CN112597612B - 机器人优化方法、装置、终端设备及计算机可读存储介质 - Google Patents
机器人优化方法、装置、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112597612B CN112597612B CN202011616532.XA CN202011616532A CN112597612B CN 112597612 B CN112597612 B CN 112597612B CN 202011616532 A CN202011616532 A CN 202011616532A CN 112597612 B CN112597612 B CN 112597612B
- Authority
- CN
- China
- Prior art keywords
- robot
- state information
- processing according
- model parameters
- design variables
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000005457 optimization Methods 0.000 title claims abstract description 84
- 238000013461 design Methods 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 68
- 230000006870 function Effects 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims description 46
- 230000003068 static effect Effects 0.000 claims description 33
- 238000004088 simulation Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 22
- 238000005094 computer simulation Methods 0.000 claims description 11
- 230000005021 gait Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 6
- 239000003638 chemical reducing agent Substances 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Abstract
本申请适用于机器人技术领域,提供了一种机器人优化方法、装置、终端设备及计算机可读存储介质,包括:获取机器人的初始模型参数和初始运动参数;根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息;获取预设约束条件、设计变量和目标函数;根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。通过上述方法,能够在对机器人进行优化的同时、保证机器人运行的稳定性。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种机器人优化方法、装置、终端设备及计算机可读存储介质。
背景技术
随着智能控制技术的发展,机器人应用越来越广泛。无论是机械臂,还是足式机器人,其结构布局与设计的好坏,直接关系到机器人的综合性能。而在机器人设计过程中,优化设计是一个关键环节。优化设计是指在现有的机器人结构的基础上,对机器人的结构布局、稳定性能等进行改进。
常见的优化设计有轻量化优化设计、刚性优化设计、稳定性设计等。以机器人腿部轻量化优化设计为例,该设计的目标是,在减少机器人腿部质量的同时,保证机器人运动的稳定性,如保证腿部各关节在行走过程中的力矩有所降低、速度更加平稳等。可见,如何在优化设计中保证机器人运动的稳定性,是一个关键问题。
发明内容
本申请实施例提供了一种机器人优化方法、装置、终端设备及计算机可读存储介质,可以在对机器人进行优化的同时、保证机器人运动的稳定性。
第一方面,本申请实施例提供了一种机器人优化方法,包括:
获取机器人的初始模型参数和初始运动参数;
根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息;
获取预设约束条件、设计变量和目标函数;
根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
在本申请实施例中,根据初始模型参数和初始运动参数进行闭环控制,获得机器人的运行状态信息,机器人的状态信息可以用于反映机器人运动的稳定性;在后续优化处理过程中,根据运行状态信息对机器人进行优化,相当于在优化过程中,考虑了机器人运动的稳定性。通过上述方法,能够在对机器人进行优化的同时、保证机器人运动的稳定性。
在第一方面的一种可能的实现方式中,所述根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息,包括:
根据所述初始模型参数进行动力学仿真处理,获得中间状态信息;
根据所述中间状态信息进行运动控制处理,获得运控规划数据;
根据所述运控规划数据计算控制偏差;
若所述控制偏差在预设阈值内,则获取所述运控规划数据对应的所述运行状态信息;
若所述控制偏差不在预设阈值内,则根据所述运控规划数据和所述初始模型参数重新进行所述动力学仿真处理。
在第一方面的一种可能的实现方式中,所述根据所述初始模型参数进行动力学仿真处理,获得中间状态信息,包括:
根据三维线性倒立摆步态规划方法和所述初始模型参数进行动力学仿真处理,获得所述中间状态信息。
在第一方面的一种可能的实现方式中,所述根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解,包括:
判断所述机器人的关节之间的杆长是否为固定值;
若所述机器人的关节之间的杆长为固定值,则根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
在第一方面的一种可能的实现方式中,所述根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解,包括:
判断所述机器人的关节之间的杆长是否为固定值;
若所述机器人的关节之间的杆长不是固定值,则根据所述初始模型参数进行静力学仿真处理,获得所述机器人的静力学数据;
根据所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
在第一方面的一种可能的实现方式中,所述根据所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解,包括:
根据复合形法、所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
第二方面,本申请实施例提供了一种机器人优化装置,包括:
参数获取单元,用于获取机器人的初始模型参数和初始运动参数;
闭环控制单元,用于根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息;
约束获取单元,用于获取预设约束条件、设计变量和目标函数;
优化处理单元,用于根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的机器人优化方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的机器人优化方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的机器人优化方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的机器人优化场景的示意图;
图2是本申请实施例提供的机器人优化方法的流程示意图;
图3是本申请实施例提供的机器人腿部轻量化优化设计的流程图;
图4是本申请实施例提供的机器人优化装置的结构框图;
图5是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
如在本申请说明书和所附权利要求书中所使用的那样,术语“若”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。
首先,介绍本申请实施例提供的机器人优化方法的一个应用场景。参见图1,是本申请实施例提供的机器人优化场景的示意图。如图1所示,本申请实施例中,可以将优化算法、动力学仿真、运动控制算法和静力学仿真集成在一起,形成综合优化方法。该优化方法可以由一个处理器统一执行,而每个部分可以由处理器的一个进程执行。
示例性的,处理器的主控制进程获取机器人的模型参数和运动参数后,将上述参数发送给优化算法进程;优化算法进程将模型参数发送给动力学仿真进行和静力学仿真进程、将运动参数发送给运动控制算法进程。动力学仿真进程根据模型参数仿真出关节角度、力、力矩和IMU(Inertial measurement unit,惯性测量装置,用于测量物体的三轴姿态角速率以及加速度等)数据等中间状态信息,并将中间状态信息发送给运动控制算法进程;运动控制算法进程根据中间状态信息计算关节角度等运控规划数据;处理器的主控制进程对动力学仿真进程和运动控制算法进程进行闭环控制;在闭环控制结束后,运动控制算法进程将计算出的关节力矩和速度反馈给优化算法进程,动力学仿真进程将计算出的运行状态信息反馈给优化算法进程;静力学仿真进程根据模型参数进行静力学仿真,获得结构应力和刚性等静力学数据,并将静力学数据反馈给优化算法进程;优化算法进程根据运行状态信息、运控规划数据和静力学数据进行优化处理,得到设计变量的最优解,并将最优解发送给主控制进程;处理器的主控制进程将最优解通过显示装置显示给用户。
在另一个实施例中,优化算法、动力学仿真、运动控制算法和静力学仿真也可以分别由不同的处理器执行。各个处理器之间可通过通信连接进行数据交互。但是这种方式相对上一个应用场景来说,较为繁琐,算法集成度较低。
下面介绍本申请实施例提供的机器人优化方法。参见图2,是本申请实施例提供的机器人优化方法的流程示意图,作为示例而非限定,所述方法可以包括以下步骤:
S101,获取机器人的初始模型参数和初始运动参数。
初始模型参数可以包括关节电机型号、减速器型号、关节间杆长、关节角度、关节力矩等等。初始运动参数可以包括运动速度、运动姿态等。
实际应用中,与优化对象相关的参数均可作为初始模型参数或初始运动参数。例如:优化对象为机器人的刚性,可能需要用到的模型参数包括关节间杆长等,可以将关节间杆长确定为初始模型参数。再例如:优化对象为机器人腿部质量,可能需要用到的模型参数包括关节电机型号、减速器型号等,可以将关节电机型号、减速器型号确定为初始模型参数。不同的优化对象对应的初始模型参数和初始运动参数不同,根据实际需要确定,并不做具体限定。
S102,根据初始模型参数和初始运动参数进行闭环控制处理,获得机器人的运行状态信息。
在一个实施例中,闭环控制处理可以包括以下步骤:
根据初始模型参数进行动力学仿真处理,获得中间状态信息;根据中间状态信息进行运动控制处理,获得运控规划数据;根据运控规划数据计算控制偏差;若控制偏差在预设阈值内,则获取运控规划数据对应的运行状态信息;若控制偏差不在预设阈值内,则根据运控规划数据和初始模型参数重新进行所述动力学仿真处理。
可选的,可以根据三维线性倒立摆步态规划方法和初始模型参数进行动力学仿真处理,获得中间状态信息。
具体的,三维线性倒立摆步态规划方法的原理是:把机器人运动简化为三维线性倒立摆运动模式,通过预先规划好的零力矩点轨迹,根据质心和零力矩点的关系,求出质心轨迹;再将前向步态和侧向步态简化为七连杆结构和五连杆结构,利用三角定理求出各个关节的角度。
通过动力学仿真处理,可以根据现有的模型参数,仿真出机器人的关节角度、力、力矩和IMU数据等信息。
反馈控制的目标之一就是抗干扰从而减小稳态误差。如果只采用开环控制,开环增益一旦变化,系统稳态值就会发生变化。在本申请实施例中采用闭环控制。
可选的,闭环控制处理可以采用PID(即比例-积分-微分)控制。
比例控制(P)是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在稳态误差。
积分控制(I)的控制器的输出与输入误差信号的积分成正比关系。积分控制可以用于消除稳态误差。积分项对误差取决于时间的积分,随着时间的增加,积分项会增大。这样,即便误差很小,积分项也会随着时间的增加而加大,它推动控制器的输出增大使稳态误差进一步减小,直到等于零。因此,比例+积分(PI)控制器,可以使系统在进入稳态后无稳态误差。
微分控制(D)的控制器的输出与输入误差信号的微分(即误差的变化率)成正比关系。其主要作用就是减少超调量,加速瞬态过程和提高系统的稳定性。
单独使用I和D都存在弊端,它们往往会和P一起使用,以加快系统响应速度和减小稳态误差的作用。
S103,获取预设约束条件、设计变量和目标函数。
约束条件、设计变量和目标函数可以根据优化目标进行设定。
例如:优化目标为机器人腿部质量最小,设计变量可以是关节电机和减速器型号,约束条件为行走稳定、且行走最大速度达到目标速度。
S104,根据运行状态信息、预设约束条件、设计变量和目标函数进行优化处理,获得设计变量的最优解。
由于机器人优化方法是带有约束条件的,因此,可以采用约束优化算法进行优化处理。现有的约束优化算法大多对目标函数的要求苛刻,或算法复杂度较高。
在本申请实施例中,可选的,采用复合形法进行优化处理。
具体的,复合形法的步骤为:
1、在可行域内构造初始化复合形,然后计算复合形各顶点的目标函数值,并确定复合形中的最好点Xb和最差点Xw。
2、求出当前复合形中除了最差点以外的所有其他点所对应的形心Xc。
3、判断Xc的可行性。如果Xc不在可行域内,则按照当前复合形的最好点和形心重新确定设计变量的边界,并转向步骤1;如果Xc在可行域内,则继续步骤4。
4、将复合型中的最差点Xw按照公式进行映射(如Xcand=Xc+alpha*(Xc-Xw))。
5、然后判断映射点Xcand是否在可行域内,如果不在可行域内,则转至步骤8,否则继续步骤6。
6、比较映射点Xcand和最坏点Xw的目标函数值。如果Xcand的目标函数值更优,则将Xcand置换掉Xw,然后转步骤1;如果Xcand的目标函数值更差,则继续步骤7.
7、先判断alpha是否已经小于预设数值。若是则表示搜索失败,然后按照当前复合形的最好点和形心重新确定设计变量的边界,并转向步骤1;若alpha大于或等于预设数值,则转步骤8。
8、在环形超球面上产生T个随机点,然后判断是否有可行的点:若有则将当前复合型中的最差点替换掉,然后转步骤1;若没有则将alpha按比例减小(如alpha=alpha*0.5),然后转步骤7。
复合形法寻优方法主要工作是生成初始复合形和更新复合形。该仅需比较目标函数值即可决定搜索方向,对目标函数的要求不苛刻,算法较简单,计算量较小。
在优化处理过程中,通常有两种情况:一种是机器人的静力学特征(如关节间的杆长等)未发生变化,这种情况下,无需考虑静力学数据;另一种是机器人的静力学特征发生变化,这种情况下,还需考虑静力学数据。
因此,在一个实施例中,在优化处理时,首先判断静力学特征是否发生了变化,然后再采用相应的优化处理过程。具体的,优化处理的步骤可以包括以下步骤:
I、判断机器人的关节之间的杆长是否为固定值。
II、若机器人的关节之间的杆长为固定值,则根据运行状态信息、预设约束条件、设计变量和目标函数进行优化处理,获得设计变量的最优解。
III、若机器人的关节之间的杆长不是固定值,则根据初始模型参数进行静力学仿真处理,获得机器人的静力学数据;根据运行状态信息、静力学数据、预设约束条件、设计变量和目标函数进行优化处理,获得设计变量的最优解。
在本申请实施例中,根据初始模型参数和初始运动参数进行闭环控制,获得机器人的运行状态信息,机器人的状态信息可以用于反映机器人运动的稳定性;在后续优化处理过程中,根据运行状态信息对机器人进行优化,相当于在优化过程中,考虑了机器人运动的稳定性。通过上述方法,能够在对机器人进行优化的同时、保证机器人运动的稳定性。
下面以机器人腿部轻量化优化设计为例,介绍本申请实施例提供的机器人优化方法的一个应用场景。参见图3,是本申请实施例提供的机器人腿部轻量化优化设计的流程图。在该应用场景中,以关节驱动系统电机和减速器型号为设计变量,机器人行走稳定、行走最大速度达到目标速度为约束条件,机器人腿部总重量最小为优化目标。
如图3所示,优化算法可以由MATLAB执行,动力学仿真处理可以由Webots执行,运动控制算法可以由ROS执行。MATLAB将一组初始参数(包括初始模型参数和初始运动参数,如图3中的m)发送给Webots,然后Webots与ROS根据初始参数进行闭环控制处理(如图3中两个标号2之间的过程),将处理后的运行状态数据反馈给MATLAB。MATLAB根据接收到的运行状态数据和复合形法进行优化处理(如图3中两个标号1之间的过程)。
通过上述方法优化后的机器人,腿部质量大大减少,同时腿部各个关节在行走过程中力矩和速度形成的包络区域在关节驱动系统许用工作区域中位置更加合理,腿部各个关节的平均力矩和最大力矩都有所降低,机器人运动更加稳定。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的方法,图4是本申请实施例提供的机器人优化装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图4,该装置包括:
参数获取单元41,用于获取机器人的初始模型参数和初始运动参数。
闭环控制单元42,用于根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息。
约束获取单元43,用于获取预设约束条件、设计变量和目标函数。
优化处理单元44,用于根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
可选的,闭环控制单元42还用于:
根据所述初始模型参数进行动力学仿真处理,获得中间状态信息;根据所述中间状态信息进行运动控制处理,获得运控规划数据;根据所述运控规划数据计算控制偏差;若所述控制偏差在预设阈值内,则获取所述运控规划数据对应的所述运行状态信息;若所述控制偏差不在预设阈值内,则根据所述运控规划数据和所述初始模型参数重新进行所述动力学仿真处理。
可选的,闭环控制单元42还用于:
根据三维线性倒立摆步态规划方法和所述初始模型参数进行动力学仿真处理,获得所述中间状态信息。
可选的,优化处理单元44还用于:
判断所述机器人的关节之间的杆长是否为固定值;
若所述机器人的关节之间的杆长为固定值,则根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解;
若所述机器人的关节之间的杆长不是固定值,则根据所述初始模型参数进行静力学仿真处理,获得所述机器人的静力学数据;根据所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
可选的,优化处理单元44还用于:
根据复合形法、所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
另外,图4所示的装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元,也可以作为独立的挂件集成到所述终端设备中,还可以作为独立的终端设备存在。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图5是本申请实施例提供的终端设备的结构示意图。如图5所示,该实施例的终端设备5包括:至少一个处理器50(图5中仅示出一个)处理器、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52,所述处理器50执行所述计算机程序52时实现上述任意各个机器人优化方法实施例中的步骤。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,图5仅仅是终端设备5的举例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种机器人优化方法,其特征在于,所述方法包括:
获取机器人的初始模型参数和初始运动参数;
根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息;
获取预设约束条件、设计变量和目标函数;
根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解;
所述根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解,包括:
判断所述机器人的关节之间的杆长是否为固定值;
若所述机器人的关节之间的杆长为固定值,则根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解;
若所述机器人的关节之间的杆长不是固定值,则根据所述初始模型参数进行静力学仿真处理,获得所述机器人的静力学数据;
根据所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
2.如权利要求1所述的机器人优化方法,其特征在于,所述根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息,包括:
根据所述初始模型参数进行动力学仿真处理,获得中间状态信息;
根据所述中间状态信息进行运动控制处理,获得运控规划数据;
根据所述运控规划数据计算控制偏差;
若所述控制偏差在预设阈值内,则获取所述运控规划数据对应的所述运行状态信息;
若所述控制偏差不在预设阈值内,则根据所述运控规划数据和所述初始模型参数重新进行所述动力学仿真处理。
3.如权利要求2所述的机器人优化方法,其特征在于,所述根据所述初始模型参数进行动力学仿真处理,获得中间状态信息,包括:
根据三维线性倒立摆步态规划方法和所述初始模型参数进行动力学仿真处理,获得所述中间状态信息。
4.如权利要求1所述的机器人优化方法,其特征在于,所述根据所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解,包括:
根据复合形法、所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
5.一种机器人优化装置,其特征在于,包括:
参数获取单元,用于获取机器人的初始模型参数和初始运动参数;
闭环控制单元,用于根据所述初始模型参数和所述初始运动参数进行闭环控制处理,获得所述机器人的运行状态信息;
约束获取单元,用于获取预设约束条件、设计变量和目标函数;
优化处理单元,用于根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解;
所述优化处理单元还用于:
判断所述机器人的关节之间的杆长是否为固定值;
若所述机器人的关节之间的杆长为固定值,则根据所述运行状态信息、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解;
若所述机器人的关节之间的杆长不是固定值,则根据所述初始模型参数进行静力学仿真处理,获得所述机器人的静力学数据;根据所述运行状态信息、所述静力学数据、所述预设约束条件、所述设计变量和所述目标函数进行优化处理,获得所述设计变量的最优解。
6.如权利要求5所述的机器人优化装置,其特征在于,所述闭环控制单元还用于:
根据所述初始模型参数进行动力学仿真处理,获得中间状态信息;
根据所述中间状态信息进行运动控制处理,获得运控规划数据;
根据所述运控规划数据计算控制偏差;
若所述控制偏差在预设阈值内,则获取所述运控规划数据对应的所述运行状态信息;
若所述控制偏差不在预设阈值内,则根据所述运控规划数据和所述初始模型参数重新进行所述动力学仿真处理。
7.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的方法。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011616532.XA CN112597612B (zh) | 2020-12-30 | 2020-12-30 | 机器人优化方法、装置、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011616532.XA CN112597612B (zh) | 2020-12-30 | 2020-12-30 | 机器人优化方法、装置、终端设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597612A CN112597612A (zh) | 2021-04-02 |
CN112597612B true CN112597612B (zh) | 2023-12-15 |
Family
ID=75206326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011616532.XA Active CN112597612B (zh) | 2020-12-30 | 2020-12-30 | 机器人优化方法、装置、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597612B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759824B (zh) * | 2021-09-29 | 2023-03-14 | 苏州谷夫道自动化科技有限公司 | 基于误差约束的轨迹优化方法及系统 |
CN114029944A (zh) * | 2021-10-08 | 2022-02-11 | 智动时代(北京)科技有限公司 | 一种三维空间粒晶向位定位算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111185909A (zh) * | 2020-01-14 | 2020-05-22 | 深圳众为兴技术股份有限公司 | 机器人运行工况获取方法、装置、机器人及存储介质 |
CN111993411A (zh) * | 2020-07-07 | 2020-11-27 | 深圳市优必选科技股份有限公司 | 一种机器人运动规划方法、装置、机器人及存储介质 |
-
2020
- 2020-12-30 CN CN202011616532.XA patent/CN112597612B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111185909A (zh) * | 2020-01-14 | 2020-05-22 | 深圳众为兴技术股份有限公司 | 机器人运行工况获取方法、装置、机器人及存储介质 |
CN111993411A (zh) * | 2020-07-07 | 2020-11-27 | 深圳市优必选科技股份有限公司 | 一种机器人运动规划方法、装置、机器人及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112597612A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9449416B2 (en) | Animation processing of linked object parts | |
US20220040857A1 (en) | Humanoid robot and its balance control method and computer readable storage medium | |
CN112597612B (zh) | 机器人优化方法、装置、终端设备及计算机可读存储介质 | |
CN111309039B (zh) | 一种四足机器人姿态控制方法和装置 | |
JP6321905B2 (ja) | 関節システムの制御方法、記憶媒体、制御システム | |
US20210162589A1 (en) | Systems and methods for learning agile locomotion for multiped robots | |
US11833692B2 (en) | Method and device for controlling arm of robot | |
CN109434831B (zh) | 机器人运行方法、装置、机器人、电子设备及可读介质 | |
US20220203522A1 (en) | Control method for robot, computer-readable storage medium and robot | |
CN111319041B (zh) | 一种机器人位姿确定方法、装置、可读存储介质及机器人 | |
CN111185909B (zh) | 机器人运行工况获取方法、装置、机器人及存储介质 | |
Leal et al. | Fpga acceleration of ros2-based reinforcement learning agents | |
GB2546815B (en) | Animating a virtual object in a virtual world | |
CN112720479B (zh) | 一种机器人姿态控制方法、装置及机器人 | |
WO2022105023A1 (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
KR101363092B1 (ko) | 로봇시스템의 rils 구현 방법 및 시스템 | |
CN112720463A (zh) | 控制机器人的方法、装置及终端设备 | |
CN114454981B (zh) | 双足机器人的弹跳运动控制方法、装置及双足机器人 | |
US20220362929A1 (en) | Decoupling control method for humanoid robot, humanoid robot and computer-readable storage medium | |
US11693430B2 (en) | Gait planning method, computer-readable storage medium and robot | |
CN111390905B (zh) | 机器人多任务控制方法、控制装置及终端设备 | |
US10821604B2 (en) | Computer-implemented method for robot posture detection and robot | |
CN114326769B (zh) | 机器人运动矫正方法及装置、机器人控制设备和存储介质 | |
US20220193899A1 (en) | Pose control method, robot and computer-readable storage medium | |
CN110543181B (zh) | 一种欠驱动角度解耦姿态控制方法及系统 |
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 |