CN112783175B - 质心轨迹确定方法、装置、足式机器人、设备及介质 - Google Patents
质心轨迹确定方法、装置、足式机器人、设备及介质 Download PDFInfo
- Publication number
- CN112783175B CN112783175B CN202110003601.8A CN202110003601A CN112783175B CN 112783175 B CN112783175 B CN 112783175B CN 202110003601 A CN202110003601 A CN 202110003601A CN 112783175 B CN112783175 B CN 112783175B
- Authority
- CN
- China
- Prior art keywords
- data
- constant
- target
- foot
- centroid
- 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 146
- 238000004590 computer program Methods 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 21
- 210000002683 foot Anatomy 0.000 description 566
- 239000011159 matrix material Substances 0.000 description 195
- 238000005070 sampling Methods 0.000 description 156
- 230000001133 acceleration Effects 0.000 description 141
- 239000013598 vector Substances 0.000 description 97
- 230000008569 process Effects 0.000 description 61
- 230000033001 locomotion Effects 0.000 description 54
- 230000006870 function Effects 0.000 description 27
- 230000008859 change Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 16
- 230000005484 gravity Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000004438 eyesight Effects 0.000 description 5
- 230000005021 gait Effects 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 230000016776 visual perception Effects 0.000 description 4
- 241000238631 Hexapoda Species 0.000 description 3
- 206010034719 Personality change Diseases 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 210000004744 fore-foot Anatomy 0.000 description 2
- 210000000548 hind-foot Anatomy 0.000 description 2
- 108010084652 homeobox protein PITX1 Proteins 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- 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
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本申请实施例公开了一种质心轨迹确定方法、装置、足式机器人、设备及介质,属于计算机技术领域。该方法包括:获取足式机器人在目标位置的目标状态数据,创建第一关系数据,根据目标移动时长及第一关系数据,确定足式机器人在目标位置的预测状态数据,根据目标状态数据及预测状态数据之间的状态数据误差,创建第二关系数据,创建第一摩擦力约束条件,根据第二关系数据,确定在满足第一摩擦力约束条件的情况下,目标数值J为最小值时第一常数λ1的取值,获取取值已确定的第一常数λ1对应的第一关系数据。在满足第一摩擦力约束条件的情况下,通过最小化状态数据误差,保证了确定的质心轨迹的可行性,提高了足式机器人的质心轨迹的准确性,适用范围广。
Description
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种质心轨迹确定方法、装置、足式机器人、设备及介质。
背景技术
足式机器人配置有多个足,通过多个足上配置的关节,控制足的抬起或落下,能够使足式机器人进行移动,从而实现足式机器人模拟动物或人物行走。而在足式机器人移动时,需要先确定足式机器人的质心轨迹,从而根据确定的质心轨迹确定足式机器人在每个时间点的质心位置。
相关技术中提供了一种质心轨迹确定方法,通过检测足式机器人配置的各个足中各个关节的状态,根据各个足中各个关节的状态进行运算,以确定足式机器人的质心轨迹。如果足式机器人的关节数量较多,会导致运算量较大,因此上述方法仅适用于足式机器人的关节数量较少的情况,适用范围窄。
发明内容
本申请实施例提供了一种质心轨迹确定方法、装置、足式机器人、设备及介质,能够增大适用范围。所述技术方案如下:
一方面,提供了一种质心轨迹确定方法,所述方法包括:
获取足式机器人在目标位置的目标状态数据,所述目标状态数据至少包括目标质心位置,所述足式机器人配置有目标数量的足,所述目标数量为不小于2的正整数;
创建第一关系数据,所述第一关系数据指示间隔时长t与所述足式机器人的质心位置P(t)之间的关系,所述间隔时长t指示所述足式机器人从初始位置移动至所述目标位置的过程中的任一时间点,与所述初始位置对应的初始时间点之间间隔的时长,所述质心位置P(t)指示所述足式机器人在所述间隔时长t时的质心位置,所述第一关系数据包括取值未确定的第一常数λ1;
根据目标移动时长及所述第一关系数据,确定所述足式机器人在所述目标位置的预测状态数据,所述预测状态数据至少包括预测质心位置,所述目标移动时长指示所述足式机器人由所述初始位置移动至所述目标位置所需的时长;
根据所述目标状态数据及所述预测状态数据之间的状态数据误差,创建第二关系数据,所述第二关系数据指示目标数值J与所述状态数据误差之间的正相关关系;
创建第一摩擦力约束条件,所述第一摩擦力约束条件指示所述足式机器人的至少一个足与地面接触而受到的作用力所满足的摩擦力约束条件,所述第一摩擦力约束条件中包括所述第一常数λ1;
根据所述第二关系数据,确定在满足所述第一摩擦力约束条件的情况下,所述目标数值J为最小值时所述第一常数λ1的取值,获取取值已确定的第一常数λ1对应的第一关系数据,所述第一关系数据用于表示所述足式机器人的质心轨迹。
在一种可能实现方式中,所述目标状态数据包括目标质心位置,所述预测状态数据包括预测质心位置,所述根据所述目标状态数据与所述预测状态数据之间的状态数据误差,创建第二关系数据,包括:
确定所述目标质心位置与所述预测质心位置之间的第一差值;
将所述目标数值J设置为所述第一差值的平方。
在另一种可能实现方式中,所述目标状态数据包括目标质心速度,所述预测状态数据包括预测质心速度;所述根据所述目标状态数据与所述预测状态数据之间的状态数据误差,创建第二关系数据,包括:
确定所述目标质心速度与所述预测质心速度之间的第二差值;
将所述目标数值J设置为所述第二差值的平方。
在另一种可能实现方式中,所述目标状态数据包括目标质心加速度,所述预测状态数据包括预测质心加速度;所述根据所述目标状态数据与所述预测状态数据之间的状态数据误差,创建第二关系数据,包括:
确定所述目标质心加速度与所述预测质心加速度之间的第三差值;
将所述目标数值J设置为所述第三差值的平方。
在另一种可能实现方式中,所述根据所述目标状态数据与所述预测状态数据之间的状态数据误差,创建第二关系数据,包括:
在所述目标移动时长内选取多个采样时间点;
根据每个采样时间点与所述初始时间点之间的间隔时长及所述第一关系数据,确定所述每个采样时间点对应的第五关系数据,所述第五关系数据指示所述第一常数λ1与采样质心位置Q(λ1)之间的关系,所述采样质心位置Q(λ1)指示所述足式机器人在对应的采样时间点时的质心位置;
根据所述状态数据误差及所述第五关系数据,创建所述第二关系数据,所述第二关系数据指示所述目标数值J与所述状态数据误差及所述采样质心位置Q(λ1)之间的正相关关系。
在另一种可能实现方式中,所述目标状态数据包括目标质心位置,所述预测状态数据包括预测质心位置,所述根据所述状态数据误差及所述第五关系数据,创建所述第二关系数据,包括:
确定所述目标质心位置与所述预测质心位置之间的第一差值;
将所述目标数值J设置为第一数值与第二数值的和值,所述第一数值为所述第一差值的平方,所述第二数值为多个距离的加权平方和,所述多个距离包括所述初始位置的初始质心位置、所述多个采样质心位置及所述预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,所述目标状态数据包括目标质心速度,所述预测状态数据包括预测质心速度;所述根据所述状态数据误差及所述第五关系数据,创建所述第二关系数据,包括:
确定所述目标质心速度与所述预测质心速度之间的第二差值;
将所述目标数值J设置为第三数值与第二数值的和值,所述第三数值为所述第二差值的平方,所述第二数值为多个距离的加权平方和,所述多个距离包括所述初始位置的初始质心位置、所述多个采样质心位置及所述预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,所述目标状态数据包括目标质心加速度,所述预测状态数据包括预测质心加速度;所述根据所述状态数据误差及所述第五关系数据,创建所述第二关系数据,包括:
确定所述目标质心加速度与所述预测质心加速度之间的第三差值;
将所述目标数值J设置为第四数值与第二数值的和值,所述第四数值为所述第三差值的平方,所述第二数值为多个距离的加权平方和,所述多个距离包括所述初始位置的初始质心位置、所述多个采样质心位置及所述预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,所述根据所述第二关系数据,确定在满足所述第一摩擦力约束条件的情况下,所述目标数值J为最小值时所述第一常数λ1的取值,包括:
根据所述第一关系数据及所述初始时间点,创建第六关系数据、第七关系数据及第八关系数据,所述第六关系数据指示所述足式机器人在所述初始位置的初始质心位置与所述第一常数λ1的关系,所述第七关系数据指示所述足式机器人在所述初始位置的初始质心速度与所述第一常数λ1的关系,所述第八关系数据指示所述足式机器人在所述初始位置的初始质心加速度与所述第一常数λ1的关系;
根据所述第六关系数据、所述第七关系数据、所述第八关系数据及所述第二关系数据,确定在满足所述第一摩擦力约束条件及所述第二摩擦力约束条件的情况下,所述目标数值J为最小值时所述第一常数λ1的取值。
在另一种可能实现方式中,所述目标状态数据包括目标质心位置,所述获取足式机器人在目标位置的目标状态数据,包括:
获取所述足式机器人在所述目标位置时,所述足式机器人配置的至少一个足与地面接触的接触点位置;
根据所述至少一个足的接触点位置,确定所述目标质心位置。
在另一种可能实现方式中,所述目标状态数据还包括目标质心速度,所述方法还包括:
获取所述足式机器人在所述初始位置的初始状态数据,所述初始状态数据至少包括初始质心位置;
将所述目标质心位置与所述初始质心位置之间的距离,与所述目标移动时长之间的比值,确定为所述目标质心速度。
在另一种可能实现方式中,所述目标状态数据还包括目标质心加速度,所述初始状态数据还包括初始质心速度;所述方法还包括:
将所述目标质心速度与所述初始质心速度之间的差值,与所述目标移动时长之间的比值,确定为所述目标加速度。
在另一种可能实现方式中,所述预测状态数据包括预测质心位置,所述根据目标移动时长及所述第一关系数据,确定所述足式机器人在所述目标位置的预测状态数据,包括:
根据所述第一关系数据,确定所述足式机器人由所述初始位置经过所述目标移动时长后的预测质心位置。
在另一种可能实现方式中,所述预测状态数据包括预测质心速度,所述方法还包括:
根据所述第一关系数据,创建所述间隔时长t与所述足式机器人的质心速度之间的关系数据;
根据所述间隔时长t与所述足式机器人的质心速度之间的关系数据,确定所述足式机器人由所述初始位置经过所述目标移动时长后的预测质心速度。
在另一种可能实现方式中,所述预测状态数据包括预测质心加速度,所述方法还包括:
根据所述第一关系数据,创建所述间隔时长t与所述足式机器人的质心加速度之间的关系数据;
根据所述间隔时长t与所述足式机器人的质心加速度之间的关系数据,确定所述足式机器人由所述初始位置经过所述目标移动时长后的预测质心加速度。
在另一种可能实现方式中,所述获取取值已确定的第一常数λ1对应的第一关系数据之后,所述方法还包括:
在所述足式机器人的移动过程中,根据所述第一关系数据,确定所述足式机器人在任一间隔时长t0时的质心位置P(t0);
根据所述质心位置P(t0)及所述目标位置,确定所述足式机器人的多个关节的关节扭矩;
按照所述多个关节的关节扭矩,控制所述多个关节进行转动,带动所述足式机器人移动。
另一方面,提供了一种质心轨迹确定装置,所述装置包括:
第一获取模块,用于获取足式机器人在目标位置的目标状态数据;
创建模块,用于创建第一关系数据,所述第一关系数据指示间隔时长t与所述足式机器人的质心位置P(t)之间的关系,所述第一关系数据包括第一常数λ1;
数据确定模块,用于根据目标移动时长及所述第一关系数据,确定所述足式机器人在所述目标位置的预测状态数据;
所述创建模块,还用于根据所述目标状态数据及所述预测状态数据之间的状态数据误差,创建第二关系数据,所述第二关系数据指示目标数值J与所述状态数据误差之间的正相关关系;
所述创建模块,还用于创建第一摩擦力约束条件,所述第一摩擦力约束条件指示所述足式机器人的至少一个足与地面接触而受到的作用力所满足的摩擦力约束条件,所述第一摩擦力约束条件中包括所述第一常数λ1;
常数确定模块,用于根据所述第二关系数据,确定在满足所述第一摩擦力约束条件的情况下,所述目标数值J为最小值时所述第一常数λ1的取值,获取取值已确定的第一常数λ1对应的第一关系数据。
在一种可能实现方式中,所述目标状态数据包括目标质心位置,所述预测状态数据包括预测质心位置,所述创建模块,包括:
第一确定单元,用于确定所述目标质心位置与所述预测质心位置之间的第一差值;
设置单元,用于将所述目标数值J设置为所述第一差值的平方。
在另一种可能实现方式中,所述目标状态数据包括目标质心速度,所述预测状态数据包括预测质心速度;所述创建模块,包括:
第一确定单元,用于确定所述目标质心速度与所述预测质心速度之间的第二差值;
设置单元,用于将所述目标数值J设置为所述第二差值的平方。
在另一种可能实现方式中,所述目标状态数据包括目标质心加速度,所述预测状态数据包括预测质心加速度;所述创建模块,包括:
第一确定单元,用于确定所述目标质心加速度与所述预测质心加速度之间的第三差值;
设置单元,用于将所述目标数值J设置为所述第三差值的平方。
在另一种可能实现方式中,所述创建模块,包括:
选取单元,用于在所述目标移动时长内选取多个采样时间点;
第二确定单元,用于根据每个采样时间点与所述初始时间点之间的间隔时长及所述第一关系数据,确定所述每个采样时间点对应的第五关系数据,所述第五关系数据指示所述第一常数λ1与采样质心位置Q(λ1)之间的关系,所述采样质心位置Q(λ1)指示所述足式机器人在对应的采样时间点时的质心位置;
第五创建单元,用于根据所述状态数据误差及所述第五关系数据,创建所述第二关系数据,所述第二关系数据指示所述目标数值J与所述状态数据误差及所述采样质心位置Q(λ1)之间的正相关关系。
在另一种可能实现方式中,所述目标状态数据包括目标质心位置,所述预测状态数据包括预测质心位置,所述第五创建单元,用于确定所述目标质心位置与所述预测质心位置之间的第一差值;将所述目标数值J设置为第一数值与第二数值的和值,所述第一数值为所述第一差值的平方,所述第二数值为多个距离的加权平方和,所述多个距离包括所述初始位置的初始质心位置、所述多个采样质心位置及所述预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,所述目标状态数据包括目标质心速度,所述预测状态数据包括预测质心速度;所述第五创建单元,用于确定所述目标质心速度与所述预测质心速度之间的第二差值;将所述目标数值J设置为第三数值与第二数值的和值,所述第三数值为所述第二差值的平方,所述第二数值为多个距离的加权平方和,所述多个距离包括所述初始位置的初始质心位置、所述多个采样质心位置及所述预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,所述目标状态数据包括目标质心加速度,所述预测状态数据包括预测质心加速度;所述第五创建单元,用于确定所述目标质心加速度与所述预测质心加速度之间的第三差值;将所述目标数值J设置为第四数值与第二数值的和值,所述第四数值为所述第三差值的平方,所述第二数值为多个距离的加权平方和,所述多个距离包括所述初始位置的初始质心位置、所述多个采样质心位置及所述预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,所述常数确定模块,包括:
第六创建单元,用于根据所述第一关系数据及所述初始时间点,创建第六关系数据、第七关系数据及第八关系数据,所述第六关系数据指示所述足式机器人在所述初始位置的初始质心位置与所述第一常数λ1的关系,所述第七关系数据指示所述足式机器人在所述初始位置的初始质心速度与所述第一常数λ1的关系,所述第八关系数据指示所述足式机器人在所述初始位置的初始质心加速度与所述第一常数λ1的关系;
第三确定单元,用于根据所述第六关系数据、所述第七关系数据、所述第八关系数据及所述第二关系数据,确定在满足所述第一摩擦力约束条件及所述第二摩擦力约束条件的情况下,所述目标数值J为最小值时所述第一常数λ1的取值。
在另一种可能实现方式中,所述目标状态数据包括目标质心位置,所述第一获取模块,包括:
获取单元,用于获取所述足式机器人在所述目标位置时,所述足式机器人配置的至少一个足与地面接触的接触点位置;
第四确定单元,用于根据所述至少一个足的接触点位置,确定所述目标质心位置。
在另一种可能实现方式中,所述目标状态数据还包括目标质心速度,所述装置还包括:
第二获取模块,用于获取所述足式机器人在所述初始位置的初始状态数据,所述初始状态数据至少包括初始质心位置;
第一确定模块,用于将所述目标质心位置与所述初始质心位置之间的距离,与所述目标移动时长之间的比值,确定为所述目标质心速度。
在另一种可能实现方式中,所述目标状态数据还包括目标质心加速度,所述初始状态数据还包括初始质心速度;所述装置还包括:
第二确定模块,用于将所述目标质心速度与所述初始质心速度之间的差值,与所述目标移动时长之间的比值,确定为所述目标加速度。
在另一种可能实现方式中,所述预测状态数据包括预测质心位置,所述数据确定模块,包括:
第五确定单元,用于根据所述第一关系数据,确定所述足式机器人由所述初始位置经过所述目标移动时长后的预测质心位置。
在另一种可能实现方式中,所述预测状态数据包括预测质心速度,所述数据确定模块,包括:
第七创建单元,用于根据所述第一关系数据,创建所述间隔时长t与所述足式机器人的质心速度之间的关系数据;
第六确定单元,用于根据所述间隔时长t与所述足式机器人的质心速度之间的关系数据,确定所述足式机器人由所述初始位置经过所述目标移动时长后的预测质心速度。
在另一种可能实现方式中,所述预测状态数据包括预测质心加速度,所述数据确定模块,包括:
第七创建单元,还用于根据所述第一关系数据,创建所述间隔时长t与所述足式机器人的质心加速度之间的关系数据;
第六确定单元,用于根据所述间隔时长t与所述足式机器人的质心加速度之间的关系数据,确定所述足式机器人由所述初始位置经过所述目标移动时长后的预测质心加速度。
在另一种可能实现方式中,所述获取取值已确定的第一常数λ1对应的第一关系数据之后,所述装置还包括:
位置确定模块,用于在所述足式机器人的移动过程中,根据所述第一关系数据,确定所述足式机器人在任一间隔时长t0时的质心位置P(t0);
扭矩确定模块,用于根据所述质心位置P(t0)及所述目标位置,确定所述足式机器人的多个关节的关节扭矩;
控制模块,用于按照所述多个关节的关节扭矩,控制所述多个关节进行转动,带动所述足式机器人移动。
另一方面,提供了一种足式机器人,所述足式机器人包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行以实现如上述方面所述的质心轨迹确定方法中所执行的操作。
另一方面,提供了一种控制设备,所述控制设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行以实现如上述方面所述的质心轨迹确定方法中所执行的操作。
另一方面,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中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行以实现如上述方面所述的质心轨迹确定方法中所执行的操作。
再一方面,提供了一种计算机程序产品或计算机程序,所述计算机程序产品或计算机程序包括计算机程序代码,所述计算机程序代码存储在计算机可读存储介质中。足式机器人或控制设备的处理器从计算机可读存储介质读取该计算机程序代码,处理器执行所述计算机程序代码,使得所述足式机器人或所述控制设备实现如上述方面所述的质心轨迹确定方法中所执行的操作。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供的方法、装置、足式机器人、设备及介质,无需检测足式机器人各个关节的状态,通过第一关系数据,来预测足式机器人在目标位置的预测状态数据,之后在满足第一摩擦力约束条件的情况下,通过最小化预测状态数据与设置的目标状态时数据之间的状态数据误差,来确定第一关系数据中的第一常数λ1,以使预测状态数据与目标状态数据之间的差异最小,保证了第一常数λ1的取值的准确性,也保证了足式机器人在按照确定的质心轨迹进行移动时,能够满足第一摩擦力约束条件,保证了确定的质心轨迹的可行性,后续根据取值已确定的第一常数λ1来确定对应的质心轨迹,从而提高了足式机器人的质心轨迹的准确性,能够适用于足数不小于2的足式机器人,适用范围广。
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实施例的一些实施例,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一种实施环境的结构示意图;
图2是本申请实施例提供的一种质心轨迹确定方法的流程图;
图3是本申请实施例提供的一种质心轨迹确定方法的流程图;
图4是本申请实施例提供的一种足式机器人系统的控制足式机器人移动的框架图;
图5是本申请实施例提供的一种足式机器人的移动过程的示意图;
图6是本申请实施例提供的一种质心轨迹确定装置的结构示意图;
图7是本申请实施例提供的一种质心轨迹确定装置的结构示意图;
图8是本申请实施例提供的一种终端的结构示意图;
图9是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请所使用的术语“第一”、“第二”、“第三”、“第四”、“第五”、“第六”、“第七”、“第八”、“第九”等可在本文中用于描述各种概念,但除非特别说明,这些概念不受这些术语限制。这些术语仅用于将一个概念与另一个概念区分。举例来说,在不脱离本申请的范围的情况下,可以将第一关系数据称为第二关系数据,且类似地,可将第二关系数据称为第一关系数据。
本申请所使用的术语“至少一个”、“多个”、“每个”、“任一”,至少一个包括一个、两个或两个以上,多个包括两个或两个以上,而每个是指对应的多个中的每一个,任一是指多个中的任意一个。举例来说,多个采样时间点包括3个采样时间点,而每个是指这3个采样时间点中的每一个采样时间点,任一是指这3个采样时间点中的任意一个,可以是第一个采样时间点,可以是第二个采样时间点、也可以是第三个采样时间点。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
本申请实施例提供的方案,基于人工智能的计算机视觉技术,足式机器人能够确定目标位置,以使后续实现足式机器人向目标位置移动。
本申请实施例提供的质心轨迹确定方法,能够应用于足式机器人。足式机器人在移动时,确定由初始位置移动至目标位置的质心轨迹,后续通过该质心轨迹,确定该足式机器人在移动过程中的任一时间点的质心位置,从而控制足式机器人的至少一个足抬起或落下,以使足式机器人由初始位置向目标位置移动的过程中,足式机器人的质心按照该质心轨迹移动,实现该足式机器人的行走。
本申请实施例提供的质心轨迹确定方法,还能够应用于控制设备。可选地,该控制设备102是服务器或其他形式的设备。可选地,该服务器是独立的物理服务器,或者,是多个物理服务器构成的服务器集群或者分布式系统,或者,是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
图1是本申请实施例提供的一种实施环境的结构示意图,如图1所示,该实施环境包括足式机器人101和控制设备102,足式机器人101与控制设备102建立通信连接,通过建立的通信连接进行交互。
足式机器人101用于控制至少一个足抬起或落下,实现足式机器人的行走。控制设备102用于为足式机器人101提供服务,能够为足式机器人101确定质心轨迹,并将确定的质心轨迹发送至足式机器人101,以使足式机器人101按照该质心轨迹进行移动。
可选地,足式机器人101配置有感知系统,通过该感知系统,获取该足式机器人101移动方向的图像,将该图像发送至控制设备102,由该控制设备102对该图像进行处理,获取足式机器人的目标位置,后续根据该目标位置,确定足式机器人101的质心轨迹。
本申请实施例提供的方法,可用于多种场景。
例如,足式机器人移动场景下:
足式机器人在移动过程中,确定需要到达的目标位置,采用本申请实施例提供的质心轨迹确定方法,确定足式机器人由初始位置移动至该目标位置的质心轨迹,后续通过该质心轨迹,确定该足式机器人在移动过程中的任一时间点的质心位置,从而控制足式机器人的至少一个足抬起或落下,以使足式机器人由初始位置向目标位置移动的过程中,足式机器人的质心按照该质心轨迹移动,实现该足式机器人的行走,保证了足式机器人移动的稳定性。
再例如,遥控足式机器人移动场景下:
足式机器人在移动过程中,服务器能够控制足式机器人移动。在服务器控制足式机器人移动过程中,服务器采用本申请实施例提供的质心轨迹确定方法,确定足式机器人由初始位置移动至目标位置的质心轨迹,将该质心移动轨迹发送给足式机器人,由该足式机器人控制该足式机器人的质心沿着该质心移动轨迹进行移动,实现了远距离控制足式机器人移动的方式。
图2是本申请实施例提供的一种质心轨迹确定方法的流程图,应用于足式机器人,如图2所示,该方法包括:
201、获取足式机器人在目标位置的目标状态数据。
其中,足式机器人是模拟动物或人物行走的姿态来移动的机器人,该足式机器人配置有目标数量的足,目标数量为不小于2的正整数,例如,该足式机器人为双足机器人、四足机器人或六足机器人等。通过控制足式机器人的足的抬起或落下,带动足式机器人移动,从而实现了足式机器人的行走。
该目标位置为该足式机器人将要到达的位置,目标状态数据用于表示足式机器人移动至目标位置时,期望该足式机器人所具有的状态数据。
在本申请实施例中,该足式机器人的质心轨迹为足式机器人在移动过程中,该足式机器人的质心所经过的轨迹。足式机器人开始由初始位置向目标位置移动之前,需要先确定足式机器人由初始位置向目标位置移动过程中的质心轨迹,而后根据确定的质心轨迹,来控制足式机器人向目标位置移动,以使在移动过程中,足式机器人的质心沿着该质心轨迹移动。
202、创建第一关系数据,第一关系数据指示间隔时长t与足式机器人的质心位置P(t)之间的关系。
其中,间隔时长t指示足式机器人从初始位置移动至目标位置的过程中的任一时间点,与初始位置对应的初始时间点之间间隔的时长。质心位置P(t)指示足式机器人在间隔时长t时的质心位置,该第一关系数据包括取值未确定的第一常数λ1,该第一常数λ1用于表示间隔时长t与质心位置P(t)之间的关系的常数,能够作为该间隔时长t的系数。
由于第一关系数据中包含的第一常数λ1的取值未确定,因此,此时获取的第一关系数据还未确定。后续如果该第一常数λ1的取值确定,则能够获取取值已确定的第一常数λ1对应的第一关系数据,从而能够获取足式机器人在任一间隔时长t时的质心位置P(t)。
203、根据目标移动时长及第一关系数据,确定足式机器人在目标位置的预测状态数据。
其中,目标移动时长指示足式机器人由初始位置移动至目标位置所需的时长。预测状态数据是通过第一关系数据得到的状态数据,是该足式机器人移动至目标位置时所能到达的状态数据。由于第一关系数据中包括取值未确定的第一常数λ1,则该预测状态数据与该第一常数λ1有关。
204、根据目标状态数据与预测状态数据之间的状态数据误差,创建第二关系数据。
其中,状态数据误差用于指示足式机器人在目标位置时,该足式机器人的目标数据与预测状态数据之间的误差,第二关系数据指示目标数值J与状态数据误差之间的正相关关系,状态数据误差越大,该目标数值J越大,状态数据误差越小,该目标数值J越小。
由于预测状态数据与第一常数λ1有关,则状态数据误差也与该第一常数λ1有关,因此,目标数值J与第一常数λ1有关,即第二关系数据中包括取值未确定的第一常数λ1。
205、创建第一摩擦力约束条件,该第一摩擦力约束条件指示足式机器人的至少一个的足与地面接触而受到的作用力所满足的摩擦力约束条件。
其中,第一摩擦力约束条件中包括取值未确定的第一常数λ1。
该第一摩擦力约束条件,用于指示足式机器人的至少一个足与地面接触时,与地面接触的足受到的作用力所满足的摩擦力约束条件。通过创建第一摩擦力约束条件,避免了足式机器人在移动过程中,足式机器人的足与地面接触时产生相对滑动,从而保证足式机器人能够正常移动。
206、根据第二关系数据,确定在满足第一摩擦力约束条件的情况下,目标数值J为最小值时第一常数λ1的取值,获取取值已确定的第一常数λ1对应的第一关系数据。
其中,取值已确定的第一常数λ1对应的第一关系数据,用于表示足式机器人的质心轨迹,通过该第一关系数据,能够确定足式机器人在任一间隔时长t的质心位置P(t)。
由于目标数值J与状态数据误差之间呈正相关关系,在满足第一摩擦力约束条件的情况下,目标数值J取最小值时,则表示状态数据误差最小,使得预测状态数据与目标状态数据尽可能相近,从而使得足式机器人按照确定的质心轨迹移动移动至目标位置时,足式机器人的状态数据尽可能满足期望的目标状态数据,从而保证了确定的质心轨迹的准确性。并且在满足第一摩擦力约束条件的情况下,确定第一常数λ1,使得足式机器人能够按照确定的质心轨迹进行移动,从而保证了确定的质心轨迹的可行性。
本申请实施例提供的方法,无需检测足式机器人各个关节的状态,通过第一关系数据,来预测足式机器人在目标位置的预测状态数据,之后在满足第一摩擦力约束条件的情况下,通过最小化预测状态数据与设置的目标状态时数据之间的状态数据误差,来确定第一关系数据中的第一常数λ1,以使预测状态数据与目标状态数据之间的差异最小,保证了第一常数λ1的取值的准确性,也保证了足式机器人在按照确定的质心轨迹进行移动时,能够满足第一摩擦力约束条件,保证了确定的质心轨迹的可行性,后续根据取值已确定的第一常数λ1来确定对应的质心轨迹,从而提高了足式机器人的质心轨迹的准确性,能够适用于足数不小于2的足式机器人,适用范围广。
图3是本申请实施例提供的一种质心轨迹确定方法的流程图,应用于足式机器人,如图3所示,该方法包括:
301、获取足式机器人在目标位置的目标状态数据。
其中,目标状态数据至少包括目标质心位置。可选地,目标质心位置以坐标系中的坐标的形式表示,或者,以向量的形式表示。例如,在世界坐标系中,足式机器人的目标质心位置为[20,35,80]。
在一种可能实现方式中,目标状态数据包括目标质心位置,该步骤301包括:获取足式机器人在目标位置时,足式机器人配置的至少一个足与地面接触的接触点位置,根据至少一个足的接触点位置,确定目标质心位置。
其中,质心为该足式机器人的质量中心,质心位置为该足式机器人的质心所在的位置,目标质心位置是该足式机器人移动至目标位置时,期望该足式机器人的质心所在的位置。
例如,该足式机器人为四足机器人,在足式机器人移动至目标位置时,四足机器人的四足均与地面接触,则获取四足与地面接触的四个接触位置,根据该四个接触位置,确定该足式机器人在目标位置时的目标质心位置。
该目标位置为该足式机器人将要到达的位置,此时,足式机器人并未到达该目标位置。该目标位置由足式机器人根据该足式机器人所在环境确定的。可选地,足式机器人通过视觉感知系统,获取包含该足式机器人移动方向的环境图像,对该环境图像进行特征提取,确定该足式机器人的目标位置,并确定该足式机器人在该目标位置时,至少一个足与地面接触的接触点位置。
例如,视觉感知系统中包括摄像头,足式机器人通过摄像头拍摄该足式机器人移动方向的环境,得到包含该足式机器人移动方向的环境图像。
可选地,根据足式机器人的多个足与地面的接触位置,确定多个接触位置的中心位置,根据足式机器人的高度及该中心位置,确定该目标质心位置。
例如,在世界坐标系中,采用右手规则的坐标系,以足式机器人的移动方向为X轴,以足式机器人的左侧与X轴垂直的方向为Y轴,与地面垂直的方向为Z轴,通过足式机器人的多个足的接触位置,确定多个接触位置的中心位置,将中心位置在Z轴上的坐标值加上足式机器人的高度值,即可得到目标质心位置在该世界坐标系中的坐标值,即确定了该目标质心位置。
在一种可能实现方式中,目标状态数据还包括目标质心速度,该步骤301还包括:获取足式机器人在初始位置的初始状态数据,初始状态数据至少包括初始质心位置;将目标质心位置与初始质心位置之间的距离,与目标移动时长之间的比值,确定为目标质心速度。
其中,该初始位置为该足式机器人当前所在的位置,该初始质心位置为该足式机器人的质心当前所在的位置。质心速度为该足式机器人的质心的移动速度,该质心速度能够用向量表示。该目标质心速度为该足式机器人移动至目标位置时,期望该足式机器人的质心所具有的移动速度。
目标质心位置与初始质心位置之间的距离,表示该足式机器人由初始位置移动至目标位置的过程中,该足式机器人的质心所移动的距离。该目标移动时长指示足式机器人由初始位置移动至目标位置所需的时长。可选地,该目标移动时长为任意时长,例如,2秒或3秒等。通过将该距离与该目标移动时长的比值,能够确定该足式机器人由初始位置移动至目标位置的速度,也即是足式机器人移动至目标位置的目标质心速度。可选地,目标质心速度以向量的形式表示。
例如,该足式机器人的质心位置以向量的形式表示,如,[1,2,3],该向量中的每个元素分别表示足式机器人的质心在坐标系的x轴、y轴及z轴的坐标值,则目标质心位置与初始质心位置之间的距离,也用向量表示,表示该足式机器人的质心在x轴、y轴及z轴上的位移,距离与目标移动时长之间的比值,即为目标质心速度在x轴、y轴及z轴的分速度。
在一种可能实现方式中,目标状态数据还包括目标质心加速度,初始状态数据还包括初始质心速度,该步骤301还包括:将目标质心速度与初始质心速度之间的差值,与目标移动时长之间的比值,确定为目标加速度。
其中,该目标质心加速度为该足式机器人移动至目标位置时,期望该足式机器人的质心所具有的加速度。可选的,该目标质心加速度以向量的形式表示。初始质心速度指示足式机器人在初始位置时,足式机器人的质心的速度。可选的,该初始质心速度以向量的形式表示。
目标质心速度与初始质心速度之间的差值,指示该足式机器人由初始位置移动至目标位置时,该足式机器人的质心速度的变化量,该质心速度的变化量与目标移动时长的比值,即为该足式机器人由初始位置移动至目标位置时,该足式机器人的质心速度的单位时间变化量,即为该足式机器人移动至目标位置时的目标质心加速度。
在一种可能实现方式中,目标状态数据至少包括目标质心位置、目标质心速度及目标质心加速度,则该步骤301包括:获取足式机器人在目标位置时,足式机器人配置的至少一个足与地面接触的接触点位置,根据至少一个足的接触点位置,确定目标质心位置;获取足式机器人在初始位置的初始状态数据,该初始状态数据至少包括初始质心位置,将目标质心位置与初始质心位置之间的距离,与目标移动时长之间的比值,确定为目标质心速度;将目标质心速度与初始质心速度之间的差值,与目标移动时长之间的比值,确定为目标加速度。
302、创建第一关系数据,第一关系数据指示间隔时长t与足式机器人的质心位置P(t)之间的关系。
其中,间隔时长t指示足式机器人从初始位置移动至目标位置的过程中的任一时间点,与初始位置对应的初始时间点之间间隔的时长。质心位置P(t)指示足式机器人在间隔时长t时的质心位置。第一关系数据包括取值未确定的第一常数λ1,该第一常数λ1用于表示质心位置P(t)与间隔时长t之间关系的常数。可选地,该第一常数λ1以向量形式表示,或者,以矩阵形式表示。
在该足式机器人中,第一关系数据是以描述语句的形式进行存储,或者,是以函数的形式进行存储的。
由于在足式机器人的移动过程中,足式机器人的质心位置是随移动的间隔时长t变化的,经过任意间隔时长t后的质心位置具有对应的质心位置变化量,将间隔时长t对应的质心位置变化量与足式机器人在开始移动时的初始质心位置之和,作为该足式机器人经过任意间隔时长t后对应的质心位置P(t),从而确定了指示质心位置P(t)与间隔时长t之间关系的第一关系数据,后续能够通过第一关系数据确定足式机器人的质心移动轨迹。
303、根据目标移动时长及第一关系数据,确定足式机器人在目标位置的预测状态数据。
由于第一关系数据用于表示足式机器人由初始位置移动至目标位置的过程中,任一时间点的质心位置,该目标移动时长指示足式机器人由初始位置移动至目标位置所需的时长,则通过该目标移动时长及该第一关系数据,能够预测该足式机器人按照该第一关系数据指示的质心轨迹移动至目标位置时,该足式机器人的预测质心位置。由于第一关系数据中包括取值未确定的第一常数λ1,则得到的预测质心位置与取值未确定的第一常数λ1有关。
在一种可能实现方式中,预测状态数据包括预测质心位置,该步骤303包括:根据第一关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心位置。
第一关系数据指示间隔时长t与足式机器人的质心位置P(t)之间的关系,且该第一关系数据中包括取值未确定的第一常数λ1,则将目标移动时长作为间隔时长t,代入第一关系数据中,得到该足式机器人的预测质心位置,且该预测质心位置与取值未确定的第一常数λ1有关。
在一种可能实现方式中,预测状态数据包括预测质心速度,该步骤303还包括:根据第一关系数据,创建间隔时长t与足式机器人的质心速度之间的关系数据,根据该间隔时长t与足式机器人的质心速度之间的关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心速度。
其中,预测质心速度是足式机器人移动至目标位置时,通过第一关系数据预测的该足式机器人的质心速度,该预测质心速度与取值未确定的第一常数λ1有关。
可选地,获取第一关系数据对间隔时长t的一阶导数,得到该间隔时长t与足式机器人的质心速度之间的关系数据,将目标移动时长代入该关系数据中,得到该预测质心速度。
在一种可能实现方式中,预测状态数据包括预测质心加速度,该步骤303包括:根据第一关系数据,创建间隔时长t与足式机器人的质心加速度之间的关系数据,根据该间隔时长t与足式机器人的质心加速度之间的关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心加速度。
其中,预测质心加速度是足式机器人移动至目标位置时,通过第一关系数据预测的该足式机器人的质心加速度,该预测质心加速度与取值未确定的第一常数λ1有关。
可选地,获取第一关系数据对间隔时长t的二阶导数,得到该间隔时长t与足式机器人的质心加速度之间的关系数据,将目标移动时长代入该关系数据中,得到该预测质心加速度。
在一种可能实现方式中,预测状态数据至少包括预测质心位置、预测质心速度及预测质心加速度,则该步骤303包括:根据第一关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心位置;根据第一关系数据,创建间隔时长t与足式机器人的质心速度之间的关系数据,根据该间隔时长t与足式机器人的质心速度之间的关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心速度;根据第一关系数据,创建间隔时长t与足式机器人的质心加速度之间的关系数据,根据该间隔时长t与足式机器人的质心加速度之间的关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心加速度。
304、根据目标状态数据与预测状态数据之间的状态数据误差,创建第二关系数据。
其中,第二关系数据指示目标数值J与状态数据误差之间的正相关关系。由于预测质心位置与第一常数λ1有关,则状态数据误差也与该第一常数λ1有关,因此,目标数值J与第一常数λ1有关,即第二关系数据中包括取值未确定的第一常数λ1。
在一种可能实现方式中,目标状态数据包括目标质心位置,预测状态数据包括预测质心位置;该步骤304包括:确定目标质心位置与预测质心位置之间的第一差值,将目标数值J设置为第一差值的平方。
其中,第一差值用于指示足式机器人在目标位置时的目标质心位置与预测质心位置之间的差值。由于预测质心位置与第一常数λ1有关,则第一差值与第一常数λ1有关,在将目标数值J设置为第一差值的平方后,该目标数值J与第一常数λ1的二次项有关。可选地,在第一常数λ1包括多个常数项时,该第一常数λ1的二次项包括该多个常数项组成的二次常数项,即每个常数项的平方或任两个常数项的乘积。例如,第一常数λ1包括常数项λ1x、λ1y及λ1z,则该第一常数λ1的二次项中包括λ1xλ1y、λ1xλ1z、λ1yλ1z等二次常数项。
可选地,确定目标质心位置与预测质心位置之间的距离,作为该第一差值。
可选地,目标质心位置、预测质心位置均以坐标的形式表示,则该第一差值也以坐标的形式表示。目标质心位置包括z、y、z轴上的第一坐标值,预测质心位置包括x、y、z轴上的第二坐标值,确定第一坐标值与第二坐标值在x、y、轴上的差值,得到该第一差值,该第一差值包括x、y、z轴上的差值,将第一差值在x、y、z轴上的差值的加权平方和,作为该第一差值的平方。可选地,x、、z轴对应的权重是任意设置的。
在一种可能实现方式中,目标状态数据包括目标质心速度,预测状态数据包括预测质心速度,该步骤304包括:确定目标质心速度与预测质心速度之间的第二差值,将目标数值J设置为第二差值的平方。
其中,第二差值用于指示足式机器人在目标位置时,足式机器人的目标质心速度与预测质心速度之间的差值。由于预测质心速度与第一常数λ1有关,则该第二差值与第一常数λ1有关,将目标数值J设置为第二差值的平方后,该目标数值J与第一常数λ1的二次项有关。可选地,在第一常数λ1包括多个常数项时,该第一常数λ1的二次项包括该多个常数项组成的二次常数项,即每个常数项的平方或任两个常数项的乘积。例如,第一常数λ1包括常数项λ1x、λ1y及λ1z,则该第一常数λ1的二次项中包括λ1xλ1y、λ1xλ1z、λ1yλ1z等二次常数项。
可选地,目标质心速度、预测质心速度均以坐标的形式表示,则该第二差值也以坐标的形式表示。目标质心速度包括x、y、z轴上的第一分速度,预测质心速度包括x、y、z轴上的第二分速度,确定第一分速度与第二分速度在x、y、轴上的速度差值,得到该第二差值,该第二差值包括x、y、z轴上的速度差值,将第二差值在x、y、z轴上的速度差值的加权平方和,作为该第二差值的加权平方。其中,x、y、z轴对应的权重是任意设置的。
在一种可能实现方式中,目标状态数据包括目标质心加速度,预测状态数据还包括预测质心加速度,该步骤304包括:确定目标质心加速度与预测质心加速度之间的第三差值;将目标数值J设置为第三差值的平方。
其中,第三差值用于指示足式机器人在目标位置时,足式机器人的目标质心加速度与预测质心加速度之间的差值。由于预测质心加速度与第一常数λ1有关,该第三差值与第一常数λ1有关,将目标数值J设置为第三差值的平方后,该目标数值J与第一常数λ1的二次项有关。可选地,在第一常数λ1包括多个常数项时,该第一常数λ1的二次项包括该多个常数项组成的二次常数项,即每个常数项的平方或任两个常数项的乘积。例如,第一常数λ1包括常数项λ1x、λ1y及λ1z,则该第一常数λ1的二次项中包括λ1xλ1y、λ1xλ1z、λ1yλ1z等二次常数项。
可选地,目标质心加速度、预测质心加速度均以坐标的形式表示,则该第三差值也以坐标的形式表示。目标质心加速度包括x、y、z轴上的第一分加速度,预测质心加速度包括x、y、z轴上的第二分加速度,确定第一分加速度与第二分加速度在x、y、z轴上的加速度差值,得到该第三差值,该第三差值包括x、y、轴上的加速度差值,将第三差值在x、y、z轴上的加速度差值的加权平方和,作为该第三差值的加权平方。其中,x、y、z轴对应的权重是任意设置的。
需要说明的是,上述步骤304的三种可能实现方式,仅是以状态数据包括质心位置、质心速度或者质心加速度分别进行说明的,另外,上述三种可能实现方式中能够任意两种方式结合,或者三种可能实现方式结合。
在任意两种可能实现方式结合时,状态数据误差包括第一差值和第二差值,则将目标数值J设置为第一差值与第二差值的加权平方和;或者,状态数据误差包括第一差值和第三差值,则将目标数值J设置为第一差值与第三差值的加权平方和;或者,状态数据误差包括第二差值和第三差值,则将目标数值J设置为第二差值与第三差值的加权平方和。其中,状态数据误差中包括的任两个差值之间的权重是任意设置的。
在上述三种可能实现方式结合时,即状态数据误差包括第一差值、第二差值及第三差值,则将目标数值J设置为第一差值、第二差值及第三差值的加权平方和。可选地,第一差值、第二差值及第三差值之间的权重是任意设置的。在确定第一差值的加权平方、第二差值的加权平方及第三差值的加权平方后,将第一差值的加权平方、第二差值的加权平方及第三差值的加权平方之和,作为第一差值、第二差值及第三差值的加权平方和,也即是目标数值J。
在一种可能实现方式中,该步骤304包括以下两种方式:
第一种方式包括以下步骤3041-3043:
3041、在目标移动时长内选取多个采样时间点。
其中,采样时间点是指初始位置对应的初始时间点与目标位置对应的目标时间点之间的时间点。多个采样时间点包括两个或两个以上采样时间点。任两个相邻采样时间点之间的间隔时长可能相等,也可能不相等。
例如,移动时长为60秒,初始位置对应的初始时间点为0秒,目标位置对应的目标时间点为60秒,从移动时长内选取5个采样时间点,第一个采样时间点为10秒,第二个采样时间点为20秒,第三个采样时间点为30秒,第四个采样时间点为40秒,第五个采样时间点为50秒;或者,第一个采样时间点为5秒,第二个采样时间点为20秒,第三个采样时间点为25秒,第四个采样时间点为40秒,第五个采样时间点为55秒。
在一种可能实现方式中,该步骤3041可以包括:将该移动时长分成多个时间段,将每个时间段的结束时间点作为采样时间点。其中,得到的多个时间段可能均相等,也可能不相等。
3042、根据每个采样时间点与初始时间点之间的间隔时长及第一关系数据,确定每个采样时间点对应的第五关系数据。
其中,第五关系数据指示第一常数λ1与采样质心位置Q(λ1)之间的关系,采样质心位置Q(λ1)指示足式机器人在对应的采样时间点时的质心位置。在该足式机器人中,第五关系数据是以描述语句的形式进行存储,或者,是以函数的形式进行存储的。
由于第一关系数据指示质心位置P(t)为第一常数λ1与时长矩阵E的乘积,将任一采样时间点与初始时间点之间的间隔时长代入第一关系数据中的时长矩阵E中,确定在该任一采样时间点下的时长矩阵E的取值,得到该采样时间点对应的第五关系数据,该第五关系数据指示第一常数λ1与采样质心位置Q(λ1)之间的关系。在第五关系数据中包括的第一常数λ1的取值未确定,该第五关系数据中包括的其他常数的取值均已确定。
3043、根据状态数据误差及第五关系数据,创建第二关系数据。
其中,第二关系数据指示目标数值J与状态数据误差及采样质心位置Q(λ1)之间的正相关关系。在该足式机器人中,第五关系数据是以描述语句的形式进行存储,或者,是以函数的形式进行存储的。
在一种可能实现方式中,目标状态数据包括目标质心位置,预测状态数据包括预测质心位置;该步骤3043包括:确定目标质心位置与预测质心位置之间的第一差值,将目标数值J设置为第一数值与第二数值的和值。
其中,第一数值为第一差值的平方,第二数值为多个距离的加权平方和。多个距离包括初始位置的初始质心位置、多个采样质心位置及预测质心位置中的任两个相邻质心位置之间的距离。可选地,每个距离的权重及是任意设置的。确定每个距离与对应的权重的乘积的平方值,将多个距离对应的平方值之和作为多个距离的加权平方和。通过多个距离的加权平方和,能够反映质心轨迹的长度,能够降低质心轨迹曲线的震荡幅度。
由于多个采样位置及预测质心位置均与第一常数λ1有关,则第一差值及多个距离均与第一常数λ1有关,第一数值为第一差值的平方,第二数值为多个距离的加权平方和,则第一数值及第二数值均与第一常数λ1的二次项有关,相当于第一数值及第二数值均与第一常数λ1的二次项有关,将目标数值J设置为第一数值与第二数值的和值后,该目标数值J与第一常数λ1的二次项有关。可选地,在第一常数λ1包括多个常数项时,该第一常数λ1的二次项包括该多个常数项组成的二次常数项,即每个常数项的平方或任两个常数项的乘积。例如,第一常数λ1包括常数项λ1x、λ1y及λ1z,则该第一常数λ1的二次项中包括 λ1xλ1y、λ1xλ1z、λ1yλ1z等二次常数项。
在一种可能实现方式中,目标状态数据包括目标质心速度,预测状态数据包括预测质心速度,该步骤3043包括:确定目标质心速度与预测质心速度之间的第二差值,将目标数值J设置为第三数值与第二数值的和值。
其中,第三数值为第二差值的平方,第二数值为多个距离的加权平方和。
由于多个采样位置及预测质心速度均与第一常数λ1有关,则第二差值及多个距离均与第一常数λ1有关,第三数值为第二差值的平方,第二数值为多个距离的加权平方和,第三数值及第二数值均与第一常数λ1的平方有关,相当于第三数值及第二数值均与第一常数λ1的二次项有关,将目标数值J设置为第三数值与第二数值的和值后,该目标数值J与第一常数λ1的二次项有关。可选地,在第一常数λ1包括多个常数项时,该第一常数λ1的二次项包括该多个常数项组成的二次常数项,即每个常数项的平方或任两个常数项的乘积。例如,第一常数λ1包括常数项λ1x、λ1y及λ1z,则该第一常数λ1的二次项中包括λ1xλ1y、λ1xλ1z、λ1yλ1z等二次常数项。
在一种可能实现方式中,目标状态数据包括目标质心加速度,预测状态数据包括预测质心加速度,该步骤3043包括:确定目标质心加速度与预测质心加速度之间的第三差值,将目标数值J设置为第四数值与第二数值的和值。
其中,第四数值为第三差值的平方,第二数值为多个距离的加权平方和。
由于多个采样位置及预测质心速度均与第一常数λ1有关,则第三差值及多个距离均与第一常数λ1有关,第四数值为第三差值的平方,第二数值为多个距离的加权平方和,则第四数值及第二数值均与第一常数λ1的二次项有关,将目标数值J设置为第四数值与第二数值的和值后,该目标数值J与第一常数λ1的二次项有关。可选地,在第一常数λ1包括多个常数项时,该第一常数λ1的二次项包括该多个常数项组成的二次常数项,即每个常数项的平方或任两个常数项的乘积。例如,第一常数λ1包括常数项λ1x、λ1y及λ1z,则该第一常数λ1的二次项中包括λ1xλ1y、λ1xλ1z、λ1yλ1z等二次常数项。
需要说明的是,上述步骤3043的三种可能实现方式,仅是以状态数据包括质心位置、质心速度或者质心加速度分别进行说明的,另外,上述三种可能实现方式中能够任意两种方式结合,或者三种可能实现方式结合。
在任意两种方式结合时,状态数据误差包括第一差值和第二差值,则将目标数值J设置为第一差值与第二差值的加权平方和,与第二数值的和值;或者,状态数据误差包括第一差值和第三差值,则将目标数值J设置为第一差值与第三差值的加权平方和,与第二数值的和值;或者,状态数据误差包括第二差值和第三差值,则将目标数值J设置为第二差值与第三差值的加权平方和,与第二数值的和值。其中,状态数据误差中包括的任两个差值之间的权重是任意设置的。
在上述三种可能实现方式结合时即状态数据误差包括第一差值、第二差值及第三差值,则将目标数值J设置为第一差值、第二差值及第三差值的加权平方和,第二数值为多个距离的加权平方和,与第二数值的和值。
可选地,第一差值、第二差值及第三差值的权重是任意设置的。确定第一差值与对应的权重的乘积的平方值,第二差值与对应的权重的乘积的平方值,及第三差值与对应的权重的乘积的平方值,将第一差值对应的平方值、第二差值对应的平方值及第三差值对应的平方值之和,即为第一差值、第二差值及第三差值的加权平方和。
第二种方式包括以下步骤3044-3045:
3044、创建足式机器人的至少一个足对应的第三关系数据。
其中,至少一个足对应的第三关系数据分别指示至少一个足对应的作用力与间隔时长t之间的关系,作用力指示足式机器人的第i个足与地面接触而受到的作用力,i为正整数,第三关系数据包括取值未确定的第一常数λ1。在该足式机器人中,第三关系数据是以描述语句的形式进行存储,或者,是以函数的形式进行存储的。
在一种可能实现方式中,该步骤3044包括:创建间隔时长t与足式机器人的角动量L之间的关系数据,创建至少一个足对应的作用力与角动量L之间的关系数据,根据间隔时长t与足式机器人的角动量L之间的关系数据,及至少一个足对应的作用力与角动量L之间的关系数据,创建至少一个足对应的第三关系数据。
其中,角动量L用于表示足式机器人的姿态的变化。至少一个足对应的作用力与角动量L之间的关系数据,指示至少一个足对应的作用力与角动量L之间呈正相关关系,用于表示足式机器人至少一个足对应的作用力受到足式机器人的姿态的影响。通过创建的间隔时长t与足式机器人的角动量L之间的关系数据,及至少一个足对应的作用力与角动量L之间的关系数据,从而确定足式机器人的至少一个足与地面接触受到的作用力与间隔时长t之间的关系。
3045、根据状态数据误差及第三关系数据,创建第二关系数据。
在一种可能实现方式中,该步骤3045包括:在目标移动时长内选取多个采样时间点,根据每个采样时间点与初始时间点之间的间隔时长及第三关系数据,确定每个采样时间点对应的第九关系数据,根据该关系数据误差及多个采样时间点对应的第九关系数据,创建第二关系数据。
其中,第九关系数据指示第一常数λ1与至少一个足对应的作用力之间的关系。由于第三关系数据指示至少一个足对应的作用力与间隔时长t之间的关系,且第三关系数据包括取值未确定的第一常数λ1,将每个采样时间点对应的间隔时长代入第三关系数据中,得到每个采样时间点对应的第九关系数据。
可选地,目标状态数据包括目标质心位置,预测状态数据包括预测质心位置;则确定目标质心位置与预测质心位置之间的第一差值,根据多个采样时间点对应的第九关系数据,在多个采样时间点时,足式机器人的至少一个足对应的作用力将目标数值J设置为至少一个足对应的作用力的加权平方和,与第一差值的平方的和值。
可选地,在确定至少一个足对应的作用力后,确定每个作用力与对应的权重的乘积的平方,将至少一个足对应的作用力对应的平方之和,作为该至少一个足对应的作用力的加权平方和。可选地,每个作用力对应的权重是任意设置的。
由于第九关系数据指示第一常数λ1与至少一个足对应的作用力之间的关系,则至少一个足对应的作用力与第一常数λ1有关,且预测质心位置及预测质心速度均与第一常数λ1有关,则第一差值与第一常数λ1有关。因此,将目标数值J设置为至少一个足对应的作用力的加权平方和,与第一差值的平方的和值后,该目标数值J与第一常数λ1的二次项方有关。
可选地,足式机器人的至少一个足与地面接触而受到的作用力fi包括及该作用力为作用力fi在x轴的分力,该作用力为作用力fi在y轴的分力,该作用力为作用力fi在z轴的分力,对于足式机器人与地面接触的第i足,该足对应的作用力fi的加权平方满足以下关系:
其中,Fi表示第i足对应的作用力fi的加权平方,a1、a2、a3分别表示第i足对应的作用力fi在x轴、y轴、z轴上的权重,a1、a2、a3为任意常数,a1、a2、a3的取值可能相同,也可能不同。另外,对于不同的作用力,a1的取值可能相同也可能不同,a2的取值可能相同也可能不同,a3的取值可能相同也可能不同。
可选地,足式机器人与地面接触的至少一个足对应的作用力fi的加权平方和,等于至少一个足对应的加权平方Fi之和。
需要说明的是,上述可能实现方式仅是以状态数据误差包括第一差值进行说明的,当状态数据误差包括第二差值或者第三差值的方式,创建第二关系数据的过程与上述可能实现方式类似,在此不再赘述。
并且,状态数据误差可能包括第一差值、第二差值及第三差值,则状态数据误差包括任两个差值或三个差值时,则将目标数值J设置为状态数据误差中包括的差值的加权平方和,与至少一个足对应的作用力的加权平方和的和值。
在一种可能实现方式中,目标状态数据包括目标质心位置、目标质心速度及目标质心加速度,预测状态数据包括预测质心位置、预测质心速度及预测质心加速度,则该步骤3045包括:确定目标质心位置与预测质心位置之间的第一差值、目标质心速度与预测质心速度之间的第二差值及目标质心加速度与预测质心加速度之间的第三差值,根据多个采样时间点对应的第九关系数据,在多个采样时间点时,足式机器人的至少一个足对应的作用力将目标数值J设置为第五数值与第六数值之和,第五数值为第一差值、第二差值及第三差值的加权平方和,第六数值为至少一个足对应的作用力的加权平方和。
另外,在足式机器人配置的足的目标数量为不小于3的正整数时,如四足机器人、六足机器人等,在足式机器人移动过程中,会包括仅有一个足与地面接触的情况,或者仅有两个足与地面接触的情况。由于上述至少一个足对应的第三关系数据指示足式机器人的至少一个足与地面接触时对应的作用力与间隔时长t之间的关系,则通过上述的至少一个足对应的第三关系数据,能够确定足式机器人仅有一个或两个足与地面接触时,通过上述的第三关系数据,能够得到该一个或两个足与地面接触而受到的作用力
此时,在一种可能实现方式中,则该步骤3045包括:创建足式机器人的至少三个足对应的第四关系数据,至少三个足对应的第四关系数据分别指示至少三个足与地面接触而受到的作用力与间隔时长t之间的关系,根据状态数据误差、一个或两个足对应的第三关系数据及至少三个足对应的第四关系数据,创建第二关系数据,第二关系数据指示目标数值J与状态数据误差、一个或两个足与地面接触而受到的作用力的二次项、及至少三个足与地面接触而受到的作用力的二次项之间的正相关关系。
在足式机器人配置的足的目标数量为不小于3的正整数时,考虑到足式机器人在移动过程中,会包括仅有一个足与地面接触的情况,或者仅有两个足与地面接触的情况,或者三个足及三个以上的足与地面接触的情况,因此,为足式机器人与地面接触的不同足数的情况下,创建第三关系数据及第四关系数据,以使后续创建的第二关系数据,能够满足足式机器人与地面接触的足式的多种情况,从而保证了第二关系数据的准确性,以保证后续确定的质心轨迹的准确性。
需要说明的是,本申请实施例仅是以第一种方式和第二种方式进行单独说明的,而在另一实施例中,第一种方式与第二种方式能够结合,根据状态数据误差、第五关系数据及第三关系数据,创建第二关系数据。
306、根据至少一个足对应的第三关系数据,创建第一摩擦力约束条件。
由于至少一个足对应的第三关系数据分别指示至少一个足对应的作用力与间隔时长t之间的关系,该第三关系数据包括取值未确定的第一常数λ1,则通过至少一个足对应的第三关系数据创建的第一摩擦力约束条件中,也包括取值未确定的第一常数λ1。
通过至少一个足对应的第三数据,能够确定足式机器人的至少一个足与地面接触而受到的作用力通过该至少一个足与地面接触而受到的作用力能够确定该至少一个足与地面接触时所满足的摩擦力约束,以避免了足式机器人的足与地面接触时产生相对滑动,从而得到该第一摩擦力约束条件。
通过创建第一摩擦力约束条件,使得足式机器人在移动过程中,足式机器人的至少一个足与地面接触而受到的作用力满足摩擦力约束条件,避免了足式机器人的足与地面接触时产生相对滑动,从而保证足式机器人能够正常移动。
需要说明的是,本申请实施例是通过至少一个足对应的第三关系数据来创建第一摩擦力约束条件的,而在另一实施例中,无需执行步骤305-306,能够采取其他方式,创建第一摩擦力约束条件。
307、根据第一关系数据及初始时间点,创建第六关系数据、第七关系数据及第八关系数据。
其中,第六关系数据指示足式机器人在初始位置的初始质心位置与第一常数λ1的关系,第七关系数据指示足式机器人在初始位置的初始质心速度与第一常数λ1的关系,第八关系数据指示足式机器人在初始位置的初始质心加速度与第一常数λ1的关系。在该足式机器人中,第六关系数据、第七关系数据及第八关系数据是以描述语句的形式进行存储,或者,是以函数的形式进行存储的。
在一种可能实现方式中,该步骤307包括:将初始时间点代入第一关系数据中,得到该第一关系数据;获取第一关系数据对间隔时长t的一阶导数,将初始时间点代入得到的一阶导数关系数据中,得到该第七关系数据;获取第一关系数据对间隔时长t的二阶导数,将初始时间点代入得到的二阶导数关系数据中,得到该第八关系数据。
308、根据第六关系数据、第七关系数据、第八关系数据及第二关系数据,确定在满足第一摩擦力约束条件的情况下,目标数值J为最小值时第一常数λ1的取值。
在第一常数λ1满足第六关系数据、第七关系数据、第八关系数据及第一摩擦力约束条件的情况下,确定目标数值J为最小值时第一常数λ1的取值,以使足式机器人在初始位置的初始状态数据,满足取值已确定的第一常数λ1对应的第一关系数据,以保证确定的第一常数λ1的取值的准确性。并且在满足第一摩擦力约束条件的情况下,确定第一常数λ1,使得足式机器人能够按照确定的质心轨迹进行移动,从而保证了确定的质心轨迹的可行性。
需要说明的是,本申请是通过第六关系数据、第七关系数据、第八关系数据及第二关系数据,确定目标数值J为最小值时第一常数λ1的取值进行说明的,而在另一实施例中,无需执行步骤307-308,能够采取其他方式,确定目标数值J为最小值时第一常数λ1的取值即可。
在一种可能实现方式中,目标机器人配置的足的目标数量为不小于3的正整数,第一摩擦力约束条件指示足式机器人的一个或两个足与地面接触而受到的作用力所满足的摩擦力约束条件;则该步骤308包括以下步骤3081-3082:
3081、根据至少三个足对应的第四关系数据,创建第二摩擦力约束条件。
其中,至少三个足对应的第四关系数据分别指示至少三个足与地面接触而受到的作用力与间隔时长t之间的关系,该第二摩擦力约束条件指示足式机器人的至少三个足与地面接触而受到的作用力所满足的摩擦力约束条件。由于第四关系数据中包括取值未确定的第一常数λ1和第二常数λ2,则该第二摩擦力约束条件也包括取值未确定的第一常数λ1和第二常数λ2。
该第二摩擦力约束条件,用于指示足式机器人在三个足或三个以上的足与地面接触时,与地面接触的足受到的作用力所满足的摩擦力约束条件。通过该第二摩擦力约束条件,能够避免足式机器人的足与地面接触时产生相对滑动,从而保证足式机器人能够正常移动。
3082、根据第二关系数据,确定在满足第一摩擦力约束条件及第二摩擦力约束条件的情况下,目标数值J为最小值时第一常数λ1和第二常数λ2的取值,获取取值已确定的第一常数λ1对应的第一关系数据。
其中,第二关系数据是通过状态数据误差、一个或两个足对应的第三关系数据及至少三个足对应的第四关系数据创建的,该第二关系数据中包括取值未确定的第一常数λ1和第二常数λ2。
考虑到足式机器人在移动过程中,会包括仅有一个足与地面接触的情况,或者仅有两个足与地面接触的情况,或者三个足及三个以上的足与地面接触的情况,因此,通过创建第一摩擦力约束条件及第二摩擦力约束条件,以使足式机器人在满足足式机器人与地面接触的多种不同足数的情况下,确定出目标数值J为最小值时第一常数λ1和第二常数λ2的取值,以保证第一常数λ1和第二常数λ2的准确性,以保证后续确定的质心轨迹的准确性。
309、获取取值已确定的第一常数λ1对应的第一关系数据。
在确定第一常数λ1的取值后,将取值已确定的第一常数λ1代入第一关系数据中,则第一关系数据指示质心位置P(t0)与间隔时长t的关系,且该第一关系数据中,除间隔时长t外,不包括其他取值未确定的常数。因此,取值已确定的第一常数λ1对应的第一关系数据能够表示足式机器人的质心轨迹。
310、在足式机器人的移动过程中,根据第一关系数据,确定足式机器人在任一间隔时长t0时的质心位置P(t0)。
其中,间隔时长t0为足式机器人由初始位置向目标位置移动过程中,任一时间点与该初始位置对应的初始时间点之间间隔的时长。
由于取值已确定的第一常数λ1对应的第一关系数据中的除了间隔时长t,其他常数的取值均已确定,则将任一间隔时长t0代入该第一关系数据中,可以得到该任一间隔时长t0对应的质心位置P(t0)。
311、根据质心位置P(t0)及目标位置,确定足式机器人的多个关节的关节扭矩。
在本申请实施例中,足式机器人通过控制各个足中的各个关节,来实现足式机器人的各个足的抬起或落下,从而带动足式机器人移动。足式机器人是通过控制多个关节的关节力矩,使足式机器人的至少一个足支撑足式机器人移动,使足式机器人的真实质心位置保持在确定的质心位置P(t0)。因此,可以通过确定的足式机器人的质心位置P(t0)、目标位置及逆运动学,来确定出足式机器人移动至目标位置的过程中的多个关节的关节扭矩。
在一种可能实现方式中,该步骤311包括:根据质心位置P(t0)及目标位置,确定足式机器人的多个关节的关节角度和关节扭矩。其中,该关节角度用于表示足式机器人的关节转动后所呈现的角度。通过确定的足式机器人的质心位置P(t0)及逆运动学,来确定出足式机器人的多个关节的关节角度。然后,通过逆动力学和优化控制方法,来确定机器人的多个关节的关节扭矩。
可选地,根据足式机器人的至少一个足与地面接触的接触点位置及该足式机器人的迈步时序,创建至少一个足与地面接触的接触点位置与间隔时长之间的关系数据,及足式机器人的姿态与间隔时长之间的关系数据;根据该至少一个足与地面接触的接触点位置与间隔时长之间的关系数据、该足式机器人的姿态与间隔时长之间的关系数据,及取值已确定的第一常数λ1对应的第一关系数据,确定足式机器人的多个关节的关节角度与间隔时长之间的关系数据;获取多个关节的关节角度与间隔时长之间的关系数据对间隔时长的一阶导数,得到足式机器人的多个关节的关节角速度与间隔时长之间的关系数据;获取多个关节的关节角度与间隔时长之间的关系数据对间隔时长的二阶导数,得到足式机器人的多个关节的关节角加速度与间隔时长之间的关系数据;根据关节角速度与间隔时长之间的关系数据、关节角速度与间隔时长之间的关系数据及关节角加速度与间隔时长之间的关系数据,确定足式机器人在任一间隔时长t0时多个关节的关节角度、关节角速度及关节角加速度;获取多个关节在当前时间点的关节角度、关节角速度及关节角加速度,根据足式机器人的多个关节在当前时间点的关节角度、关节角速度及关节角加速度,任一间隔时长t0时多个关节的关节角度、关节角速度及关节角加速度,确定该足式机器人多个关节的关节扭矩。
可选地,通过足式机器人配置有传感器,采集到足式机器人的多个关节的在当前时间点的关节角度、关节速度及关节角速度。
312、按照多个关节的关节扭矩,控制多个关节进行转动,带动足式机器人移动。
通过确定的多个关节的关节扭矩,控制该足式机器人的多个关节进行转动,使该足式机器人的真实质心位置与确定的质心位置重合,从而实现该足式机器人由起始位置向目标位置移动,且在移动过程中的任一时间点,该足式机器人在该时间点的真实质心位置与确定的在该时间点的质心位置保持重合,从而使得足式机器人沿着确定的质心移动轨迹移动。
在一种可能实现方式中,该步骤312可以包括:按照多个关节的关节角度和关节扭矩,控制多个关节进行转动,带动足式机器人移动。
通过按照关节角度和关节扭矩控制多个关节进行转动,使得多个关节可以保持在对应的关节角度,从而实现足式机器人的足的抬起或落下,保证足式机器人的质心沿着确定的质心移动轨迹移动。
需要说明的是,本申请实施例是以足式机器人由起始位置向目标位置移动的一个移动过程进行说明的,而在另一实施例中,足式机器人在到达目标位置后,还可以继续执行下一个移动过程,将上一个移动过程的目标位置作为下一个移动过程的起始位置,执行上述步骤301-312,使足式机器人移动到下一个过程的目标位置,从而实现了足式机器人的多个连续的移动过程。
在一种可能实现方式中,将最后一个移动过程的目标位置作为该足式机器人的终止位置,在确定足式机器人在当前的移动过程的目标位置后,检测该目标位置是否与该终止位置重合,响应于该目标位置与该终止位置未重合,为该目标位置设置第一状态数据,响应于该目标位置与该终止位置重合,为该目标位置设置第二状态数据。
其中,第一状态数据中包括的质心速度及质心加速度不为0,第二状态数据中包括的质心速度及质心加速度为0。在足式机器人移动至终止位置后,足式机器人将停止不再移动,该终止位置可以是设置的任意位置,如该足式机器人需要移动至房间A,则将房间A的门口位置作为该终止位置。响应于目标位置与终止位置未重合,表示该足式机器人到达当前的移动过程的目标位置后,需要继续移动,执行下一个移动过程,为了保证足式机器人移动的连续性,则该足式机器人的质心速度和质心加速度不为0;响应于目标位置与终止位置重合,表示该足式机器人到达当前的移动过程的目标位置后,足式机器人将停止不再移动,为了保证足式机器人的稳定性,则该足式机器人的质心速度和质心加速度为0,使该足式机器人可以停止在终止位置上。
需要说明的是,本申请实施例以使足式机器人为执行主体来进行说明的,而在另一实施例中,上述步骤301-312由服务器执行,服务器根据质心位置P(t0)及目标位置,确定足式机器人的多个关节的关节扭矩,向足式机器人发送移动指令,该移动指令携带多个关节的关节扭矩,由足式机器人按照多个关节的关节扭矩,控制多个关节进行转动,带动足式机器人移动。
在一种可能实现方式中,服务器与足式机器人的多个关节建立通信连接,服务器按照确定的多个关节的关节扭矩,向足式机器人的多个关节发送转动指令,转动指令携带对应的关节的关节扭矩,由足式机器人的多个关节接收到的转动指令,按照对应的关节扭矩进行转动,带动足式机器人移动。
需要说明的是,本申请实施例以使足式机器人为执行主体来进行说明的,而在另一实施例中,上述步骤301-309由服务器执行,在服务器获取到将取值已确定的常数C对应的第一关系数据后,将取值已确定的常数C对应的第一关系数据发送至足式机器人,由足式机器人执行步骤310-312,从而控制足式机器人移动。
本申请实施例提供的方法,无需检测足式机器人各个关节的状态,通过第一关系数据,来预测足式机器人在目标位置的预测状态数据,之后在满足第一摩擦力约束条件的情况下,通过最小化预测状态数据与设置的目标状态时数据之间的状态数据误差,来确定第一关系数据中的第一常数λ1,以使预测状态数据与目标状态数据之间的差异最小,保证了第一常数λ1的取值的准确性,也保证了足式机器人在按照确定的质心轨迹进行移动时,能够满足第一摩擦力约束条件,保证了确定的质心轨迹的可行性,后续根据取值已确定的第一常数λ1来确定对应的质心轨迹,从而提高了足式机器人的质心轨迹的准确性,能够适用于足数不小于2的足式机器人,适用范围广。
考虑足式机器人与地面接触的多种不同足数的情况下,创建第一摩擦力约束条件及第二摩擦力约束条件,能够保证确定的质心轨迹的可行性,提高了足式机器人的质心轨迹的准确性。并且,在满足第一摩擦力约束条件及第二摩擦力约束条件的条件下,确定目标数值J的最小值,简化了待优化的变量,缩短了确定目标数值J的最小值所需的时长,提高了确定质心轨迹的效率。
通过创建第三关系数据,考虑到了足式机器人配置的至少一个足与地面接触受到的作用力,提高了足式机器人的质心轨迹的准确度,使该足式机器人能够按照确定的质心轨迹移动,保证了确定的质心轨迹的可行性和高效性,也保证了确定质心轨迹的多样性和普适性。
如图4所示,是本申请实施例提供的足式机器人系统的控制足式机器人移动的框架图,该足式机器人系统包括视觉感知子系统401、轨迹生成子系统402、移动控制子系统403。
视觉感知子系统401根据足式机器人的状态数据,获取足式机器人的目标位置及迈步顺序,将得到的足式机器人的目标位置及迈步顺序发送给轨迹生成子系统402。
轨迹生成子系统402接收到视觉感知子系统401发送的足式机器人的目标位置及迈步顺序,并通过获取的足式机器人的状态数据,确定足式机器人的质心移动轨迹,根据确定的足式机器人的质心运动轨迹,确定该足式机器人各个关节的关节力矩,将确定的该足式机器人各个关节的关节力矩发送给移动控制子系统403。
移动控制子系统403接收轨迹生成子系统402发送的确定的该足式机器人各个关节的关节力矩,按照确定的足式机器人各个关节的关节力矩,控制各个关节进行转动,带动足式机器人进行移动,并在控制足式机器人移动的过程中实时监测足式机器人的状态数据,保证足式机器人能够稳定移动。
上述实施例中涉及到第一摩擦力约束条件、第一摩擦力约束条件及第二关系数据,在上述实施例的基础上,以下实施例将对上述三种关系数据的创建过程进行详细说明:
第一、创建第一摩擦力约束条件的过程:
1、获取足式机器人的迈步顺序,按照该足式机器人的迈步顺序,将该足式机器人由初始位置移动至目标位置的过程分为连续的多个移动子过程。
其中,迈步顺序指示足式机器人的多个足之间的迈步顺序,任一足执行一个迈步动作称为一个移动子过程。
另外,在多个移动子过程中,为了保证多个移动子过程连续,对于相邻的两个移动子过程,前一个移动子过程的结束位置与下一个移动子过程的起始位置相同。
2、为每个移动子过程分别创建初始第一关系数据。
由于在多个移动子过程中,移动子过程不同,对足式机器人的质心位置的影响不同,则移动子过程对应的常数C也不同。则为每个移动子过程分别创建初始第一关系数据。
在多个移动子过程中的第k个移动子过程中,将初始第一关系数据设置为:足式机器人的质心位置P(t)为时长矩阵E与常数Ck的乘积,该常数Ck满足以下关系:
其中,k为不小于1的正整数,Cxk表示第k个移动子过程对应的常数Ck在x轴的分量,Cyk表示第k个移动子过程对应的常数Ck在y轴的分量,Czk表示第k个移动子过程对应的常数Ck在z轴的分量。
第k个移动子过程对应的初始第一关系数据可以用以下函数表示:
Et=[1 t t2 … tn]
Tk-1≤t≤Tk
其中,该Pinit为常数向量,用于表示足式机器人在任一移动周期开始时的初始质心位置;Et表示时长向量;Cxk表示第k个移动子过程对应的常数Ck在x轴的分量,Cyk表示第k个移动子过程对应的常数Ck在y轴的分量,Czk表示第k个移动子过程对应的常数Ck在z轴的分量,C*k=[C*k,0 C*k,1 C*k,2 C*k,3]T,*可以表示x、y、z轴,表示常数C*k为包括4个维度的列向量,表示在多维空间中的实数集合;每个移动过程的移动时长为tn,n表示多个移动子过程的个数,则前k-1个移动过程的移动时长之和为前k个移动过程的移动时长之和为
3、根据多个移动子过程的初始第一关系数据,创建足式机器人由初始位置移动至目标位置对应的初始第一关系数据。
由于足式机器人由初始位置移动至目标位置的移动过程是由足式机器人的多个移动子过程组成,则足式机器人由初始位置移动至目标位置对应的初始第一关系数据中的常数C是由多个移动子过程对应的常数Ck组成,即足式机器人由初始位置移动至目标位置对应的初始第一关系数据中的常数C中包括了每个移动子过程对应的常数Ck在x、y、z轴的分量。
在一种可能实现方式中,足式机器人由初始位置移动至目标位置对应的初始第一关系数据可以用以下函数表示:
C=[C1 C2 … Ck … Cn]T
其中,该Pinit为常数向量,用于表示足式机器人在任一移动周期开始时的初始质心位置;Et表示时长向量;C表示足式机器人由初始位置移动至目标位置对应的初始第一关系数据中的常数;C1表示第一个移动子过程对应的常数,C2表示第二个移动子过程对应的常数,Ck表示第k个移动子过程对应的常数,Cn表示第n个移动子过程对应的常数,T表示对矩阵的转置。
另外,在确定常数C中包含的维度数能够根据初始第一关系数据中的变量确定。如图5所示,足式机器人由初始位置运动至目标位置包括8个移动子过程,按照时间顺序依次为移动子过程501、移动子过程502、移动子过程503、移动子过程504、移动子过程505、移动子过程506、移动子过程507、移动子过程508。常数C中包含在x、y、z轴的分量个数为3,且初始第一关系数据中的时长向量Et包括4个维度间隔时长,则可以确定常数C中包含的维度数3×8×4=96。由于在任两个相邻的移动子过程中,前一个移动子过程的目标位置与后一个移动子过程的起始位置相同,为了保证8个移动子过程的连续性,常数C中用于表示8个移动子过程的连续性的维度数为3×7×3=63,其中,第一个3表示在x、y、z轴的分量个数,7表示8个移动子过程中有7个相同的位置,第二3表示每个位置对应的状态数据中包括质心位置、质心速度及质心加速度共3个变量。由于足式机器人在8个个移动子过程中,第一个移动子过程的初始位置的状态数据确定,最后一个移动子过程的目标位置的状态数据确定,则常数C中用于表示8个移动子过程的已确定的位置的状态数据的维度数为3×6=18。其中,3表示在x、y、z轴的分量个数,6表示已确定的两个位置的状态数据中包含的数值个数。则第一常数Cfree中包含的维度数为96-63-18=15。
本申请实施例仅是以创建初始第一关系数据进行说明的,另外,还能够根据第k个移动子过程的初始第一关系数据,创建第k个移动子过程中,质心位置P(t)对应的质心速度与间隔时长t之间的关系数据,及质心位置P(t)对应的质心加速度与间隔时长t之间的关系数据。
其中,Eυ表示时间矩阵,是由时长向量Et对间隔时长t进行一阶导数得到的,表示时间矩阵Eυ为4个维度的行向量;k为不小于1的正整数,Cxk表示第k个移动子过程对应的常数Ck在x轴的分量,Cyk表示第k个移动子过程对应的常数Ck在y轴的分量,Czk表示第k个移动子过程对应的常数Ck在z轴的分量。
其中,Ea表示时间矩阵,是由时长向量Et对间隔时长t进行2阶导数得到的,表示时间矩阵Ea为4个维度的行向量;k为不小于1的正整数,Cxk表示第k个移动子过程对应的第三常数Ck在x轴的分量,Cyk表示第k个移动子过程对应的第三常数Ck在y轴的分量,Czk表示第k个移动子过程对应的第三常数Ck在z轴的分量。
4、创建足式机器人的至少一个足受到的作用力与重力和角动量之间的关系数据。
在该足式机器人中,第七关系数据可以是以描述语句的形式进行存储,也可以是以函数的形式进行存储的。
在一种可能实现方式中,足式机器人的至少一个足受到的作用力与重力和
角动量之间的关系数据用以下函数表示:
其中,m表示足式机器人的质量;表示该足式机器人的质心位置P(t)对间隔时长t的二阶导数,作为该足式机器人的质心位置P(t)对应的质心加速度;表示重力加速度,该重力加速度表示重力加速度g为3个维度的列向量,表示多维空间的实数集合;L表示足式机器人的角动量,角动量表示角动量L为3个维度的列向量,表示角动量L对间隔时长t的一阶导数,表示角动量L的变化量;Y表示该足式机器人与地面接触的足的个数;Z′3×3表示3行3列的单位矩阵;ri表示足式机器人的第i个足与地面接触的接触点位置,i为不小于1、且不大于Y的正整数;表示接触点ri的斜对称矩阵;表示质心位置P(t)的斜对称矩阵;fi为该足式机器人的第i个足与地面接触受到的作用力。
上述关系式中,用于表示足式机器人的质心动力学方程,表示足式机器人的移动与该足式机器人受到的外力之间的关系,足式机器人受到的外力符合牛顿定律和欧拉方程。其中,足式机器人的重力与足式机器人受到的所有外力之和相等,足式机器人的角动量对时长的一阶导数与足式机器人受到的力矩相等。
5、根据足式机器人的至少一个足受到的作用力与重力和角动量之间的关系数据,创建足式机器人的至少一个足受到的作用力与重力之间的关系数据。
根据足式机器人的至少一个足受到的作用力与重力和角动量之间的关系数据,能够获知足式机器人受到的作用力总和与该足式机器人的重力相等,即可以得到关系式将该关系式带入足式机器人的至少一个足受到的作用力与重力和角动量之间的关系数据中,得到足式机器人的至少一个足受到的作用力与重力之间的关系数据,该关系数据能够用以下函数表示:
f0=[f1 f2 … fn]T
其中,m表示足式机器人的质量;表示该足式机器人的质心位置P(t)对间隔时长t的二阶导数,作为该足式机器人的质心位置P(t)对应的质心加速度;g表示重力加速度,该重力加速度表示重力加速度g为3个维度的列向量,表示多维空间的实数集合;L表示足式机器人的角动量,角动量表示角动量L为3个维度的列向量,表示角动量L对间隔时长t的一阶导数;表示质心位置P(t)的斜对称矩阵;f0用于表示足式机器人的至少一个足与地面接触受到的作用力的总和;G为常数矩阵,该常数矩阵表示常数矩阵G为6行3Y列的矩阵,表示多维空间的实数集合;Z′3×3表示3行3列的单位矩阵;ri表示足式机器人的第i个足与地面接触的接触点位置,i为不小于1、且不大于Y的正整数;Y表示该足式机器人与地面接触的足的个数;表示接触点ri的斜对称矩阵。
6、根据足式机器人的至少一个足受到的作用力与重力之间的关系数据及足式机器人的质心位置P(t),创建足式机器人的至少一个足受到的作用力与足式机器人的质心位置P(t)之间的关系数据。
其中,足式机器人的质心位置P(t)满足以下关系:
P(t)=Pinit+Pt
其中,该Pinit为常数向量,用于表示足式机器人在任一移动周期开始时的初始质心位置;Pt表示足式机器人的质心位置从该规划周期的起始时间点开始进过间隔时长t后的质心位置变化量。在本申请实施例中,初始质心位置Pinit与足式机器人在初始位置的状态数据中包括的质心位置相同。
通过将质心位置P(t)满足的关系P(t)=Pinit+Pt代入足式机器人的至少一个足受到的作用力与重力之间的关系数据中,得到足式机器人的至少一个足受到的作用力与足式机器人的质心位置P(t)之间的关系数据,该关系数据能够用以下函数表示:
其中,G为常数矩阵,该常数矩阵表示常数矩阵G为6行3Y列的矩阵,表示多维空间的实数集合;f0用于表示足式机器人的至少一个足与地面接触受到的作用力的总和;m表示足式机器人的质量;Pt表示足式机器人的质心位置从该规划周期的起始时间点开始进过间隔时长t后的质心位置变化量;表示质心位置变化量Pt对间隔时长t的二阶导数;该为常数向量,用于表示足式机器人在任一移动周期开始时的初始质心位置,为常数向量Pinit的斜对称矩阵;g表示重力加速度,表示重力加速度g为3个维度的列向量;表示重力加速度g的斜对称矩阵,表示质心位置的变化量的斜对称矩阵;L表示足式机器人的角动量,角动量表示角动量L为3个维度的列向量,表示角动量L对间隔时长t的一阶导数。
7、根据足式机器人的至少一个足受到的作用力与足式机器人的质心位置P(t)之间的关系数据,创建初始第三关系数据。
其中,表示质心位置变化量Pt在x、y轴构成的平面上的分量,对应的z坐标为0;表示质心位置变化量Pt在z轴的分量;对应的x、y坐标为0;表示质心位置变化量Pt在x、y轴构成的平面上的分量的斜对称矩阵;表示质心位置变化量Pt在x、y轴构成的平面上的分量对间隔时长t的二阶导数,也表示质心加速度在x、y轴构成的平面上的分量;表示质心位置变化量Pt在轴的分量对间隔时长t的二阶导数,也表示质心加速度在z轴上的分量;表示质心位置变化量Pt在z轴的分量的斜对称矩阵;表示绕Z轴的力矩,表示在xy平面内的某一方向上的力矩。由于与共线,则为0。
由于在足式机器人的移动过程中,该足式机器人在z轴方向上的移动稳定,变化量小,可以忽略上述关系式中的及的绝对值均小,可以忽略,则上述足式机器人的至少一个足受到的作用力与足式机器人的质心位置P(t)之间的关系数据中的可以忽略。
考虑一个规划周期内,足式机器人在初始时间点的姿态为足式机器人在结束时间点的姿态为则足式机器人在该规划周期内的姿态变化为该姿态变化能够表示为足式机器人由初始时间点的姿态为绕单位轴旋转角度得到结束时间点的姿态为
根据曲线插值法,对旋转角度θ进行曲线差值计算,得到旋转角度θ与间隔时长t之间的关系数据θ(t),使该关系数据θ(t)满足以下关系:
其中,ts表示初始时间点,te表示结束时间点,θ(ts)=0表示足式机器人在初始时间点时旋转角度θ为0;表示足式机器人在初始时间点时角速度为0;表示足式机器人在结束时间点时旋转角度为该为常数;表示足式机器人在结束时间点时角速度为0。
通过该关系数据θ(t),创建足式机器人的姿态与间隔时长t之间的关系数据R(t),关系数据R(t)满足以下关系:
其中,I表示3行3列的单位矩阵;sin(·)用于表示正弦函数;cos(·)用于表示余弦函数;θ(t)用于表示足式机器人的旋转角度θ与间隔时长t之间的关系;表示足式机器人的姿态变化所绕的单位轴;为单位轴的斜对称矩阵;表示足式机器人在初始时间点的姿态。
通过该关系数据R(t),创建第五关系数据,该第五关系数据满足以下关系:
其中,I0表示足式机器人关于质心的转动惯量;表示足式机器人的姿态变化所绕的单位轴;θ(t)用于表示足式机器人的旋转角度θ与间隔时长t之间的关系;用于表示足式机器人绕单位轴旋转的角速度与间隔时长t之间的关系;用于表示足式机器人绕单位轴旋转的角加速度与间隔时长t之间的关系。
则通过足式机器人的至少一个足受到的作用力与足式机器人的质心位置P(t)之间的关系数据进行变换,变换后的足式机器人的至少一个足受到的作用力与足式机器人的质心位置P(t)之间的关系数据满足以下关系:
Gf0≈H0X′t-Wg
其中,G为常数矩阵,该常数矩阵表示常数矩阵G为6行3Y列的矩阵,表示多维空间的实数集合;f0用于表示足式机器人的至少一个足与地面接触受到的作用力的总和;H0为常数矩阵;Wg为常数向量;X′t表示质心位置变化量Pt和质心加速度变化量集合;m表示足式机器人的质量;Z′3×3表示3行3列的单位矩阵;该Pinit为常数向量,用于表示足式机器人在任一移动周期开始时的初始质心位置;为常数向量Pinit的斜对称矩阵;g表示重力加速度,表示重力加速度g为3个维度的列向量;表示重力加速度g的斜对称矩阵。
通过将上述的初始第一关系数据及质心位置P(t)对应的质心加速度与间隔时长t之间的关系数据,代入上述变换后的足式机器人的至少一个足受到的作用力与足式机器人的质心位置P(t)之间的关系数据,得到初始第三关系数据,该初始第三关系数据满足以下关系:
Gf0≈HC-Wg
其中,G为常数矩阵,f0用于表示足式机器人的至少一个足与地面接触受到的作用力的总和;H表示关于间隔时长t的系数矩阵;C为常数矩阵;Wg为常数向量;H0为常数矩阵;Et表示时长向量;Ea表示时间矩阵,是由时长向量Et对间隔时长t进行2阶导数得到的,表示时间矩阵Ea为4个维度的行向量;T表示对向量的转置。
8、根据至少一个足对应的初始第三关系数据,创建第一摩擦力约束条件。
在该足式机器人的移动过程中,该足式机器人受到摩擦力约束:该足式机器人中与地面接触的足受到的摩擦力大于0,且该足受到的摩擦力不小于该足与地面接触受到的作用力fi在摩擦力方向上的分力,避免了足与地面之间产生相对滑动,从而保证该足式机器人能够正常移动。足式机器人的至少一个足对应的作用力fi均受到摩擦力约束,满足以下关系:
N′i=-[μini-oi μini+oi μini-ti μini+ti]
其中,N′i表示足式机器人第i个足与地面接触的接触点的摩擦约束矩阵;ni为足式机器人第i个足与地面接触的接触点的法向量,表示法向量ni为3个维度的列向量,表示多维空间的实数集合;oi、ti表示与足式机器人第i个足与地面的接触点的法向量垂直的平面上的两个切向量,切向量oi与切向量ti正交,表示切向量oi和切向量ti均为3个维度的列向量;T表示对向量的转置,μi为足式机器人第i个足与地面之间的摩擦系数。
由于在该足式机器人的移动过程中,该足式机器人受到摩擦力约束,该足式机器人中与地面接触的第i个足与地面接触受到的作用力的方向在一个圆锥内,该第i个足与地面的接触点为圆锥的顶点,该圆锥内由顶点到该圆锥的底圆的任一点之间的连线,均可以作为第i个足与地面接触受到的作用力fi的方向。为了避免引入非线性约束,将该圆锥近似呈四棱锥,该第i个足与地面接触受到的作用力fi满足以下关系:
其中,μi为摩擦系数;ni为足式机器人第i个足与地面接触的接触点的法向量,表示法向量ni为3个维度的列向量,表示多维空间的实数集合;oi、ti表示与足式机器人第i个足与地面的接触点的法向量垂直的平面上的两个切向量,切向量oi与切向量ti正交,表示切向量oi和切向量ti均为3个维度的列向量;T表示对向量的转置;表示该足式机器人的第i个足与地面接触受到的作用力在法向方向上的最小值,表示该足式机器人的第i个足与地面接触受到的作用力在法向方向上的最大值,均大于0, 均可以是设置的任意数值。用于表示四棱锥的四个侧面的法向量。
通过上述关系式,通过对足式机器人的第i个足与地面接触受到的作用力fi在四棱锥的四个侧面的分力的约束,及对足式机器人的第i个足与地面接触受到的作用力fi在法向分力的约束,使得足式机器人的第i个足与地面接触受到的作用力fi的方向限制在四棱锥内。
足式机器人在移动过程中,足式机器人在任意位置时,该足式机器人的所有足对应的作用力受到的摩擦力约束满足以下关系:
NT f0≤0
其中,N表示在任意位置时,足式机器人的足与地面接触的所有接触点的摩擦约束矩阵集合;f0用于表示足式机器人的至少一个足与地面接触受到的作用力的总和;N′1表示足式机器人第1个足与地面接触的接触点的摩擦约束矩阵;N′2表示足式机器人第2个足与地面接触的接触点的摩擦约束矩阵;N′Y表示足式机器人第Y个足与地面接触的接触点的摩擦约束矩阵;T表示对向量的转置。
在目标移动时长内选取k个采样时间点(t1,t2,…,tk),将足式机器人在采样时间点tk时的G、f、N、H、Wg分别表示为Gk、fk、Nk、Hk、Wgk。且足式机器人在采样时间点tk时,足式机器人的至少一个足与地面接触受到的作用力fi满足以下关系:
Gkfk=HkC-Wk
其中,Gk表示在采样时间点tk时的常数矩阵;fk表示在采样时间点tk时足式机器人的所有足对应的作用力总和;Hk表示在采样时间点tk时的常数矩阵;C为常数矩阵;Wk为在采样时间点tk时的常数向量;Nk表示在采样时间点tk时,足式机器人所有足与地面接触的接触点的向量矩阵;T表示对向量的转置。
Gk、fk、Nk、Hk、Wgk是根据足式机器人在采样时间点tk时,足式机器人的至少一个足与地面接触情况有关。例如,足式机器人配置有4个足,分别为右后足、右前足、左后足及左前足,该足式机器人的迈步顺序为迈右后足、迈右前足、迈左后足、迈左前足,每半个迈步周期可以为迈右后足、迈右前足,也可以为迈左后足、迈左前足。该足式机器人按照迈步顺序重复执行多个足的迈步过程,从而使该足式机器人移动。在足式机器人移动过程中,包括8个运动阶段,四足支撑、迈右后足、迈右前足、四足支撑、四足支撑、迈左后足、迈左前足。在足式机器人处于四足支撑状态是,Gk为6×12的矩阵,fk为12×1的列向量,Nk为16×12的矩阵。当机器人处于不同阶段时,落脚点数量、位置及其它相关信息可能发生变化。
通过上述足式机器人在采样时间点tk时,足式机器人的至少一个足与地面接触受到的作用力fi满足的关系数据可知,在每个采样时刻,都存在6个等式约束,随着采样时间点个数的增加,上述关系式中的等式约束的个数增加,使得其中的冗余变量增加,导致求解时间增加,最终可能无法实时生成运动轨迹。因此,为了减少二次规划问题的变量,提高求解速度,对至少一个足对应的初始第三关系数据进行简化处理,得到如下关系:
其中,D为常数矩阵,包括足式机器人在k个采样时间点对应的常数矩阵;f1表示在采样时间点t1时足式机器人的所有足对应的作用力总和;fk表示在采样时间点tk时足式机器人的所有足对应的作用力总和;H1表示在采样时间点t1时的常数矩阵;Hk表示在采样时间点tk时的常数矩阵;G1表示在采样时间点t1时的常数矩阵;Gk表示在采样时间点tk时的常数矩阵;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;W1为在采样时间点t1时的常数向量;Wk为在采样时间点tk时的常数向量。
以四足机器人为例,在采样时间点tk时四足机器人的四个足均与地面接触时,Gk为6行12列的常数矩阵,由于不存在两腿踩在同一点,根据常数矩阵Gk的表达式可知,常数矩阵Gk一定满秩。在采样时间点tk时四足机器人的两个足与地面接触时,Gk的尺寸为6行6列的常数矩阵,根据常数矩阵Gk的表达式可知,常数矩阵Gk的秩为5。因此,在保证简化后的初始第三关系数据中的常数矩阵D满秩的情况下,对上述简化后的初始第三关系数据进行转换处理,转换后的初始第三关系数据满足以下关系:
其中,C为常数矩阵;f1表示在采样时间点t1时足式机器人的所有足对应的作用力总和;fk表示在采样时间点tk时足式机器人的所有足对应的作用力总和;D+为常数矩阵,常数矩阵D+为常数矩阵D的伪逆矩阵;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;SZ为常数矩阵D的零空间矩阵;第一常数λ1为零空间矩阵SZ对应的自由变量。
通过对上述转换后的初始第三关系数据进行变换得到,如下关系:
其中,C为常数矩阵;为常数矩阵D+中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;SZ,up为零空间矩阵SZ中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等;表示在采样时间点t1时足式机器人的所有足对应的作用力总和;表示在采样时间点tk时足式机器人的所有足对应的作用力总和;为常数矩阵D+中后第二行数的元素构成的子常数矩阵,该第二行数为常数矩阵D+的总行数与第一行数之间的差值;SZ,bo为零空间矩阵SZ中后第二行数的元素构成的子常数矩阵,该第二行数为常数矩阵D+的总行数与第一行数之间的差值;第一常数λ1为零空间矩阵SZ对应的自由变量。
通过将上述常数矩阵C的关系式,代入上述初始第三关系数据中,得到本申请中的第三关系数据,该第三关系数据中包括取值未确定的第一常数λ1。
通过确定的足式机器人的所有足对应的作用力受到的摩擦力约束满足的关系式,及上述对上述转换后的初始第三关系数据进行变换得到的关系式,创建第一摩擦力约束条件,该第一摩擦力约束条件满足以下关系:
其中,N1表示在第1个采样时间点时,足式机器人的足与地面接触的所有接触点的摩擦约束矩阵集合;Nk表示在第k个采样时间点时,足式机器人的足与地面接触的所有接触点的摩擦约束矩阵集合;表示在采样时间点t1时足式机器人的所有足对应的作用力总和;表示在采样时间点tk时足式机器人的所有足对应的作用力总和;Ntotal为k个采样时间点,足式机器人所有足与地面接触的接触点的向量矩阵的集合矩阵;为常数矩阵D+中后第二行数的元素构成的子常数矩阵,该第二行数为常数矩阵D+的总行数与第一行数之间的差值;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;SZ,bo为零空间矩阵SZ中后第二行数的元素构成的子常数矩阵,该第二行数为常数矩阵D+的总行数与第一行数之间的差值;第一常数λ1为零空间矩阵SZ对应的自由变量;T表示对向量的转置。
以四足机器人为例,该四足机器人以对角步态移动,即该四足机器人的迈步过程包括迈左前足和右后足,或者,迈右前足和左后足。通过上述的第一摩擦力约束条件的创建过程,能够将原有待优化参数C、f缩减为λ1。假设x、y、z轴上均采用n次多项式,在任一规划周期内,共有m1个四腿支撑采样时间点,m2个双腿支撑采样时间点。则上述足式机器人的至少一个足与地面接触受到的作用力所满足的关系中,构造的约束中共有3n+12m1+6m2+3个待优化变量,6m1+6m2个线性等式约束,16m1+8m2个线性不等式约束。而在上述第一摩擦力约束条件中,构造的约束中共有6m1+m2个待优化变量,0个线性等式约束,16m1+8m2个线性不等式约束。大大减少了待优化变量的同时去除了等式约束,能够有效降低二次规划的求解时间。在四足机器人的四足均与地面接触时,上述第一摩擦力约束条件中的常数矩阵D的零空间不为空且包含所有双腿支撑的采样时间点,包含部分或者不包含四腿支撑的采样时间点。对于未包含的四腿支撑的采样时间点,通过如下第二摩擦力约束条件进行约束。
第二、创建第二摩擦力约束条件的过程:
1、创建足式机器人的至少三个足对应的第四关系数据。
基于上述创建第一摩擦力约束条件的过程,初始的第三关系数据,满足以下关系:
Gf0≈HC-Wg
其中,G为常数矩阵,f0用于表示足式机器人的至少一个足与地面接触受到的作用力的总和;H表示关于间隔时长t的系数矩阵;C为常数矩阵;Wg为常数向量;H0为常数矩阵;Et表示时长向量;Ea表示时间矩阵,是由时长向量Et对间隔时长t进行2阶导数得到的,表示时间矩阵Ea为4个维度的行向量;T表示对向量的转置。
在创建第一摩擦力约束条件时,需要对常数矩阵D进行奇异值分解,进而得到常数矩阵D的伪逆矩阵与零空间矩阵。随着采样时间点,常数矩阵D奇异值分解过程将耗费大量计算时间。为了减小常数矩阵D矩阵的尺寸,根据初始第三关系数据,创建足式机器人的至少三个足对应的第四关系数据,该至少三个足对应的第四关系数据满足以下关系:
其中,表示在采样时间点tk时足式机器人的所有足对应的作用力总和;表示在采样时间点tk时的常数矩阵Gk的伪逆矩阵;Hk表示在采样时间点tk时的常数矩阵;Wk为在采样时间点tk时的常数向量;为在采样时间点tk时的常数矩阵Gk的零空间矩阵;第二常数λ2为零空间矩阵对应的自由变量。
2、根据至少三个足对应的第四关系数据,创建第二摩擦力约束条件。
通过上述得到的至少三个足对应的第四关系数据,创建初始的第二摩擦力约束条件,该初始的第二摩擦力约束条件满足以下关系:
其中,Nk表示在第k个采样时间点,足式机器人所有足与地面接触的接触点的向量矩阵;表示在采样时间点tk时足式机器人的所有足对应的作用力总和;表示在采样时间点tk时的常数矩阵Gk的伪逆矩阵;Hk表示在采样时间点tk时的常数矩阵;SZ为常数矩阵D的零空间矩阵;第一常数λ1为零空间矩阵SZ对应的自由变量;为在采样时间点tk时的常数矩阵Gk的零空间矩阵;第二常数λ2为零空间矩阵对应的自由变量;Wk为在采样时间点tk时的常数向量。
基于上述创建第一摩擦力约束条件的过程,常数矩阵C的表达式,满足以下关系:
其中,C为常数矩阵;为常数矩阵D+中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;SZ,up为零空间矩阵SZ中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等;第一常数λ1为零空间矩阵SZ对应的自由变量。
通过将上述常数矩阵C的表达式,代入上述初始的的第二摩擦力约束条件的关系式中,得到本申请中的第二摩擦力约束条件,该第二摩擦力约束条件满足以下关系:
其中,Nk表示在第k个采样时间点,足式机器人所有足与地面接触的接触点的向量矩阵;表示在采样时间点tk时的常数矩阵Gk的伪逆矩阵;Hk表示在采样时间点tk时的常数矩阵;SZ为常数矩阵D的零空间矩阵;第一常数λ1为零空间矩阵SZ对应的自由变量;为在采样时间点tk时的常数矩阵Gk的零空间矩阵;第二常数λ2为零空间矩阵对应的自由变量;Wk为在采样时间点tk时的常数向量;为常数矩阵D+中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;SZ,up为零空间矩阵SZ中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等。
第三、创建第一关系数据的过程:
基于上述创建第一摩擦力约束条件的过程,能够得到初始第一关系数据及常数矩阵C的表达式,由于初始第一关系数据中包括常数矩阵C,该常数矩阵C包括第一常数λ1,通过将常数矩阵C的表达式代入初始第一关系数据中,得到该第一关系数据,该第一关系数据指示间隔时长t与足式机器人的质心位置P(t)之间的关系,该第一关系数据包括取值未确定的第一常数λ1。
第四、创建第二关系数据的过程:
基于上述第一摩擦力约束条件及第二摩擦力约束条件的创建过程,能够确定一个或两个足对应的第三关系数据、及至少三个足对应的第四关系数据,根据第一关系数据能够确定足式机器人的状态数据误差,及足式机器人在多个采样时间点时的质心位置,从而确定初始质心位置、多个采样质心位置及预测质心位置中的任两个相邻质心位置之间的距离,得到多个距离。
根据该第一关系数据、一个或两个足对应的第三关系数据、及至少三个足对应的第四关系数据,创建第二关系数据,第二关系满足如下关系:
该目标数据J满足以下关系:
J=Jgrf+Jlen+Jtgt
其中,Jgrf用于表示至少一个足对应的作用力的加权平方和,Jlen用于表示多个距离的加权平方和,Jtgt用于表示足式机器人在目标位置时,预测质心位置与目标质心位置之间的第一差值、预测质心速度目标质心速度之间的第二差值及预测质心加速度与目标质心加速度之间的第三差值的加权平方和。
在创建第二关系数据后,假设足式机器人在初始位置时的初始时间点t为0,根据选取k个采样时间点,按照如下关系式,确定目标数值J为最小值时第一常数λ1和第二常数的取值:
J=Jgrf+Jlen+Jtgt
其中,Jgrf用于表示至少一个足对应的作用力的加权平方和,Jlen用于表示多个距离的加权平方和,Jtgt用于表示足式机器人在目标位置时,预测质心位置与目标质心位置之间的第一差值、预测质心速度目标质心速度之间的第二差值及预测质心加速度与目标质心加速度之间的第三差值的加权平方和;Gk表示在采样时间点tk时的常数矩阵;fk表示在采样时间点tk时足式机器人的所有足对应的作用力总和;Hk表示在采样时间点tk时的常数矩阵;C为常数矩阵;Wk为在采样时间点tk时的常数向量;δk为常数向量,是由一组相同的微小整数组成的向量;Nk表示在采样时间点tk时,足式机器人所有足与地面接触的接触点的向量矩阵;B为采样时间点总个数,k为B个采样时间点中第k个采样时间点;P(0)=0表示根据第一关系数据确定的、足式机器人在初始位置时的质心位置变化量为0;表示根据第一关系数据确定的、足式机器人在初始位置时的初始质心速度为υ0;表示根据第一关系数据确定的、足式机器人在初始位置时的初始质心加速度为a0。
其中,N1表示在第1个采样时间点,足式机器人所有足与地面接触的接触点的向量矩阵;Nk表示在第k个采样时间点,足式机器人所有足与地面接触的接触点的向量矩阵;表示在采样时间点t1时足式机器人的所有足对应的作用力总和;表示在采样时间点tk时足式机器人的所有足对应的作用力总和;Ntotal为k个采样时间点,足式机器人所有足与地面接触的接触点的向量矩阵的集合矩阵;为常数矩阵D+中后第二行数的元素构成的子常数矩阵,该第二行数为常数矩阵D+的总行数与第一行数之间的差值;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;SZ,bo为零空间矩阵SZ中后第二行数的元素构成的子常数矩阵,该第二行数为常数矩阵D+的总行数与第一行数之间的差值;第一常数λ1为零空间矩阵SZ对应的自由变量;T表示对向量的转置。
其中,Nk表示在第k个采样时间点,足式机器人所有足与地面接触的接触点的向量矩阵;表示在采样时间点tk时的常数矩阵Gk的伪逆矩阵;Hk表示在采样时间点tk时的常数矩阵;SZ为常数矩阵D的零空间矩阵;第一常数λ1为零空间矩阵SZ对应的自由变量;为在采样时间点tk时的常数矩阵Gk的零空间矩阵;第二常数λ2为零空间矩阵对应的自由变量;Wk为在采样时间点tk时的常数向量;为常数矩阵D+中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等;Wtotal为常数矩阵,包括足式机器人在k个采样时间点的常数向量;SZ,up为零空间矩阵SZ中前第一行数的元素构成的子常数矩阵,该第一行数与常数矩阵C的行数相等。
本申请实施例提供的质心轨迹确定方法,可以适用于各种足式机器人,如双足机器人、四足机器人或六足机器人等;可以适用于足式机器人的各种步态,如双足行走、四足对角步态、四足爬行步态、六足对角步态等;可以适用于各种复杂环境下,如平地、不平地面、斜坡、楼梯等;可以采用间隔时长t的任意阶,在由初始位置至目标位置过程中可以采用任一个移动过程;对于地面为平面或高度差较小的情况下,可以保持机器人质心的高度不变,仅采用2组曲线规划质心在平面内的运动;可根据实际需求添加曲线位置、速度、加速度等的连续性约束,需保证添加约束后的曲线参数中仍有独立变量;在选取采样时间点时,可以在质心位置轨迹的任意位置进行采样,采样时间点的个数越多,分布越合理,得到的质心运动轨迹越可靠,但二次规划问题的尺寸越大,求解时间越长。另外第二关系数据中足式机器人的至少一个足与地面接触而受到的作用力、采样时间点对应的距离,均在x轴、y轴、z轴三个方向上具有分量,可以根据实际情况,在x轴、y轴、z轴上分别选择不同的权重,来确定作用力的加权平方和、距离的加权平方和。另外第二关系数据中除考虑地面作用力、曲线震荡幅度外,还可以考虑加速度的平方和、相邻点速度差的平方和、加速度差的平方和等。接触点的位置:接触点不仅局限于足式机器人的足与地面的接触点,同样适用于机器人身体、躯干、上肢等部位与环境接触的情况。基于本申请实施例提供的质心轨迹确定方法,在合理忽略其中影响较小项的情况下,充分考虑质心位置、质心速度、质心加速度约束与地面摩擦力约束,将质心轨迹规划问题转化成一个二次规划问题,利用二次规划问题,来确定足式机器人移动的质心轨迹。在二次规划问题中,充分考虑地面接触点的摩擦力约束和各种优化指标,保证了所生成的运动的可行性与高效性。
图6是本申请实施例提供的一种质心轨迹确定装置的结构示意图,如图6所示,该装置包括:
第一获取模块601,用于获取足式机器人在目标位置的目标状态数据;
创建模块602,用于创建第一关系数据,第一关系数据指示间隔时长t与足式机器人的质心位置P(t)之间的关系,第一关系数据包括第一常数λ1;
数据确定模块603,用于根据目标移动时长及第一关系数据,确定足式机器人在目标位置的预测状态数据;
创建模块602,还用于根据目标状态数据及预测状态数据之间的状态数据误差,创建第二关系数据,第二关系数据指示目标数值J与状态数据误差之间的正相关关系;
创建模块602,还用于创建第一摩擦力约束条件,第一摩擦力约束条件指示足式机器人的至少一个足与地面接触而受到的作用力所满足的摩擦力约束条件,第一摩擦力约束条件中包括第一常数λ1;
常数确定模块604,用于根据第二关系数据,确定在满足第一摩擦力约束条件的情况下,目标数值J为最小值时第一常数λ1的取值,获取取值已确定的第一常数λ1对应的第一关系数据。
在一种可能实现方式中,如图7所示,创建模块602,包括:
第二创建单元6202,用于根据至少一个足对应的第三关系数据,创建第一摩擦力约束条件。
在另一种可能实现方式中,如图7所示,创建模块602,包括:
第三创建单元6203,用于创建足式机器人的至少三个足对应的第四关系数据,至少三个足对应的第四关系数据分别指示至少三个足与地面接触而受到的作用力与间隔时长t之间的关系,第四关系数据包括第一常数λ1和第二常数λ2;根据状态数据误差、一个或两个足对应的第三关系数据及至少三个足对应的第四关系数据,创建第二关系数据,第二关系数据指示目标数值J与状态数据误差、一个或两个足与地面接触而受到的作用力的二次项、及至少三个足与地面接触而受到的作用力的二次项之间的正相关关系。
在另一种可能实现方式中,如图7所示,常数确定模块604,包括:
第四创建单元6401,用于根据至少三个足对应的第四关系数据,创建第二摩擦力约束条件,第二摩擦力约束条件指示足式机器人的至少三个足与地面接触而受到的作用力所满足的摩擦力约束条件,第四关系数据中包括第一常数λ1和第二常数λ2;
取值确定单元6402,用于根据第二关系数据,确定在满足第一摩擦力约束条件及第二摩擦力约束条件的情况下,目标数值J为最小值时第一常数λ1和第二常数λ2的取值。
在另一种可能实现方式中,目标状态数据包括目标质心位置,预测状态数据包括预测质心位置,如图7所示,创建模块602,包括:
第一确定单元6204,用于确定目标质心位置与预测质心位置之间的第一差值;
设置单元6205,用于将目标数值J设置为第一差值的平方。
在另一种可能实现方式中,目标状态数据包括目标质心速度,预测状态数据包括预测质心速度;如图7所示,创建模块602,包括:
第一确定单元6204,用于确定目标质心速度与预测质心速度之间的第二差值;
设置单元6205,用于将目标数值J设置为第二差值的平方。
在另一种可能实现方式中,目标状态数据包括目标质心加速度,预测状态数据包括预测质心加速度;如图7所示,创建模块602,包括:
第一确定单元6204,用于确定目标质心加速度与预测质心加速度之间的第三差值;
设置单元6205,用于将目标数值J设置为第三差值的平方。
在另一种可能实现方式中,如图7所示,创建模块602,包括:
选取单元6206,用于在目标移动时长内选取多个采样时间点;
第二确定单元6207,用于根据每个采样时间点与初始时间点之间的间隔时长及第一关系数据,确定每个采样时间点对应的第五关系数据,第五关系数据指示第一常数λ1与采样质心位置Q(λ1)之间的关系,采样质心位置Q(λ1)指示足式机器人在对应的采样时间点时的质心位置;
第五创建单元6208,用于根据状态数据误差及第五关系数据,创建第二关系数据,第二关系数据指示目标数值J与状态数据误差及采样质心位置Q(λ1)之间的正相关关系。
在另一种可能实现方式中,目标状态数据包括目标质心位置,预测状态数据包括预测质心位置,第五创建单元6208,用于确定目标质心位置与预测质心位置之间的第一差值;将目标数值J设置为第一数值与第二数值的和值,第一数值为第一差值的平方,第二数值为多个距离的加权平方和,多个距离包括初始位置的初始质心位置、多个采样质心位置及预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,目标状态数据包括目标质心速度,预测状态数据包括预测质心速度;第五创建单元6208,用于确定目标质心速度与预测质心速度之间的第二差值;将目标数值J设置为第三数值与第二数值的和值,第三数值为第二差值的平方,第二数值为多个距离的加权平方和,多个距离包括初始位置的初始质心位置、多个采样质心位置及预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,目标状态数据包括目标质心加速度,预测状态数据包括预测质心加速度;第五创建单元6208,用于确定目标质心加速度与预测质心加速度之间的第三差值;将目标数值J设置为第四数值与第二数值的和值,第四数值为第三差值的平方,第二数值为多个距离的加权平方和,多个距离包括初始位置的初始质心位置、多个采样质心位置及预测质心位置中的任两个相邻质心位置之间的距离。
在另一种可能实现方式中,如图7所示,常数确定模块604,包括:
第六创建单元6403,用于根据第一关系数据及初始时间点,创建第六关系数据、第七关系数据及第八关系数据,第六关系数据指示足式机器人在初始位置的初始质心位置与第一常数λ1的关系,第七关系数据指示足式机器人在初始位置的初始质心速度与第一常数λ1的关系,第八关系数据指示足式机器人在初始位置的初始质心加速度与第一常数λ1的关系;
第三确定单元6404,用于根据第六关系数据、第七关系数据、第八关系数据及第二关系数据,确定在满足第一摩擦力约束条件及第二摩擦力约束条件的情况下,目标数值J为最小值时第一常数λ1的取值。
在另一种可能实现方式中,目标状态数据包括目标质心位置,如图7所示,第一获取模块601,包括:
获取单元6101,用于获取足式机器人在目标位置时,足式机器人配置的至少一个足与地面接触的接触点位置;
第四确定单元6102,用于根据至少一个足的接触点位置,确定目标质心位置。
在另一种可能实现方式中,目标状态数据还包括目标质心速度,如图7所示,装置还包括:
第二获取模块605,用于获取足式机器人在初始位置的初始状态数据,初始状态数据至少包括初始质心位置;
第一确定模块606,用于将目标质心位置与初始质心位置之间的距离,与目标移动时长之间的比值,确定为目标质心速度。
在另一种可能实现方式中,目标状态数据还包括目标质心加速度,初始状态数据还包括初始质心速度;如图7所示,装置还包括:
第二确定模块607,用于将目标质心速度与初始质心速度之间的差值,与目标移动时长之间的比值,确定为目标加速度。
在另一种可能实现方式中,预测状态数据包括预测质心位置,如图7所示,数据确定模块603,包括:
第五确定单元6301,用于根据第一关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心位置。
在另一种可能实现方式中,预测状态数据包括预测质心速度,如图7所示,数据确定模块603,包括:
第七创建单元6302,还用于根据第一关系数据,创建间隔时长t与足式机器人的质心速度之间的关系数据;
第六确定单元6303,用于根据间隔时长t与足式机器人的质心速度之间的关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心速度。
在另一种可能实现方式中,预测状态数据包括预测质心加速度,如图7所示,数据确定模块603,包括:
第七创建单元6302,还用于根据第一关系数据,创建间隔时长t与足式机器人的质心加速度之间的关系数据;
第六确定单元6303,用于根据间隔时长t与足式机器人的质心加速度之间的关系数据,确定足式机器人由初始位置经过目标移动时长后的预测质心加速度。
在另一种可能实现方式中,获取取值已确定的第一常数λ1对应的第一关系数据之后,如图7所示,装置还包括:
位置确定模块608,用于在足式机器人的移动过程中,根据第一关系数据,确定足式机器人在任一间隔时长t0时的质心位置P(t0);
扭矩确定模块609,用于根据质心位置P(t0)及目标位置,确定足式机器人的多个关节的关节扭矩;
控制模块610,用于按照多个关节的关节扭矩,控制多个关节进行转动,带动足式机器人移动。
需要说明的是:上述实施例提供的质心轨迹确定装置,仅以上述各功能模块的划分进行举例说明,实际应用中,能够根据需要而将上述功能分配由不同的功能模块完成,即将足式机器人或控制设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的质心轨迹确定装置与质心轨迹确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请实施例还提供了一种足式机器人,该足式机器人包括处理器和存储器,存储器中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行以实现上述实施例的质心轨迹确定方法中所执行的操作。
图8示出了本申请一个示例性实施例提供的足式机器人800的结构示意图。该足式机器人800用于执行上述质心轨迹确定方法中足式机器人所执行的步骤。
足式机器人800包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器801还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储至少一个计算机程序,该至少一个计算机程序用于被处理器801所执行以实现本申请中方法实施例提供的质心轨迹确定方法。
在一些实施例中,足式机器人800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、显示屏805、摄像头组件805、音频电路807、定位组件806和电源807中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上;在一些其他实施例中,处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路804包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路804还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
摄像头组件805用于采集图像或视频。可选地,摄像头组件805包括前置摄像头和后置摄像头。前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件805还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
定位组件806用于定位足式机器人800的当前地理位置,以实现导航或LBS(Location Based Service,基于位置的服务)。定位组件806可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源807用于为足式机器人800中的各个组件进行供电。电源807可以是交流电、直流电、一次性电池或可充电电池。当电源807包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,足式机器人800还包括有一个或多个传感器808。该一个或多个传感器808包括但不限于:加速度传感器809、陀螺仪传感器810。
加速度传感器809可以检测以足式机器人800建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器809可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器809采集的重力加速度信号。加速度传感器809还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器810可以检测足式机器人800的机体方向及转动角度,陀螺仪传感器810可以与加速度传感器809协同采集用户对足式机器人800的3D动作。处理器801根据陀螺仪传感器810采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
本领域技术人员可以理解,图8中示出的结构并不构成对足式机器人800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本申请实施例还提供了一种控制设备,该控制设备人包括处理器和存储器,存储器中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行以实现上述实施例的质心轨迹确定方法中所执行的操作。
可选地,该计算机设备提供为服务器。图9是本申请实施例提供的一种控制设备的结构示意图,该控制设备900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central Processing Units,CPU)901和一个或一个以上的存储器902,其中,存储器902中存储有至少一条计算机程序,至少一条计算机程序由处理器901加载并执行以实现上述各个方法实施例提供的方法。当然,该控制设备还可以具有有线或无线网络接口、键盘及输入输出接口等部件,以便进行输入输出,该控制设备还可以包括其他用于实现设备功能的部件,在此不做赘述。
控制设备900可以用于执行上述质心轨迹确定方法中控制设备所执行的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行以实现上述实施例的质心轨迹确定方法中所执行的操作。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机程序代码,该计算机程序代码存储在计算机可读存储介质中。足式机器人或控制设备的处理器从计算机可读存储介质读取该计算机程序代码,处理器执行该计算机程序代码,使得该足式机器人或控制设备实现如上述实施例的质心轨迹确定方法中所执行的操作。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请实施例的可选实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种质心轨迹确定方法,其特征在于,所述方法包括:
获取足式机器人在目标位置的目标状态数据;
创建第一关系数据,所述第一关系数据指示间隔时长t与所述足式机器人的质心位置P(t)之间的关系,所述第一关系数据包括第一常数λ1;
根据目标移动时长及所述第一关系数据,确定所述足式机器人在所述目标位置的预测状态数据;
根据所述目标状态数据及所述预测状态数据之间的状态数据误差,创建第二关系数据,所述第二关系数据指示目标数值J与所述状态数据误差之间的正相关关系;
根据所述第二关系数据,确定在满足所述第一摩擦力约束条件的情况下,所述目标数值J为最小值时所述第一常数λ1的取值,获取取值已确定的第一常数λ1对应的第一关系数据,取值已确定的第一常数λ1对应的第一关系数据用于表示所述足式机器人的质心轨迹。
4.根据权利要求3所述的方法,其特征在于,所述足式机器人配置有目标数量的足,所述目标数量为不小于3的正整数;所述第一摩擦力约束条件指示所述足式机器人的一个或两个足与地面接触而受到的作用力所满足的摩擦力约束条件;
所述根据所述状态数据误差及所述第三关系数据,创建所述第二关系数据,包括:
创建所述足式机器人的至少三个足对应的第四关系数据,所述至少三个足对应的第四关系数据分别指示所述至少三个足与地面接触而受到的作用力与间隔时长t之间的关系,所述第四关系数据包括所述第一常数λ1和第二常数λ2;
6.一种质心轨迹确定装置,其特征在于,所述装置包括:
第一获取模块,用于获取足式机器人在目标位置的目标状态数据;
创建模块,用于创建第一关系数据,所述第一关系数据指示间隔时长t与所述足式机器人的质心位置P(t)之间的关系,所述第一关系数据包括第一常数λ1;
数据确定模块,用于根据目标移动时长及所述第一关系数据,确定所述足式机器人在所述目标位置的预测状态数据;
所述创建模块,还用于根据所述目标状态数据及所述预测状态数据之间的状态数据误差,创建第二关系数据,所述第二关系数据指示目标数值J与所述状态数据误差之间的正相关关系;
常数确定模块,用于根据所述第二关系数据,确定在满足所述第一摩擦力约束条件的情况下,所述目标数值J为最小值时所述第一常数λ1的取值,获取取值已确定的第一常数λ1对应的第一关系数据,取值已确定的第一常数λ1对应的第一关系数据用于表示所述足式机器人的质心轨迹。
11.一种足式机器人,其特征在于,所述足式机器人包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行以实现如权利要求1至5任一权利要求所述的质心轨迹确定方法中所执行的操作。
12.一种控制设备,其特征在于,所述控制设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行以实现如权利要求1至5任一权利要求所述的质心轨迹确定方法中所执行的操作。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行以实现如权利要求1至5任一权利要求所述的质心轨迹确定方法中所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110003601.8A CN112783175B (zh) | 2021-01-04 | 2021-01-04 | 质心轨迹确定方法、装置、足式机器人、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110003601.8A CN112783175B (zh) | 2021-01-04 | 2021-01-04 | 质心轨迹确定方法、装置、足式机器人、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112783175A CN112783175A (zh) | 2021-05-11 |
CN112783175B true CN112783175B (zh) | 2022-09-16 |
Family
ID=75753804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110003601.8A Active CN112783175B (zh) | 2021-01-04 | 2021-01-04 | 质心轨迹确定方法、装置、足式机器人、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112783175B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113421285B (zh) * | 2021-06-28 | 2024-03-01 | 上海齐感电子信息科技有限公司 | 视觉目标跟踪系统及跟踪方法 |
CN116991155A (zh) * | 2022-09-07 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 移动轨迹确定方法、装置、计算机设备及存储介质 |
CN115709471B (zh) * | 2023-01-10 | 2023-05-30 | 深圳鹏行智能研究有限公司 | 机器人状态值调整方法及机器人 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101687631B1 (ko) * | 2010-01-18 | 2016-12-20 | 삼성전자주식회사 | 로봇의 보행 제어 장치 및 그 제어 방법 |
CN105511465B (zh) * | 2015-12-02 | 2017-08-04 | 歌尔股份有限公司 | 一种双足机器人的步态控制方法和装置 |
BR112018071792A2 (pt) * | 2016-04-29 | 2019-02-19 | Softbank Robotics Europe | robô móvel com capacidades de movimento equilibrado e de comportamento melhoradas |
CN108237532B (zh) * | 2016-12-23 | 2020-11-27 | 深圳光启合众科技有限公司 | 多足机器人的步态控制方法、装置和机器人 |
CN110065065A (zh) * | 2018-01-24 | 2019-07-30 | 南京机器人研究院有限公司 | 一种关节机器人行走控制方法 |
CN111506094A (zh) * | 2020-04-14 | 2020-08-07 | 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 |
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 |
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 |
-
2021
- 2021-01-04 CN CN202110003601.8A patent/CN112783175B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112783175A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113534828B (zh) | 质心位置确定方法、装置、足式机器人及存储介质 | |
CN112783175B (zh) | 质心轨迹确定方法、装置、足式机器人、设备及介质 | |
CN112114589B (zh) | 足式机器人运动控制方法、装置、设备及介质 | |
CN109949422B (zh) | 用于虚拟场景的数据处理方法以及设备 | |
CN111156998B (zh) | 一种基于rgb-d相机与imu信息融合的移动机器人定位方法 | |
García Carrillo et al. | Combining stereo vision and inertial navigation system for a quad-rotor UAV | |
CN112051797B (zh) | 足式机器人运动控制方法、装置、设备及介质 | |
CN109596118A (zh) | 一种用于获取目标对象的空间位置信息的方法与设备 | |
KR102198851B1 (ko) | 물체의 3차원 모델 데이터 생성 방법 | |
Cheng et al. | Mobile robot indoor dual Kalman filter localisation based on inertial measurement and stereo vision | |
WO2022261381A1 (en) | Localization processing service | |
CN114488848B (zh) | 面向室内建筑空间的无人机自主飞行系统及仿真实验平台 | |
CN114111776A (zh) | 定位方法及相关装置 | |
Son et al. | Synthetic deep neural network design for lidar-inertial odometry based on CNN and LSTM | |
CN115063480A (zh) | 位姿确定方法、装置、电子设备和可读存储介质 | |
Zhou et al. | Autonomous wireless sensor deployment with unmanned aerial vehicles for structural health monitoring applications | |
JP7454677B2 (ja) | 質量中心位置決定方法、装置、足式ロボット及びコンピュータプログラム | |
CN118247706A (zh) | 基于微调标准模型的三维姿态估计方法、装置及存储介质 | |
CN114723807A (zh) | 质心轨迹确定方法、装置、足式机器人、设备及介质 | |
Purnawarman et al. | The methodology for obtaining nonlinear and continuous three-dimensional topographic data using inertial and optical measuring instruments of unmanned ground systems | |
CN116985110A (zh) | 控制足式机器人的方法和装置及足式机器人 | |
CN116991155A (zh) | 移动轨迹确定方法、装置、计算机设备及存储介质 | |
Zhang et al. | Human motion capture system based on distributed wearable sensing technology | |
Xiong et al. | Onboard cooperative relative positioning system for Micro-UAV swarm based on UWB/Vision/INS fusion through distributed graph optimization | |
Chen et al. | RESEARCH ON SLAM TECHNOLOGY OF ROBOT BASED ON ROS |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40043820 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |