CN113305844B - 仿人机器人平衡控制方法、装置和仿人机器人 - Google Patents
仿人机器人平衡控制方法、装置和仿人机器人 Download PDFInfo
- Publication number
- CN113305844B CN113305844B CN202110592574.2A CN202110592574A CN113305844B CN 113305844 B CN113305844 B CN 113305844B CN 202110592574 A CN202110592574 A CN 202110592574A CN 113305844 B CN113305844 B CN 113305844B
- Authority
- CN
- China
- Prior art keywords
- task
- humanoid robot
- decomposition
- sole
- joint
- 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 62
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 138
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 230000001133 acceleration Effects 0.000 claims description 91
- 239000011159 matrix material Substances 0.000 claims description 61
- 230000006870 function Effects 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 229910052739 hydrogen Inorganic materials 0.000 claims description 6
- 239000001257 hydrogen Substances 0.000 claims description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 150000002431 hydrogen Chemical class 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 210000001503 joint Anatomy 0.000 description 5
- 210000002683 foot Anatomy 0.000 description 3
- 210000000544 articulatio talocruralis Anatomy 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0008—Balancing devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0006—Exoskeletons, i.e. resembling a human figure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1607—Calculation of inertia, jacobian matrixes and inverses
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1651—Programme controls characterised by the control loop acceleration, rate control
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Manipulator (AREA)
Abstract
本申请实施例提供一种仿人机器人平衡控制方法、装置和仿人机器人,该方法包括:利用对应控制周期内反馈得到的机器人相关实际状态和规划的对应期望状态对不同分解任务模型进行求解,得到各个分解任务在对应控制周期的任务方程;基于各个任务方程对多任务误差优化函数进行最优求解,其中,多任务误差优化函数基于所有分解任务模型和权重构建且设有机器人在执行各个分解任务时需满足的约束条件;若在对应控制周期内求解出最优解,则根据最优解获得对应控制周期的关节控制指令,以控制对应关节执行任务。本申请的技术方案可以实现机器人在多任务执行的同时确保满足必要的约束,还综合考虑所有任务的误差以确保整体任务的执行,具有较高的鲁棒性等。
Description
技术领域
本申请涉及仿人机器人技术领域,尤其涉及一种仿人机器人平衡控制方法、装置和仿人机器人。
背景技术
仿人机器人的平衡会直接影响到仿人机器人执行其他任务的能力,然而实际应用中,仿人机器人难免会受到来自外界环境的各种干扰,因此实现仿人机器人在干扰下的平衡控制显得尤为重要。
仿人机器人的传统平衡控制方法有两种,一种是使用简化模型,但这种做法会导致机器人自由度的浪费,往往无法同时执行多个任务;另一种是使用全身运动控制以实现多任务。目前广泛采用的是零空间投影方法来对执行的多个任务进行解耦,即低优先级任务要在高优先级任务的零空间内求解。然而在某些情况下,每次都以牺牲低优先级任务以保证高优先级任务的执行,往往会导致整体任务的失败等。
发明内容
本申请实施例提供一种仿人机器人平衡控制方法、装置和仿人机器人,可以实现机器人在多任务执行的同时确保满足必要的约束,还综合考虑所有任务的误差以确保整体任务的执行,提升控制系统的鲁棒性等。
本申请的实施例提供一种仿人机器人平衡控制方法,包括:
利用对应控制周期内反馈得到的仿人机器人相关实际状态和规划的对应期望状态对该仿人机器人的不同分解任务模型进行求解,得到各个分解任务在对应控制周期的任务方程;
基于各个所述分解任务的所述任务方程对多任务误差优化函数进行最优求解,其中,所述多任务误差优化函数基于所有所述分解任务模型和每个所述分解任务的分配权重构建得到且设有该仿人机器人在执行各个所述分解任务时需满足的约束条件;
若在对应控制周期内求解出最优解,则根据所述最优解获得所述对应控制周期的关节控制指令,并利用所述关节控制指令控制该仿人机器人的对应关节以执行相应所述分解任务。
在一些实施例中,该仿人机器人平衡控制方法还包括:
若在对应控制周期内求解失败,则利用上一控制周期的关节控制指令对该仿人机器的对应关节进行控制。
在一些实施例中,该仿人机器人包括四个分解任务,分别为足底位姿任务、线动量任务、躯干姿态任务和足底受力任务,每个分解任务构建有各自的分解任务模型;
其中,所述足底位姿任务的分解任务模型的预先构建,包括:
构建与该仿人机器人的足底位姿偏差和足底速度偏差有关的足底加速度控制律,所述足底加速度控制律用于求解足底加速度;其中,所述足底位姿偏差为规划的足底位姿与反馈得到的实际足底位姿之差,所述足底速度偏差为规划的足底速度与反馈得到的实际足底速度之差;
构建该仿人机器人的足底加速度与关节角加速度之间满足的第一运动学方程,所述足底位姿任务的分解任务模型通过对所述第一运动学方程进行预设形式描述得到,其中,所述预设形式中将所述关节角加速度和所述足底受力描述为待优化变量。
在一些实施例中,所述第一运动学方程为:
所述足底加速度控制律满足:
aF,d=aF,ref+Kp1(rF,ref-rF)+Kd1(vF,ref-vF);
其中,aF,d为期望的足底加速度;aF,ref为规划的足底前馈加速度;rF,ref和vF,ref分别为规划的足底位姿和足底速度;rF和vF分别为反馈得到的实际足底位姿和实际足底速度;Kp1和Kd1分别为系数矩阵。
在一些实施例中,所述线动量任务的分解任务模型的预先构建,包括:
构建与该仿人机器人的合质心位置偏差和合质心速度偏差有关的线动量控制律,所述线动量控制律用于求解机器人的线动量导数;其中,所述合质心位置偏差为规划的合质心位置与反馈得到的实际合质心位置之差,所述合质心速度偏差为规划的合质心速度与反馈得到的实际合质心速度之差;
构建该仿人机器人的线动量导数与关节角加速度之间满足的线动量方程,所述线动量任务的分解任务模型通过对所述线动量方程进行所述预设形式描述得到。
在一些实施例中,所述线动量任务的分解任务模型为:
所述线动量控制律满足:
其中,为期望的线动量导数;为规划的线动量导数前馈量;rCoM,ref和vCoM,ref分别为规划的仿人机器人的合质心位置和合质心速度;rCoM和vCoM分别为反馈得到的实际合质心位置和实际合质心速度;Kp2和Kd2为系数矩阵。
在一些实施例中,该仿人机器人的躯干姿态通过在躯干与世界坐标系原点之间构建的若干个虚拟关节的状态描述;所述躯干姿态任务的分解任务模型的预先构建,包括:
构建与该仿人机器人的躯干姿态偏差和躯干姿态速度偏差有关的躯干加速度控制律,所述躯干加速度控制律用于求解躯干姿态加速度;其中,所述躯干姿态偏差为规划的躯干姿态与反馈得到的实际躯干姿态之差,所述躯干姿态速度偏差为规划的躯干姿态速度与反馈得到的实际躯干姿态速度之差;
构建该仿人机器人的躯干姿态加速度与关节角加速度之间满足的第二运动学方程,所述躯干姿态任务的分解任务模型通过对所述第二运动学方程进行所述预设形式描述得到。
在一些实施例中,所述第二运动学方程为:
所述躯干加速度控制律满足:
aT,d=aT,ref+Kp3(rT,ref-rT)+Kd3(vT,ref-vT);
其中,aT,d为期望的躯干姿态加速度;aT,ref为规划的躯干姿态前馈加速度;rT,ref和vT,ref分别为规划的躯干姿态和躯干姿态速度;rT和vT分别为反馈得到的实际躯干姿态和实际躯干姿态速度;Kp3和Kd3为系数矩阵。
在一些实施例中,该仿人机器人包括左腿和右腿,所述足底受力任务的分解任务模型的预先构建,包括:
以实际足底受力等于期望足底受力为目标分别构建所述左腿和所述右腿的足底受力等式,所述足底受力任务的分解任务模型通过对所述左腿和所述右腿的所述足底受力等式进行所述预设形式描述得到。
在一些实施例中,该仿人机器人在执行各个所述分解任务时需满足的所述约束条件包括:浮动基动力学方程约束、足底受力的摩擦锥约束、及压力中心约束或零力矩点约束;
其中,该仿人机器人的躯干作为浮动基座,所述浮动基动力学方程为:
在一些实施例中,所述多任务误差优化函数采用最小二乘法函数构建,表达式如下:
其中,第i个分解任务的任务方程的表达式为wiAiX=wibi,wi为第i个分解任务的分配权重矩阵;Ai和bi分别表示第i个分解任务的任务系数矩阵和任务向量;X为待优化变量;m为分解任务总数量。
本申请的实施例还提供一种仿人机器人平衡控制装置,包括:
任务分解模块,用于利用对应控制周期内反馈得到的仿人机器人相关实际状态和规划的对应期望状态对该仿人机器人的不同分解任务模型进行求解,得到各个分解任务在对应控制周期的任务方程,其中,每个所述任务方程中包含对应分解任务的分配权重;
优化求解模块,用于基于所有分解任务的所述任务方程对多任务误差优化函数进行最优求解,其中,所述任务误差优化函数以该仿人机器人的足底受力和关节角加速度为优化变量且设有该仿人机器人在执行各个所述分解任务时需满足的约束条件;
关节控制模块,用于若在对应控制周期内求解出最优解,则根据所述最优解获得所述对应控制周期的关节控制指令,并利用所述关节控制指令控制该仿人机器人的对应关节以执行各个所述分解任务。
本申请的实施例还提供一种仿人机器人,所述仿人机器人包括处理器和存储器,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施上述的仿人机器人平衡控制方法。
本申请的实施例还提供一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上执行时,实施上述的仿人机器人平衡控制方法。
本申请的实施例具有如下有益效果:
本申请实施例的仿人机器人平衡控制方法通过将仿人机器人平衡控制分解为多个单任务,并以各个任务方程为目标,同时结合多个约束方程来整体构建一个优化问题,使得优化问题的求解能够使得机器人满足相应约束条件,又可以尽可能地同时执行多项任务,以及确保整体任务的执行等。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下所示附图仅为本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1所示为本申请实施例的仿人机器人平衡控制方法的流程示意图;
图2所示为本申请实施例的仿人机器人平衡控制方法的一种任务分解的示意图;
图3所示为本申请实施例的仿人机器人平衡控制方法的足底位姿任务的构建流程示意图;
图4所示为本申请实施例的仿人机器人平衡控制方法的线动量任务的构建流程示意图;
图5所示为本申请实施例的仿人机器人平衡控制方法的躯干姿态任务构建流程示意图;
图6所示为本申请实施例的仿人机器人平衡控制装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
针对仿人机器人的两种传统平衡控制方法,以第一种的简化模型方法为例,其主要是将机器人踝关节以外的所有关节都锁住,即将机器人模型视为一个单级的倒立摆模型。当外界施加小扰动时,只需要通过控制踝关节力矩来恢复机器人的身体姿态平衡。可知,简化模型方法虽然可以降低问题的复杂度,但由于完全不考虑其他关节自由度,这会导致机器人自由度的浪费,因此无法利用冗余自由度来执行其他的任务,对于一些需要执行多任务的场合,往往无法满足需求。
而在第二种的全身运动控制方法中,平衡控制被分解为多个单任务,虽然可以利用冗余自由度执行多任务需求,但是由于这些任务之间互相影响呈现较强的耦合特性,即一个任务的执行效果往往会受到其他任务的影响,故广泛采用零空间投影方法来将各个任务进行解耦。然而,在实际运用过程中,零空间投影方法只能保证不影响高优先级任务的执行,随着任务数量的增加,任务的零空间会越来越小,这直接导致后续低优先级任务完全无法执行。而且在某些情况下,一些低优先级任务的无法执行却可能会导致整体任务的失败。此外,这种方法也不能处理不等式任务,例如机器人足底的摩擦锥约束等,而往往这些约束在机器人的平衡控制中却是必须要考虑的。
为此,本申请实施例提出一种在多任务多约束下的仿人机器人的平衡控制方法,通过将平衡控制从任务和约束两个角度同时考虑,一方面进行多任务分解,例如,包括足底位姿任务、线动量任务、躯干姿态任务和足底受力任务等;二是多约束构建,例如,包括动力学约束、摩擦锥约束、CoP(Center of pressure,压力中心)约束,其中,CoP约束也可以替换为ZMP(Zero Moment Point,零力矩点)约束等。通过以多任务构建任务执行优化函数并以各约束方程作为优化函数的求解约束,使得优化求解得到的解所对应的关节控制指令可以确保机器人在满足约束的情况下同时执行多项任务,还综合考虑所有任务的误差以确保整体任务的执行等。
下面将结合具体的实施例来对该仿人机器人的平衡控制方法进行说明。
实施例1
请参照图1,本实施例提出一种仿人机器人的平衡控制方法,可应用于具有力控型关节的仿人机器人,该方法通过对仿人机器人的平衡控制进行了多任务分解和多约束建立,可以实现机器人在满足约束的情况下同时执行多项任务等。下面对该平衡控制方法进行详细说明。
步骤S110,利用对应控制周期内反馈得到的仿人机器人相关实际状态和规划的对应期望状态对该仿人机器人的不同分解任务模型进行求解,得到各个分解任务在对应控制周期的任务方程。
其中,上述的不同分解任务模型可预先通过对该仿人机器人进行多任务分解并构建对应的任务方程得到。示范性地,可按照该仿人机器人中的不同对象所需满足的运动状态或受力等分解得到多个单任务。例如,上述的对象可包括但不限于为机器人的足底、躯干、合质心、手臂等。以足底为例,针对位姿和受力,可分解得到足底位姿任务和足底受力任务;以躯干为例,可分解得到躯干姿态任务;以机器人的合质心为例,可分解得到线动量任务;又或者,以手臂末端为例,可分解得到手臂末端位姿任务和手臂受力任务等。
在确定各个分解任务后,相应地,可根据每个分解任务中的对象来构建其满足的如运动学或动力学等机器人方程或约束,从而得到上述的分解任务模型。可以理解,对于不同的分解任务模型,其所包含的变量往往不同,因此,在进行分解任务模型的求解过程中,需要代入所需的机器人相关变量。
为方便后续的优化计算,进一步地,可将上述得到的各个分解任务模型进行统一形式描述,即描述为AiX=bi,其中,Ai为第i个分解任务的任务矩阵,X为待优化变量,bi为第i个分解任务的任务向量。
对于上述步骤S110,示范性地,在平衡控制之前,将对分解的每个任务预先规划其运动轨迹或给出期望受力,以得到每个控制周期内的期望状态。于是,在平衡控制过程中,对于每个控制周期,可根据对应的分解任务模型,将规划给定的机器人相关期望状态及反馈得到的实际状态代入对应的任务模型中,从而得到各分解任务对应的包含待求解变量的任务方程。
步骤S120,基于各个分解任务的任务方程对多任务误差优化函数进行最优求解。其中,所述多任务误差优化函数基于所有分解任务模型和每个分解任务的分配权重构建得到且设有该仿人机器人在执行各个分解任务时需满足的约束条件。
本实施例中,该仿人机器人的平衡控制包括任务部分和约束部分,其中,任务部分用于将机器人的平衡控制分解为多个单任务并构建各自的任务模型;而约束部分则用于构建机器人在执行各任务时需要满足的约束方程。
为了实现多任务多约束的平衡控制,本实施例将以各个任务方程为目标,同时结合约束方程来整体构建一个优化问题,即构建上述的多任务误差优化函数,使得优化问题的求解既能够使得机器人满足相应约束条件,又可以尽可能地同时执行多项任务,以及确保整体任务的执行等。
在一种实施方式中,以多任务执行时误差之和代价最小为目标来构建得到一个多任务误差优化函数。示范性地,在构建该多任务误差优化函数之前,可分别构建单个任务的目标函数,例如,可采用最小二乘法函数构建,即其中,A为任务矩阵,X为待优化变量,b为任务向量。进而,当任务不止一个时,则最小二乘优化问题的目标函数可以表示为:
值得注意的是,考虑到多个分解任务对于整体任务的重要性存在一定差异,本实施例将通过权重调整来控制各个分解任务的执行误差,即为每个分解任务分配一个权重,于是,对于单个分解任务的任务方程满足:
wiAiX=wibi;
其中,wi为第i个分解任务分配的权重矩阵;Ai和bi分别表示第i个分解任务的任务系数矩阵和任务向量。
于是,对于m个分解任务,可构建得到如下的多任务误差优化函数:
考虑到该多任务误差优化函数的优化求解,这里将该多任务的目标函数转换为在满足线性约束下极小化任务执行误差的二次型优化函数,以便使用已有开源求解器进行求解。示范性地,该二次型优化函数的表达式为:
其中,X为待求解变量;H=ATA,g=-ATb,A和b分别表示由上述的所有分解任务所构成的任务系数矩阵和任务向量,C、d分别为所述约束条件中的不等式约束的系数矩阵与边界;Ceq、deq分别为所述约束条件中的等式约束的系数矩阵与边界;lb、ub为待求解变量X的约束边界。
在一种实施方式中,该仿人机器人在执行各个分解任务时需满足的约束条件包括浮动基动力学方程约束、足底受力的摩擦锥约束及CoP(压力中心)约束等;其中,CoP约束也可以替换为ZMP(零力矩点)约束。当然,还可以包括其他的约束,这里并不作限定。
对于上述步骤S120,示范性地,在得到对应控制周期各个分解任务对应的任务方程后,则可确定对应控制周期的任务系数矩阵A和任务向量b,进而代入上述的二次型优化函数中并利用开源求解器进行优化求解。
步骤S130,若在对应控制周期内求解出最优解,则根据所述最优解获得对应控制周期的关节控制指令,并利用所述关节控制指令控制该仿人机器人的对应关节以执行相应分解任务。
示范性地,若对上述的多任务误差优化函数求解成功且求解时间小于控制周期,则说明求解得到的解能够满足所有的线性约束,且能够使所有任务的执行误差之和最小。进而,可根据最优解来计算关节控制指令,例如,对于力控型关节,该关节控制指令为驱动力矩。最后,将该关节控制指令输入到对应关节电机中以控制关节运动,从而执行多项分解任务。
例如,对于力控型关节,根据机器人的全动力学模型,该仿人机器人可驱动关节的驱动力矩τ满足:
其中,Sa为可驱动关节的选择矩阵;M为惯量矩阵;C为由离心力和科里奥利力构成的非线性向量;G为重力向量;为求解得到的仿人机器人各关节角加速度;F为求解得到的仿人机器人的所受外力,一般地,该外力可为仿人机器人的足底受力,J为仿人机器人外力作用点的雅可比矩阵。
此外,考虑到并不是所有的情况下都会求解成功,对于求解失败的情况,则可控制保持当前关节状态以防止仿人机器人出现失衡等现象。进一步地,该仿人机器人平衡控制方法还包括:
步骤S140,若在对应控制周期内求解失败,则利用上一控制周期的关节控制指令对该仿人机器的对应关节进行控制。
示范性地,若没有最优解或者最优解的求解时间超过控制周期,则说明该二次型优化问题无解或者存在最优解但是无法在指定控制周期内返回优化结果,此时将发送上一控制周期的关节控制指令到相对应的关节电机以进行关节力矩保持,如上一控制周期的驱动力矩τpre等。
本实施例的仿人机器人平衡控制方法考虑到仿人机器人在执行规划的任务时需要保证其自身的平衡,进而通过综合考虑任务和约束来构建多任务误差优化问题,使得求解到的优化解可以确保机器人既可以执行多项任务又可以满足必需的约束,提升机器人控制系统的鲁棒性,进而提高机器人平衡能力等。
实施例2
请参照图2,基于上述实施例1的方法,本实施例提出的仿人机器人平衡控制方法将结合具体的多个分解任务来进行说明。
示范性地,该仿人机器人包括四个分解任务,分别是足底位姿任务和足底受力任务、线动量任务、以及躯干姿态任务,其中,足底位姿任务用于控制该仿人机器人的足底达到期望位姿;线动量任务用于控制该仿人机器人的合质心达到期望状态;躯干姿态任务用于控制该仿人机器人的躯干达到期望姿态;足底受力任务用于控制该仿人机器人的足底受力达到期望力。
可以理解,上述这四个分解任务将作为实现机器人的平衡控制的主要任务,当然还可以包括其他的规划任务,如手臂末端的相关力控任务等。
本实施例中,该仿人机器人的躯干作为浮动基,并通过在运动的躯干与世界坐标系原点之间构建的6个虚拟关节来描述躯干的状态,也为浮动基的状态。若该仿人机器人的电机可驱动的关节数量为n个,则关节自由度的总数量为(n+6)个。值得注意的是,下面提及的仿人机器人的各个关节角速度及关节角加速度等中的各个关节是指包含虚拟关节和可驱动关节在内的所有关节。下面将对上述四个分解任务模型的构建进行说明。
如图3所示,示范性地,足底位姿任务的分解任务模型的构建,包括:
步骤S311,构建与该仿人机器人的足底位姿偏差和足底速度偏差有关的足底加速度控制律,所述足底加速度控制律用于求解足底加速度。其中,足底位姿偏差为规划的足底位姿与反馈得到的实际足底位姿之差,足底速度偏差为规划的足底速度与反馈得到的实际足底速度之差。
步骤S312,构建该仿人机器人的足底加速度与关节角加速度之间满足的第一运动学方程,对该第一运动学方程进行预设形式(Ax=b)描述得到该足底位姿任务的分解任务模型。可以理解,步骤S311和S312的执行顺序并不作限定,可以是同时执行,也可以是按照设定的顺序执行。
例如,在一种实施方式中,足底加速度控制律基于PD控制构建得到,如下:
aF,d=aF,ref+Kp1(rF,ref-rF)+Kd1(vF,ref-vF);
其中,aF,d为期望的足底加速度;aF,ref为规划的足底前馈加速度;rF,ref和vF,ref分别为规划的足底位姿和足底速度;rF和vF分别为反馈得到的实际足底位姿和实际足底速度;Kp1和Kd1分别为系数矩阵。可以理解,上述的足底加速度控制律也可以采用其他的控制器结构来实现,如PID控制等,具体可根据实际需求来选取。
同时,根据机器人正向运动学原理,该足底加速度满足如下运动学方程:
其中,JF为该仿人机器人足底对应的雅克比矩阵,维度为12×(n+6);为雅克比矩阵JF的导数。为反馈得到的仿人机器人的各个关节角速度,维度为(n+6)×1;为待求解的仿人机器人各个关节角加速度,维度为(n+6)×1。aF为待求解的足底加速度,是维度为12×1的列向量,通过足底加速度控制律计算得到,其中,其前六行代表该机器人左腿足底的六维加速度,后六行代表机器人右脚足底的六维加速度,而六维加速度由三维线加速度和三维角加速度构成。
进而,通过Ax=b形式描述,即可得到如下分解任务模型:
其中,FL和FR分别为待求解的机器人左腿和右腿的六维足底受力。
如图4所示,示范性地,线动量任务的分解任务模型的构建,包括:
步骤S411,构建与仿人机器人的合质心位置偏差和合质心速度偏差有关的线动量控制律,所述线动量控制律用于求解机器人的线动量导数。其中,合质心位置偏差为规划的合质心位置与反馈得到的实际合质心位置之差,合质心速度偏差为规划的合质心速度与反馈得到的实际合质心速度之差。
步骤S412,构建该仿人机器人的线动量导数与关节角加速度之间满足的线动量方程,对所述线动量方程进行预设形式描述得到该线动量任务的分解任务模型。
例如,在一种实施方式中,该线动量控制律可基于PD控制构建得到,如:
其中,为期望的线动量导数,为上层规划给定的线动量导数前馈量,其值等于m为仿人机器人的总质量,aCoM,ref为规划给定的合质心加速度;rCoM,ref和vCoM,ref分别为规划的仿人机器人的合质心位置和合质心速度;rCoM和vCoM分别为反馈得到的实际合质心位置和实际合质心速度;维度均为3×1;Kp2和Kd2为对角方阵,维度为3×3,分别为PD控制器的预设系数矩阵。可以理解,上述的线动量控制律也可以采用其他的控制器结构来实现,如PID控制等,具体可根据实际需求来选取。
而根据机器人学理论,可知机器人的线动量导数满足如下线动量方程:
其中,为机器人系统的线动量导数,维度为3×1,可通过上述线动量控制律计算得到;AG,l为动量矩阵,维度为3×(n+6);为动量矩阵导数,维度为3×(n+6);同样,为待求解的机器人各个关节角加速度,为实时反馈得到的机器人各个关节角速度,维度均为(n+6)×1。
进而,通过统一形式Ax=b描述,即可得到如下分解任务模型:
如图5所示,示范性地,躯干姿态任务的分解任务模型的构建,包括:
步骤S511,构建与该仿人机器人的躯干姿态偏差和躯干姿态速度偏差有关的躯干加速度控制律,所述躯干加速度控制律用于求解躯干姿态加速度。其中,躯干姿态偏差为规划的躯干姿态与反馈得到的实际躯干姿态之差,躯干姿态速度偏差为规划的躯干姿态速度与反馈得到的实际躯干姿态速度之差。
步骤S512,构建该仿人机器人的躯干姿态加速度与关节角加速度之间满足的第二运动学方程,对所述第二运动学方程进行预设形式描述得到该躯干姿态任务的分解任务模型。
例如,在一种实施方式中,该躯干加速度控制律可基于PD控制构建得到,如:
aT,d=aT,ref+Kp3(rT,ref-rT)+Kd3(vT,ref-vT);
其中,aT,d为期望的躯干姿态加速度;aT,ref为上层规划的躯干姿态前馈加速度;rT,ref和vT,ref分别为上层规划的躯干姿态和躯干姿态速度;rT和vT分别为反馈得到的实际躯干姿态和实际躯干姿态速度,维度均为3×1;Kp3和Kd3为对角方阵,维度为3×3,代表PD控制器的系数矩阵。可以理解,上述的躯干加速度控制律也可以采用其他的控制器结构来实现,如PID控制等,具体可根据实际需求来选取。
同时,根据机器人动力学理论,可知躯干姿态加速度可以表示为:
其中,aT是维度为3×1的列向量,代表机器人躯干姿态加速度。JT为机器人躯干姿态对应的雅克比矩阵,矩阵维度为3×(n+6),为机器人躯干姿态对应的雅克比矩阵导数,矩阵维度为3×(n+6)。同样,为待优化的机器人各关节角加速度,维度为(n+6)×1,为当前时刻反馈的机器人各关节角速度,维度为(n+6)×1。
通常地,足底受力任务的目的是令足底受力尽量达到期望足底受力。示范性地,该足底受力任务的分解任务模型的构建,包括:以实际足底受力等于期望足底受力为目标分别构建左腿和右腿的足底受力等式,对左腿和右腿的足底受力等式进行预设形式描述得到该足底受力任务的分解任务模型。
于是,左腿的足底受力和右腿的足底受力满足:
其中,FL和FR是待求解的仿人机器人左腿和右腿的六维足底力,维度分别为6×1;FL,ref、FR,ref为上层规划的机器人左腿和右腿的六维足底力,维度分别为6×1。
进而,通过预设的统一形式Ax=b描述,即可得到如下分解任务模型:
可以理解,在进行平衡控制过程中,将对应的状态变量代入对应的分解任务模型中,即可得到各个控制周期的任务方程,其中,该任务方程中将包括对应的任务系数矩阵及任务向量。进而,利用所有的任务系数矩阵和任务向量代入上述的多任务误差优化函数中进行最优求解。
此外,如图3所示,除了上述的四个分解任务,本实施例中的优化函数将设有浮动基动力学方程约束、足底受力的摩擦锥约束及CoP约束,下面对这三种约束的构建进行说明。
应当明白的是,上述的6个虚拟关节不产生力矩。于是,对于仿人机器人这种具有浮动基的串联机器人系统而言,其全动力学模型可表示为:
其中,F为待求解的仿人机器人的所受外力,在这里主要为足底受力,具体地,该足底受力可描述为维度为12×1;J为仿人机器人外力作用点的雅可比矩阵,包括左腿的外力作用点的雅可比矩阵JL和右腿的外力作用点的雅可比矩阵JR,形式为维度为12×(n+6)。
进而,通过左乘浮动基选择矩阵Sf,即可得到如下浮动基动力学方程:
例如,可驱动关节的选择矩阵Sa可为Sa=[06×6I6×n];浮动基座选择矩阵Sf可为Sf=[I6×6 06×n],且两个选择矩阵满足:进而,对该浮动基动力学方程按照上述实施例1中的二次型优化函数中的等式约束形式进行整理即可。
对于上述的足底受力的摩擦锥约束,应当满足当足底相对地面不发生滑动时,足底受力的矢量方向必须在一个圆锥体内,即有:
其中,Fx,Fy,Fz为足底受力矢量F在x,y,z轴上的分量。同样,可按照上述实施例1中的二次型优化函数中的不等式约束形式进行整理,以得到相应的线性不等式表达式。
同理,对于上述的CoP约束,应当满足当机器人足底与地面接触时,CoP的位置必须位于足底支撑域内,数学上表示为:
其中,dx,min和dx,max分别为足底支撑域在x方向上的上边界和下边界;dy,min和dy,max分别为足底支撑域在y方向上的上边界和下边界;τx,τy分别为足底力矩矢量在x,y轴上的分量。可以理解,这里列举出的三种约束条件仅为示例,并不仅限于此。
本实施例通过对平衡控制分解得到四个单任务并构建机器人在执行上述分解任务中需满足的三个约束来进行足底受力及关节角加速度的优化求解,进而使得得到的关节控制指令能够确保机器人在满足约束的情况下以任务误差之和最小的指标执行多项任务等。
实施例3
请参照图6,基于上述实施例1的方法,本实施例提出一种仿人机器人平衡控制装置600,示范性地,该平衡控制装置600包括:
任务分解模块610,用于利用对应控制周期内反馈得到的仿人机器人相关实际状态和规划的对应期望状态对该仿人机器人的不同分解任务模型进行求解,得到各个分解任务在对应控制周期的任务方程。
优化求解模块620,用于基于各个所述分解任务的所述任务方程对多任务误差优化函数进行最优求解,其中,所述多任务误差优化函数基于所有所述分解任务模型和每个所述分解任务的分配权重构建得到且设有该仿人机器人在执行各个所述分解任务时需满足的约束条件。
关节控制模块630,用于若在对应控制周期内求解出最优解,则根据所述最优解获得所述对应控制周期的关节控制指令,并利用所述关节控制指令控制该仿人机器人的对应关节以执行相应所述分解任务。
进一步地,关节控制模块630还用于若在对应控制周期内求解失败,则利用上一控制周期的关节控制指令对该仿人机器的对应关节进行控制。
可以理解,本实施例的装置对应于上述实施例1的方法,上述实施例1中的可选项同样适用于本实施例,故在此不再重复描述。
本申请还提供了一种仿人机器人,示范性地,该仿人机器人包括处理器和存储器,其中,存储器存储有计算机程序,处理器通过运行所述计算机程序,从而使仿人机器人执行上述的仿人机器人平衡控制方法或者上述仿人机器人平衡控制装置中的各个模块的功能。
本申请还提供了一种可读存储介质,用于储存上述仿人机器人中使用的所述计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (13)
1.一种仿人机器人平衡控制方法,其特征在于,包括:
利用对应控制周期内反馈得到的仿人机器人相关实际状态和规划的对应期望状态对该仿人机器人的不同分解任务模型进行求解,得到各个分解任务在对应控制周期的任务方程;
基于各个所述分解任务的所述任务方程对多任务误差优化函数进行最优求解,其中,所述多任务误差优化函数基于所有所述分解任务模型和每个所述分解任务的分配权重构建得到且设有该仿人机器人在执行各个所述分解任务时需满足的约束条件;
若在对应控制周期内求解出最优解,则根据所述最优解获得所述对应控制周期的关节控制指令,并利用所述关节控制指令控制该仿人机器人的对应关节以执行相应所述分解任务;
其中,该仿人机器人包括四个分解任务,分别为足底位姿任务、线动量任务、躯干姿态任务和足底受力任务,每个分解任务构建有各自的分解任务模型;所述多任务误差优化函数采用最小二乘法函数构建,表达式如下:
其中,第i个分解任务的任务方程的表达式为wiAiX=wibi,wi为第i个分解任务的分配权重矩阵;Ai和bi分别表示第i个分解任务的任务系数矩阵和任务向量;X为待优化变量;m为分解任务总数量。
2.根据权利要求1所述的方法,其特征在于,还包括:
若在对应控制周期内求解失败,则利用上一控制周期的关节控制指令对该仿人机器的对应关节进行控制。
3.根据权利要求1或2所述的方法,其特征在于,所述足底位姿任务的分解任务模型的预先构建,包括:
构建与该仿人机器人的足底位姿偏差和足底速度偏差有关的足底加速度控制律,所述足底加速度控制律用于求解足底加速度;其中,所述足底位姿偏差为规划的足底位姿与反馈得到的实际足底位姿之差,所述足底速度偏差为规划的足底速度与反馈得到的实际足底速度之差;
构建该仿人机器人的足底加速度与关节角加速度之间满足的第一运动学方程,所述足底位姿任务的分解任务模型通过对所述第一运动学方程进行预设形式描述得到,其中,所述预设形式中将所述关节角加速度和所述足底受力描述为待优化变量。
5.根据权利要求3所述的方法,其特征在于,所述线动量任务的分解任务模型的预先构建,包括:
构建与该仿人机器人的合质心位置偏差和合质心速度偏差有关的线动量控制律,所述线动量控制律用于求解机器人的线动量导数;其中,所述合质心位置偏差为规划的合质心位置与反馈得到的实际合质心位置之差,所述合质心速度偏差为规划的合质心速度与反馈得到的实际合质心速度之差;
构建该仿人机器人的线动量导数与关节角加速度之间满足的线动量方程,所述线动量任务的分解任务模型通过对所述线动量方程进行所述预设形式描述得到。
7.根据权利要求3所述的方法,其特征在于,该仿人机器人的躯干姿态通过在躯干与世界坐标系原点之间构建的若干个虚拟关节的状态描述;所述躯干姿态任务的分解任务模型的预先构建,包括:
构建与该仿人机器人的躯干姿态偏差和躯干姿态速度偏差有关的躯干加速度控制律,所述躯干加速度控制律用于求解躯干姿态加速度;其中,所述躯干姿态偏差为规划的躯干姿态与反馈得到的实际躯干姿态之差,所述躯干姿态速度偏差为规划的躯干姿态速度与反馈得到的实际躯干姿态速度之差;
构建该仿人机器人的躯干姿态加速度与关节角加速度之间满足的第二运动学方程,所述躯干姿态任务的分解任务模型通过对所述第二运动学方程进行所述预设形式描述得到。
9.根据权利要求3所述的方法,其特征在于,该仿人机器人包括左腿和右腿,所述足底受力任务的分解任务模型的预先构建,包括:
以实际足底受力等于期望足底受力为目标分别构建所述左腿和所述右腿的足底受力等式,所述足底受力任务的分解任务模型通过对所述左腿和所述右腿的所述足底受力等式进行所述预设形式描述得到。
11.一种仿人机器人平衡控制装置,其特征在于,包括:
任务分解模块,用于利用对应控制周期内反馈得到的仿人机器人相关实际状态和规划的对应期望状态对该仿人机器人的不同分解任务模型进行求解,得到各个分解任务在对应控制周期的任务方程,其中,每个所述任务方程中包含对应分解任务的分配权重;
优化求解模块,用于基于所有分解任务的所述任务方程对多任务误差优化函数进行最优求解,其中,所述任务误差优化函数以该仿人机器人的足底受力和关节角加速度为优化变量且设有该仿人机器人在执行各个所述分解任务时需满足的约束条件;
关节控制模块,用于若在对应控制周期内求解出最优解,则根据所述最优解获得所述对应控制周期的关节控制指令,并利用所述关节控制指令控制该仿人机器人的对应关节以执行各个所述分解任务;
其中,该仿人机器人包括四个分解任务,分别为足底位姿任务、线动量任务、躯干姿态任务和足底受力任务,每个分解任务构建有各自的分解任务模型;所述多任务误差优化函数采用最小二乘法函数构建,表达式如下:
其中,第i个分解任务的任务方程的表达式为wiAiX=wibi,wi为第i个分解任务的分配权重矩阵;Ai和bi分别表示第i个分解任务的任务系数矩阵和任务向量;X为待优化变量;m为分解任务总数量。
12.一种仿人机器人,其特征在于,所述仿人机器人包括处理器和存储器,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施权利要求1-10中任一项所述的仿人机器人平衡控制方法。
13.一种可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上执行时,实施根据权利要求1-10中任一项所述的仿人机器人平衡控制方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592574.2A CN113305844B (zh) | 2021-05-28 | 2021-05-28 | 仿人机器人平衡控制方法、装置和仿人机器人 |
PCT/CN2021/131891 WO2022247171A1 (zh) | 2021-05-28 | 2021-11-19 | 仿人机器人平衡控制方法、装置和仿人机器人 |
US18/129,909 US20230234222A1 (en) | 2021-05-28 | 2023-04-03 | Humanoid robot balance control method, humanoid robot, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592574.2A CN113305844B (zh) | 2021-05-28 | 2021-05-28 | 仿人机器人平衡控制方法、装置和仿人机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113305844A CN113305844A (zh) | 2021-08-27 |
CN113305844B true CN113305844B (zh) | 2022-09-09 |
Family
ID=77376052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110592574.2A Active CN113305844B (zh) | 2021-05-28 | 2021-05-28 | 仿人机器人平衡控制方法、装置和仿人机器人 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230234222A1 (zh) |
CN (1) | CN113305844B (zh) |
WO (1) | WO2022247171A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113305844B (zh) * | 2021-05-28 | 2022-09-09 | 深圳市优必选科技股份有限公司 | 仿人机器人平衡控制方法、装置和仿人机器人 |
CN114454180B (zh) * | 2022-03-22 | 2024-01-19 | 深圳市优必选科技股份有限公司 | 移动机器人的运动控制方法、装置和移动机器人 |
CN115202378A (zh) * | 2022-06-24 | 2022-10-18 | 浙江大学 | 一种仿人机器人动态步行控制方法 |
CN117944055B (zh) * | 2024-03-26 | 2024-06-11 | 中科璀璨机器人(成都)有限公司 | 一种人形机器人四肢协同平衡控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101554726A (zh) * | 2009-05-15 | 2009-10-14 | 北京工业大学 | 一种柔性两轮自平衡机器人系统及其运动控制方法 |
CN101653941A (zh) * | 2009-09-11 | 2010-02-24 | 清华大学 | 变抓力的滑块式直接欠驱动仿生手装置 |
CN105459156A (zh) * | 2016-01-05 | 2016-04-06 | 合肥泰禾光电科技股份有限公司 | 一种码垛机器人平衡缸 |
CN108858208A (zh) * | 2018-09-05 | 2018-11-23 | 鲁东大学 | 一种复杂地形仿人机器人自适应平衡控制方法、装置和系统 |
CN111872941A (zh) * | 2020-08-06 | 2020-11-03 | 深圳市优必选科技股份有限公司 | 平衡控制方法、装置、仿人机器人及可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8924015B2 (en) * | 2009-09-14 | 2014-12-30 | Honda Motor Co., Ltd. | Whole-body humanoid control from upper-body task specifications |
KR102350193B1 (ko) * | 2019-10-30 | 2022-01-17 | 한국과학기술연구원 | 확장 작업 공간을 활용한 휴머노이드 제어방법 |
CN111409077B (zh) * | 2020-05-09 | 2021-06-15 | 南京工程学院 | 一种基于关节角代偿的机器人末端多目标位姿逼近方法 |
CN112720479B (zh) * | 2020-12-22 | 2022-03-18 | 深圳市优必选科技股份有限公司 | 一种机器人姿态控制方法、装置及机器人 |
CN112731951B (zh) * | 2020-12-22 | 2024-08-20 | 深圳市优必选科技股份有限公司 | 一种机器人平衡控制方法、装置、可读存储介质及机器人 |
CN113305844B (zh) * | 2021-05-28 | 2022-09-09 | 深圳市优必选科技股份有限公司 | 仿人机器人平衡控制方法、装置和仿人机器人 |
-
2021
- 2021-05-28 CN CN202110592574.2A patent/CN113305844B/zh active Active
- 2021-11-19 WO PCT/CN2021/131891 patent/WO2022247171A1/zh active Application Filing
-
2023
- 2023-04-03 US US18/129,909 patent/US20230234222A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101554726A (zh) * | 2009-05-15 | 2009-10-14 | 北京工业大学 | 一种柔性两轮自平衡机器人系统及其运动控制方法 |
CN101653941A (zh) * | 2009-09-11 | 2010-02-24 | 清华大学 | 变抓力的滑块式直接欠驱动仿生手装置 |
CN105459156A (zh) * | 2016-01-05 | 2016-04-06 | 合肥泰禾光电科技股份有限公司 | 一种码垛机器人平衡缸 |
CN108858208A (zh) * | 2018-09-05 | 2018-11-23 | 鲁东大学 | 一种复杂地形仿人机器人自适应平衡控制方法、装置和系统 |
CN111872941A (zh) * | 2020-08-06 | 2020-11-03 | 深圳市优必选科技股份有限公司 | 平衡控制方法、装置、仿人机器人及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20230234222A1 (en) | 2023-07-27 |
CN113305844A (zh) | 2021-08-27 |
WO2022247171A1 (zh) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113305844B (zh) | 仿人机器人平衡控制方法、装置和仿人机器人 | |
JP3972854B2 (ja) | ロボットの運動制御装置 | |
Sentis et al. | Control of free-floating humanoid robots through task prioritization | |
Saab et al. | Generation of dynamic motion for anthropomorphic systems under prioritized equality and inequality constraints | |
Henze et al. | Posture and balance control for humanoid robots in multi-contact scenarios based on model predictive control | |
Feng et al. | 3D walking based on online optimization | |
Sentis et al. | Task-oriented control of humanoid robots through prioritization | |
De Stefano et al. | Multi-rate tracking control for a space robot on a controlled satellite: A passivity-based strategy | |
Saab et al. | Generic dynamic motion generation with multiple unilateral constraints | |
US8924015B2 (en) | Whole-body humanoid control from upper-body task specifications | |
Vaillant et al. | Vertical ladder climbing by the hrp-2 humanoid robot | |
Schuller et al. | Online centroidal angular momentum reference generation and motion optimization for humanoid push recovery | |
Li et al. | Force-and-moment-based model predictive control for achieving highly dynamic locomotion on bipedal robots | |
Lee et al. | Robust and adaptive dynamic controller for fully-actuated robots in operational space under uncertainties | |
Buschmann et al. | Biped walking control based on hybrid position/force control | |
Cisneros et al. | Robust humanoid control using a QP solver with integral gains | |
Kim et al. | Passive compliance control of aerial manipulators | |
Du et al. | Whole-body motion tracking for a quadruped-on-wheel robot via a compact-form controller with improved prioritized optimization | |
Villa et al. | Torque controlled locomotion of a biped robot with link flexibility | |
US20240261964A1 (en) | Method and computer program product for controlling a robot | |
Salini et al. | LQP-based controller design for humanoid Whole-body motion | |
Garcia-Haro et al. | Integration of dual-arm manipulation in a passivity based whole-body controller for torque-controlled humanoid robots | |
Yavuz et al. | Robust balancing and position control of a single spherical wheeled mobile platform | |
Jung et al. | The operational space formulation on humanoids considering joint stiffness and bandwidth limit | |
Kim | Motion planning of optimal throw for whole-body humanoid |
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 |