CN112068433A - 一种基于双操作者的野外六足机器人操控训练方法 - Google Patents
一种基于双操作者的野外六足机器人操控训练方法 Download PDFInfo
- Publication number
- CN112068433A CN112068433A CN202010938684.5A CN202010938684A CN112068433A CN 112068433 A CN112068433 A CN 112068433A CN 202010938684 A CN202010938684 A CN 202010938684A CN 112068433 A CN112068433 A CN 112068433A
- Authority
- CN
- China
- Prior art keywords
- control
- sharing factor
- trainee
- main
- transparency
- 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
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
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
本发明属于足式机器人遥操作技术领域。本发明公开了一种基于双操作者的野外六足机器人操控训练方法,解决了六足机器人在操控训练中训练者于受训者的控制权重分配问题。本发明所述的一种基于双操作者的野外六足机器人操控训练方法,应用于双主单从结构系统,提出了系统透明度分析及应用方法、共享因子计算方法等。其中系统透明度分析及应用方法计算主从端的透明度偏差率,用于分析系统透明性,并计算基于透明度偏差率的共享因子取值范围;共享因子计算方法,使用一种新的计算方法,结合共享因子的取值范围计算共享因子。本发明能够有效提高六足机器人的操控训练效率,并能在保证透明性的同时提升系统的安全性。
Description
技术领域
本发明属于足式机器人遥操作技术领域,具体涉及一种能安全、高效的实现野外六足机器人操控训练的共享控制方法。
背景技术
共享控制是一种介于双向控制和监督控制之间的半自主遥操作控制策略,根据直接控制和监督控制之间存在的互补性,采用扬长避短的方法,既允许操作者直接发挥其判断决策能力,又保证机器人具有一定的局部自主能力。一般认为,智能控制系统擅长于精细任务的执行,而人类擅长于上层规划,同时人类可以实时地对机器人系统的运行状态进行监督,对一些错误进行纠正。该控制方式能够大大提高遥操作系统适应作业任务的能力,减轻操作者的操作负担,且对机器人智能的要求比较低,易于实现。
足式步行机器人在面对复杂地形时具有比轮式或履带式移动机器人更强的适应能力和通过能力,这主要因为足式机器人在行进过程中可以从容地选择落足点,同时多维度位姿调节能够保证机体的稳定。由于这些优势条件的存在,使得六足机器人在灾难救援、海空探索、勘探等领域得到了广泛的应用。但需要认清的是,足式机器人虽然可以取代人类出现在危险的工作环境中,但由于工作现场的复杂程度不可预期,若单纯依靠机器人自身的智能控制算法还难以保证机器人自主适应复杂多变工况下的任务需求。而且不难发现,目前的足式机器人的运动控制主要还是基于人工操控的方式,需要对缺少操控经验的驾驶员进行足式机器人的操控训练。若要保证操控员能够安全、快速地完成训练任务,对足式机器人操控训练系统的研究显得尤为重要。
发明内容
本发明的目的是提供一种基于双操作者的野外六足机器人操控训练方法,能够自主实现对双主端机器人进行控制权限分配,实现六足机器人的操控训练。
本发明包括透明度分析及应用方法、共享因子计算方法、共享因子应用方法。其中透明度分析方法,使用系统阻抗衡量双主单从三端的系统透明度,计算主端透明度偏差率用于分析系统透明性,并计算基于透明度分析的共享因子取值范围;共享因子计算方法,提出了一种新的计算方法,以训练者主端控制信息、受训者主端控制信息、从端的实时反馈信息为输入,计算共享因子的取值范围;共享因子应用方法,将基于透明性分析的共享因子取值范围和基于算法的共享因子取值范围结合,实时计算出共享因子的最终取值,并将其引入控制系统,实现双主端控制权限的实时分配,达到训练的目的。
为了解决上述问题,本发明通过以下计数方案实现:
基于双操作者的野外六足机器人操控训练方法,具体包括以下步骤:
步骤1:系统初始化阶段,给出系统的阻抗矩阵形式,计算双主端与从端的系统阻抗,其中从端系统阻抗与从端机器人结构相关,需要计算从端六足机器人落地足的系统阻抗,进而推导出从端的系统阻抗;计算受训者主端的透明度偏差率,分析系统的主端透明性,并根据系统的主端透明性,计算出基于透明性分析的共享因子取值范围。
步骤2:使用一种新的计算方法计算共享因子的取值范围,并对其进行优化。
步骤3:根据实时信息求出共享因子最终取值范围,实时计算共享因子的最终取值,并将其引入控制系统中,实现系统的实时控制。
本发明的有益效果:
所述的一种基于双操作者的野外六足机器人操控训练方法,一方面能够实现多操作这对统一从端机器人对象进行控制,将透明度偏差引入到权重分配中;另一方面,本发明设计的共享因子计算方法,提出了一种新的共享因子计算方法,用于训练者与受训者之间的控制权重分配,并根据受训者主端的透明度偏差对共享因子进行约束,提高训练效率与安全性。
附图说明
图1为双主单从控制结构原理图
图2为应用于双主单从系统结构的波变量控制模块原理图
图3为引入共享因子的主端系统结构图
图4为从端系统结构图
图5为控制系统流程图
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。
本发明的一个实施例:一种基于双操作者的野外六足机器人操控训练方法,其内容包括以下步骤:
步骤1:系统初始化阶段,获取系统三端的系统阻抗,计算主端与从端的透明度相关系数,分析系统透明性。首先获取系统阻抗矩阵Z,满足系统的阻抗矩阵形式 系统透明度由各端系统阻尼描述,根据系统的阻抗矩阵计算出各端的系统阻尼,其中从端系统阻尼为训练者主端系统阻尼为 受训者主端系统阻尼为其中从端六足机器人的透明度与其机体结构和运动规划有关,六足机器人的机体速度受运动中的落地足控制,并且由于地面因素、地形因素等原因每个落地足的受力情况不同,因此需要计算的环境力为足端的平均受力,设环境力为Fe,每个足端力为Fli,i=1,2,3,4,5,6,即其中非落地足受力为0;从端机器人的速度与足端相对于机体的速度大小相同,方向相反。
然后分析主从端的透明度,其中双主端的速度与力受共享因子的控制,并且两端的共享因子满足两端共享因子之和为1,因此只需要分析其中一端即可,由于系统的目的是对受训者进行操控训练,因此选择受训者主端进行分析;分三种情况对受训者主端透明性进行分析:理想状态下,从端完全由受训者主端控制,即共享因子α=1,此时透明度偏差率趋近于0;最差状态下,从端完全不受受训者主端的控制,即共享因子α=0,此时透明度偏差率趋近于1;实际状态下,从段同时受双主端的控制,共享因子0<α<1,此时透明度偏差率η*<η<η′。
然后根据透明度偏差率计算共享因子取值范围:共享因子的上限对应透明度偏差率 时的共享因子取值,即受训者主端透明度与从端透明度完全相同,此时可求得α=α1,由于共享因子取值不高于1,因此α=min(α1,1);共享因子的下限对应透明度偏差率 时的共享因子取值,即受训者主端透明度为0,此时可求得α=α2,由于共享因子取值不低于0,因此α=max(α2,1);因此共享因子的取值为α∈[min(α1,1),max(α2,0)]。
步骤2:共享因子的计算。将系统简化至仅有训练者主端、受训者主端、从端,设训练者主端的控制输出为V1,受训者主端的控制输出为V2,从端的反馈速度为VE,此时有(1-α0)V1+α0V2=VE,此时的共享因子α0为实际共享因子,其中,根据图3可得,V1=Vm1+Fm1,V2=Vm2+Fm2,VE=Vs+Fe,其中,Vs为六足机器人每条落地足的相对于机体的速度矢量和j为落地足编号,其中落地足编号由运动规划决定,非落地足与机体的相对速度非0,Fe为六足机器人每条落地足的受力矢量和其中非落地足受力为0。
计算共享因子的下限与上限,共享因子的下限对应实时共享因子,因为对共享因子的调整必须保证控制效果不差于当前时刻的控制状态,即受训者主端对从端的控制效果不应比实时监测出的结果差,设此时共享因子的取值为共享因子的上限对应系统的理想状态,此时系统从端完全由受训者主端控制,共享因子为1;当双主端差距过大时,实时共享因子趋近于0,此时参考共享因子的上限对共享因子进行计算很容易使从端系统产生刚性冲击,因此需要对共享因子上限进行优化;采用最小二乘法对计算时应用的理想速度进行优化,选取训练者主端输入信息Vm1,受训者主端输入信息Vm2,从端反馈速度信息Vs作为样本,求出满足最小的伪理想状态下的速度并使用计算出伪理想状态下的共享因子由此可得共享因子得取值范围α∈(α0,α*)。
步骤3:共享因子的应用,根据共享依照你取值范围实时计算共享因子的最终取值,并将其导入系统中,实现控制权重的实时修正。首先实时获取系统的控制信息、反馈信息和主从端状态信息,计算基于透明性分析的共享因子取值范围和基于算法的共享因子取值范围;然后求这两个取值范围的交集作为共享因子最终取值范围,并将其中位数作为共享因子的最终取值;最后将共享因子引入控制系统中,实现对主端的实时分权控制,实现基于双操作者野外六足机器人的操控训练。
Claims (3)
1.基于双操作者的野外六足机器人操控训练方法,支持双操作者对野外六足机器人的实时控制;所述的野外六足机器人操控训练方法,应用于双主单从结构,其中,双主端机器人为两个力反馈手柄,从端机器人为野外六足机器人,训练者与受训者分别控制主端机器人,实现对从端六足机器人速度的共享控制;为实现双主端系统对从端机器人的共享控制,需要设计共享因子对双主端的控制权重进行分配,为确保主端控制信号的准确性,共享因子的取值要保证双主端的控制权重之和为1;训练者主端作为控制引导,受训者主端跟随训练者主端的控制方式,因此受训者主端对从端的控制分两种情况讨论,在受训者主端的控制信息远离训练者主端的情况下,应以训练者主端为主导,训练者主端的共享因子增加,于此同时受训者主端的共享因子减小,以此保证从端系统的稳定性,在受训者主端的控制信息趋近于训练者主端的情况下,应以受训者主端为主导,受训者主端的共享因子增加,以确保训练效果;为实现训练者主端的引导作用,需要每个主端向对方主端反馈自身控制状态,通过力反馈的方式引导对方主端的控制趋势,同样根据受训者主端的两种控制情况进行讨论,当受训者主端远离训练者主端的控制趋势时,要保证训练者主端接收到的反馈力不会影响自身对从端系统的稳定控制,同时受训者主端要接收到能够改变自身状态的反馈力,当受训者主端趋近训练者主端的时,受训者主端接收到的反馈力不会影响到自身的训练效果,同时训练者主端仅对受训者主端实施适当的引导即可,因此,在双主端的反馈回路中引入双主端各自的共享因子,以实现双主端的反馈引导;为了保证系统的实时性,需要对共享因子进行实时计算,实现双主端控制权重的实时分配;
所述的基于双操作者的野外六足机器人操控训练方法,应用一种新的共享因子计算方法,该方法通过分析系统透明度,计算共享因子的取值范围,并通过计算公式,对该取值范围加以限制,实时计算出共享因子的取值范围,实现基于透明度计算的共享因子的动态更新;所述的野外六足机器人操控训练方法,应用动态共享因子,实现双主端控制权限的实时分配,达到实时训练的目的。
2.透明度分析及应用方法,通过计算受训者主端透明度偏差率对其进行分析,并根据分析结果计算共享因子基于透明度分析的共享因子取值范围;
首先给出系统的阻抗矩阵形式其中Vm1和Fm1分别为训练者主端输入的速度与力,Vm2和Fm2分别为受训者主端输入的速度与力,Vs和Fe分别为从端实际速度和环境力;设训练者主端透明度为受训者主端透明度为从端六足机器人的透明度与其机体结构和运动规划有关,六足机器人的机体速度受运动中的落地足控制,并且由于地面因素、地形因素等原因每个落地足的受力情况不同,因此需要计算的环境力为足端的平均受力,设环境力为Fe,每个足端力为Fli,i=1,2,3,4,5,6,即其中非落地足受力为0;从端机器人的速度与足端相对于机体的速度大小相同,方向相反,因此可计算得到从端机器人的透明度 根据系统的阻抗矩阵形式可得,
对主从端透明性进行分析,其中双主端的速度与力受共享因子的控制,并且两端的共享因子满足两端共享因子之和为1,因此只需要分析其中一端即可,由于系统的目的是对受训者进行操控训练,因此选择受训者主端进行分析;分三种情况对受训者主端透明性进行分析:理想状态下,从端完全由受训者主端控制,即共享因子α=1,此时透明度偏差率趋近于0;最差状态下,从端完全不受受训者主端的控制,即共享因子α=0,此时透明度偏差率趋近于1;实际状态下,从段同时受双主端的控制,共享因子0<α<1,此时透明度偏差率η*<η<η’;
根据透明度偏差率计算共享因子取值范围:共享因子的上限对应透明度偏差率 时的共享因子取值,即受训者主端透明度与从端透明度完全相同,此时可求得α=α1,由于共享因子取值不高于1,因此α=min(α1,1);共享因子的下限对应透明度偏差率 时的共享因子取值,即受训者主端透明度为0,此时可求得α=α2,由于共享因子取值不低于0,因此α=max(α2,1);因此共享因子的取值为α∈[min(α1,1),max(α2,0)]
共享因子计算方法,提出一种新的计算方法,该方法将双主端的控制信息作为控制样本,共享因子作为其控制比率,求其期望速度,即设双主端的控制信息为V1和V2,从端的反馈速度为VE,可得VE=(1-α)V1+αV2,即根据权利要求1给出的系统阻抗矩阵形式和双主单从系统结构,得到V1=Vm1+Fm1,V2=Vm2+Fm2,VE=Vs+Fe,其中,Vs为六足机器人每条落地足的相对于机体的速度矢量和j为落地足编号,其中落地足编号由运动规划决定,非落地足与机体的相对速度非0,Fe为六足机器人每条落地足的受力矢量和其中非落地足受力为0;
计算共享因子的下限与上限,共享因子的下限对应实时共享因子,因为对共享因子的调整必须保证控制效果不差于当前时刻的控制状态,即受训者主端对从端的控制效果不应比实时监测出的结果差,设此时共享因子的取值为共享因子的上限对应系统的理想状态,此时系统从端完全由受训者主端控制,共享因子为1;当双主端差距过大时,实时共享因子趋近于0,此时参考共享因子的上限对共享因子进行计算很容易使从端系统产生刚性冲击,因此需要对共享因子上限进行优化;采用最小二乘法对计算时应用的理想速度进行优化,选取训练者主端输入信息Vm1,受训者主端输入信息Vm2,从端反馈速度信息Vs作为样本,求出满足最小的伪理想状态下的速度并使用计算出伪理想状态下的共享因子由此可得共享因子的取值范围α∈(α0,α*)。
3.基于双操作者的野外六足机器人操控训练方法的共享因子应用方法,根据权利要求2所述的基于透明性分析的共享因子取值范围和基于算法的共享因子的取值范围,计算其交集,得到共享因子最终的取值范围;其中基于透明性分析的共享因子取值范围的计算中,透明度偏差根据受训者主端的实时控制信息和从端的实时反馈信息进行计算,实现该取值范围的动态更新;基于算法的共享因子取值范围的计算中,V1和V2根据双主端实时控制信息计算得到,Vs根据从端的实时反馈信息计算得到,以此实现该取值范围的动态更新;结合以上信息,实现共享因子最终取值范围的动态更新,并取该范围的中位数作为实时共享因子的最终取值;
将实时共享因子α导入控制系统中,其中受训者主端引入共享因子α,训练者主端引入共享因子1-α,双主端的控制信息经过共享因子的限制并整合后传送到从端,从端的反馈信息经过共享因子的分配后反馈回各主端,与此同时,双主端分别将自己的控制信息经过共享因子的限制反馈给对方,使每个主端在感受到从端反馈的同时,感受到另外主端的控制信息;
当共享因子引入系统后,对训练系统的双主端控制权限实现实时分配,当受训者主端的控制趋近训练者主端的控制引导时,共享因子增大,受训者主端的控制权重增大,训练者主端的控制权重减小,系统由受训者主端主导控制,训练者主端进行辅助控制;当受训者主端的控制远离训练者主端的控制引导时,共享因子减小,受训者主端的控制权重减小,训练者主端的控制权重增加,系统由训练者主端主导控制,减弱从端受到的错误控制信息,同时受训者感受到来自训练者的反馈信息增加,得到来自训练者主端的引导,使受训者的控制趋向训练者主端的控制信息,实现训练的目的;
共享因子应用方法的具体实现方法可分如下步骤:
步骤1:实时获取系统的控制信息、反馈信息和主从端状态信息,计算权利要求1所述的基于透明性分析的共享因子取值范围和权利要求2所述的基于算法的共享因子的取值范围;
步骤2:求两个共享因子取值范围的交集,该集合即为共享因子最终的取值范围,并求其中位数作为共享因子的最终取值;
步骤3:将共享因子代入控制系统中,替换上一时刻的共享因子,对双主端进行分权控制,实现基于双操作者野外六足机器人的操控训练,并重复上述步骤,实现循环控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010938684.5A CN112068433B (zh) | 2020-09-09 | 2020-09-09 | 一种基于双操作者的野外六足机器人操控训练方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010938684.5A CN112068433B (zh) | 2020-09-09 | 2020-09-09 | 一种基于双操作者的野外六足机器人操控训练方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112068433A true CN112068433A (zh) | 2020-12-11 |
CN112068433B CN112068433B (zh) | 2022-11-22 |
Family
ID=73664531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010938684.5A Active CN112068433B (zh) | 2020-09-09 | 2020-09-09 | 一种基于双操作者的野外六足机器人操控训练方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112068433B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114012729A (zh) * | 2021-11-16 | 2022-02-08 | 哈尔滨理工大学 | 一种融合交互力估计算法的足式移动机器人三边遥操作系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159070A (zh) * | 2015-05-13 | 2015-12-16 | 西北工业大学 | 一种多优势因子的双人共享遥操作方法 |
CN106584456A (zh) * | 2016-11-01 | 2017-04-26 | 河池学院 | 一种机器人之间信息交互方法 |
CN108508906A (zh) * | 2018-05-23 | 2018-09-07 | 哈尔滨理工大学 | 户外环境下一种新型的多足机器人双边触觉遥操作系统及控制方法 |
AU2018102036A4 (en) * | 2018-12-09 | 2019-01-17 | Fang, Yide Mr | A search-and-rescue hexapod robot with a tele-operable mechanical arm |
CN109782593A (zh) * | 2019-01-09 | 2019-05-21 | 哈尔滨理工大学 | 一种应用于六足机器人的共享因子模糊推理器 |
CN111552183A (zh) * | 2020-05-17 | 2020-08-18 | 南京大学 | 一种基于自适应权重强化学习的六足机器人避障方法 |
-
2020
- 2020-09-09 CN CN202010938684.5A patent/CN112068433B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159070A (zh) * | 2015-05-13 | 2015-12-16 | 西北工业大学 | 一种多优势因子的双人共享遥操作方法 |
CN106584456A (zh) * | 2016-11-01 | 2017-04-26 | 河池学院 | 一种机器人之间信息交互方法 |
CN108508906A (zh) * | 2018-05-23 | 2018-09-07 | 哈尔滨理工大学 | 户外环境下一种新型的多足机器人双边触觉遥操作系统及控制方法 |
AU2018102036A4 (en) * | 2018-12-09 | 2019-01-17 | Fang, Yide Mr | A search-and-rescue hexapod robot with a tele-operable mechanical arm |
CN109782593A (zh) * | 2019-01-09 | 2019-05-21 | 哈尔滨理工大学 | 一种应用于六足机器人的共享因子模糊推理器 |
CN111552183A (zh) * | 2020-05-17 | 2020-08-18 | 南京大学 | 一种基于自适应权重强化学习的六足机器人避障方法 |
Non-Patent Citations (3)
Title |
---|
JIAYU LI等: "A novel bilateral haptic teleoperation approach for hexapod robot walking and manipulating with legs", 《ROBOTICS AND AUTONOMOUS SYSTEMS》 * |
尤波等: "一种基于变权重的六足机器人共享遥操作控制", 《仪器仪表学报》 * |
鹿振宇等: "面向空间遥操作的非对称双人共享控制及其性能分析", 《航空学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114012729A (zh) * | 2021-11-16 | 2022-02-08 | 哈尔滨理工大学 | 一种融合交互力估计算法的足式移动机器人三边遥操作系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112068433B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Noguchi et al. | Development of a master–slave robot system for farm operations | |
CN102156484B (zh) | 四足机器人对角步态的自适应控制方法 | |
CN105867377A (zh) | 一种农业机械自动导航控制方法 | |
CN104808590A (zh) | 一种基于关键帧策略的移动机器人视觉伺服控制方法 | |
CN108508906B (zh) | 户外环境下的多足机器人双边触觉遥操作系统及控制方法 | |
CN105291138A (zh) | 一种增强虚拟现实浸入感的视觉反馈平台 | |
CN107562053A (zh) | 一种基于模糊q学习的六足机器人避障方法 | |
CN109782593B (zh) | 一种应用于六足机器人的共享因子模糊推理器的控制方法 | |
CN107168351A (zh) | 一种足式机器人的柔顺控制方法及装置 | |
CN104691534B (zh) | 一种带有导引模块的气垫船回转率保持控制方法 | |
CN108897220B (zh) | 一种自适应稳定平衡控制方法和系统以及双足仿人机器人 | |
CN112068433B (zh) | 一种基于双操作者的野外六足机器人操控训练方法 | |
CN105945925A (zh) | 一种仿生蛇形机器人控制方法 | |
CN104635734A (zh) | 履带式机器人的轨迹跟踪方法 | |
Parhi et al. | Navigational path analysis of mobile robots using an adaptive neuro-fuzzy inference system controller in a dynamic environment | |
CN105468012B (zh) | 一种重型载人足式机器人线控转向系统的路感模拟方法 | |
CN113568422B (zh) | 基于模型预测控制优化强化学习的四足机器人控制方法 | |
Mosalanejad et al. | Evaluation of navigation system of a robot designed for greenhouse spraying | |
Teodorescu et al. | A stochastic control strategy for safely driving a powered wheelchair | |
CN107651010B (zh) | 基于驾驶员模型的速差转向车辆转向控制器及控制方法 | |
Luo et al. | Parallel point-to-point tracking for agricultural Wide-Span Implement Carrier (WSIC) | |
CN205451647U (zh) | 单足步态模拟及足底压力仿真系统 | |
CN114102599A (zh) | 基于柔性机械臂的人机交互自适应控制方法和系统 | |
CN107485540A (zh) | 一种用于智能协步手杖的能量注入系统 | |
Guo et al. | Motion planning for humanoid robot dynamically stepping over consecutive large obstacles |
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 |