1)
Title |
---|
邓欣: "双足机器人步行稳定性研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093780B (zh) * | 2021-04-06 | 2022-01-14 | 中山大学 | 一种基于降阶极点配置法的机器人平衡控制方法及装置 |
CN113093780A (zh) * | 2021-04-06 | 2021-07-09 | 中山大学 | 一种基于降阶极点配置法的机器人平衡控制方法及装置 |
CN113033027A (zh) * | 2021-05-18 | 2021-06-25 | 追创科技(苏州)有限公司 | 智能机器人的步态控制方法及装置、存储介质、电子装置 |
WO2022242501A1 (zh) * | 2021-05-18 | 2022-11-24 | 追觅创新科技(苏州)有限公司 | 智能机器人的步态控制方法及装置、存储介质、电子装置 |
CN113033027B (zh) * | 2021-05-18 | 2021-11-02 | 追觅创新科技(苏州)有限公司 | 智能机器人的步态控制方法及装置、存储介质、电子装置 |
CN113962073A (zh) * | 2021-05-18 | 2022-01-21 | 追觅创新科技(苏州)有限公司 | 智能机器人的步态控制方法及装置、存储介质、电子装置 |
CN113485398A (zh) * | 2021-07-19 | 2021-10-08 | 北京理工大学 | 一种轮式双足机器人姿态控制方法 |
CN113485398B (zh) * | 2021-07-19 | 2024-02-09 | 北京理工大学 | 一种轮式双足机器人姿态控制方法 |
CN114137840A (zh) * | 2021-11-29 | 2022-03-04 | 深圳市优必选科技股份有限公司 | 足式机器人全局平衡控制方法、装置和足式机器人 |
CN114137840B (zh) * | 2021-11-29 | 2024-02-27 | 深圳市优必选科技股份有限公司 | 足式机器人全局平衡控制方法、装置和足式机器人 |
CN114248855A (zh) * | 2021-12-20 | 2022-03-29 | 北京理工大学 | 双足机器人空间域步态规划与控制方法 |
CN114248855B (zh) * | 2021-12-20 | 2022-10-21 | 北京理工大学 | 双足机器人空间域步态规划与控制的方法 |
CN114442649A (zh) * | 2021-12-22 | 2022-05-06 | 之江实验室 | 一种双足机器人混杂动力学建模和运动规划方法 |
CN114442649B (zh) * | 2021-12-22 | 2024-04-19 | 之江实验室 | 一种双足机器人混杂动力学建模和运动规划方法 |
CN114326769A (zh) * | 2021-12-28 | 2022-04-12 | 深圳市优必选科技股份有限公司 | 机器人运动矫正方法及装置、机器人控制设备和存储介质 |
CN114326769B (zh) * | 2021-12-28 | 2024-03-29 | 深圳市优必选科技股份有限公司 | 机器人运动矫正方法及装置、机器人控制设备和存储介质 |
CN114355964A (zh) * | 2021-12-29 | 2022-04-15 | 深圳市优必选科技股份有限公司 | 多自由度单腿运动学求解方法、装置和机器人 |
CN114355964B (zh) * | 2021-12-29 | 2023-08-18 | 深圳市优必选科技股份有限公司 | 多自由度单腿运动学求解方法、装置和机器人 |
CN114911164A (zh) * | 2022-05-07 | 2022-08-16 | 北京理工大学 | 一种仿鼠四足机器人跳跃动作的开环控制方法及系统 |
CN114633825A (zh) * | 2022-05-16 | 2022-06-17 | 深圳鹏行智能研究有限公司 | 移动控制方法、足式机器人和计算机可读存储介质 |
CN115202378A (zh) * | 2022-06-24 | 2022-10-18 | 浙江大学 | 一种仿人机器人动态步行控制方法 |
CN115256396A (zh) * | 2022-08-23 | 2022-11-01 | 北京理工大学 | 基于双层模型预测控制的双足机器人全向行走质心轨迹规划方法 |
CN115256396B (zh) * | 2022-08-23 | 2024-05-28 | 北京理工大学 | 基于双层模型预测控制的双足机器人全向行走质心轨迹规划方法 |
CN115128960B (zh) * | 2022-08-30 | 2022-12-16 | 齐鲁工业大学 | 一种基于深度强化学习双足机器人运动控制方法及系统 |
CN115128960A (zh) * | 2022-08-30 | 2022-09-30 | 齐鲁工业大学 | 一种基于深度强化学习双足机器人运动控制方法及系统 |
CN115616898A (zh) * | 2022-10-26 | 2023-01-17 | 浙江大学 | 基于模型参考自适应控制的仿人机器人变负载站立方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112051741B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051741B (zh) | 一种双足机器人动态运动生成与控制方法 | |
KR100718479B1 (ko) | 로봇의 보행 제어 장치 및 보행 제어 방법 | |
KR101131776B1 (ko) | 다리식 이동 로봇의 보용 생성장치 | |
CN113485398B (zh) | 一种轮式双足机器人姿态控制方法 | |
CN114248855B (zh) | 双足机器人空间域步态规划与控制的方法 | |
KR100824179B1 (ko) | 보행식 이동 로봇의 동작 제어 장치 및 동작 제어 방법,및 보행식 이동 로봇을 위한 동작 유닛 생성 방법 | |
CN108572553B (zh) | 一种四足机器人的运动闭环控制方法 | |
Kim et al. | ZMP based neural network inspired humanoid robot control | |
Shahrokhshahi et al. | Sample-efficient policy adaptation for exoskeletons under variations in the users and the environment | |
Yong et al. | Implementation and dynamic gait planning of a quadruped bionic robot | |
Lim et al. | Proprioceptive external torque learning for floating base robot and its applications to humanoid locomotion | |
CN115951696A (zh) | 一种四足机器人路面姿态自适应方法 | |
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 | |
CN114700955A (zh) | 双轮腿-臂机器人全身运动规划与控制方法 | |
CN116985114A (zh) | 机器人控制方法和机器人 | |
Lu et al. | A novel multi-configuration quadruped robot with redundant DOFs and its application scenario analysis | |
Naksuk et al. | Utilization of movement prioritization for whole-body humanoid robot trajectory generation | |
Chen et al. | Realization of complex terrain and disturbance adaptation for hydraulic quadruped robot under flying trot gait | |
Ouyang et al. | Motion control of a snake robot via cerebellum-inspired learning control | |
Yu et al. | Gait planning for biped robot based on variable center-of-mass height hybrid strategy | |
Chemori et al. | A control architecture with stabilizer for 3D stable dynamic walking of SHERPA biped robot on compliant ground | |
Machbub et al. | Slope Balancing Strategy for Bipedal Robot Walking Based on Inclination Estimation Using Sensors Fusion. | |
Chan | Dynamic modeling, control and simulation of a planar five-link bipedal walking system | |
Han et al. | Ankle torque control for steady walking of humanoid robot | |
Araffa et al. | Implementation and simulation a model predictive control for motion generation of biped robot |
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 |