CN113771983A - 一种基于智能演进运动技能学习的仿生四足机器人 - Google Patents
一种基于智能演进运动技能学习的仿生四足机器人 Download PDFInfo
- Publication number
- CN113771983A CN113771983A CN202111001930.5A CN202111001930A CN113771983A CN 113771983 A CN113771983 A CN 113771983A CN 202111001930 A CN202111001930 A CN 202111001930A CN 113771983 A CN113771983 A CN 113771983A
- Authority
- CN
- China
- Prior art keywords
- limb
- robot
- learning
- control panel
- motor skill
- 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.)
- Pending
Links
- 239000011664 nicotinic acid Substances 0.000 title claims abstract description 18
- 230000005021 gait Effects 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 210000003414 extremity Anatomy 0.000 claims description 38
- 210000002414 leg Anatomy 0.000 claims description 27
- 210000001364 upper extremity Anatomy 0.000 claims description 21
- 210000003141 lower extremity Anatomy 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 8
- 210000003194 forelimb Anatomy 0.000 claims description 6
- 210000003127 knee Anatomy 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 241000238631 Hexapoda Species 0.000 claims 1
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 claims 1
- 238000013461 design Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Images
Classifications
-
- 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
- B25J11/00—Manipulators not otherwise provided for
Abstract
本发明公开了一种基于智能演进运动技能学习的仿生四足机器人，包括作为四足机器人主体框架和四肢，四个腿部单元沿机身的两侧对称布置，相对其主体框架中垂面呈镜像对称。红外线传感器和摄像头与控制板连接，电池与控制板连接，控制板与驱动装置连接。四足机器人头部单元包含：红外线传感器和摄像头，并与主体内部的控制板连接。该四足机器人拥有八自由度，通过协作控制，轻便灵活。仿生四足机器人步态学习采用智能演进运动技能学习，通过深度神经网络、奖励引导完善运动技能学习。
Description
技术领域
本发明公开了一种基于智能演进运动技能学习的仿生四足机器人，属于仿生机器人设计技术领域。
背景技术
近年来机器人技术飞速发展，仿生四足机器人作为其中的一个分类以四足动物为模板，能够很好地应对复杂环境或特殊环境，在科研、医疗以及地质勘测、灾难救援等危险复杂情况下具有越来越高的应用价值。目前来说，仿生四足机器人的主要难点在于制作成本高并且控制的水平还达不到要求的精度，因此设计一种轻巧灵活，能够对周围环境进行识别，结构牢固，稳定性高的六足机器人已经是当前研究的重点。
发明内容
本发明的目的在于提出一种基于智能演进运动技能学习的仿生四足机器人，具备了在平地行走、转弯，环境感知等功能。。
为实现上述目的，本发明采用的技术方案是一种仿生四足机器人，该机器人的外观如图1所示，包括机身1、腿2、膝部支架3、头部单元4、摄像头5、红外线传感器6；四个腿2沿机身1的两侧对称布置；机器人的内部结构如图2所示，电池7、控制板8和驱动装置9装在机身1内。
如图2，头部单元4内的摄像头5、红外线传感器6与控制板8连接，电池7与控制板8连接，控制板8与与驱动装置9连接，驱动装置9与腿2连接。机器人工作时，通过一个驱动装置9分别驱动四个腿2进行转动。
机器人的腿2的结构如图3所示，由膝部支架3、上肢11、下肢12、第一转轴13、第一无刷电机14、第二转轴15、第二无刷电机16、足17和连接件18组成。上肢11的顶部与机身1通过连接件18连接，上肢11、机身1和连接件18通过第一转轴13连接，上肢11与下肢12通过第二转轴15连接，足17设置在下肢12的底部，第一无刷电机14控制上肢11绕第一转轴13摆动，第二无刷电机16控制下肢12绕第二转轴15摆动。
机器人腿2的侧视图如图4所示，在上肢11中采用了上肢镂空部分19，在下肢12中采用了上肢镂空部分20，在足17中采用了足镂空部分21。第二转轴15由膝部支架3包围，能够限制下肢12和上肢11之间角度最大为180°，最小为45°，起到一定的缓冲效果。
机器人的头部单元4如图5所示，由摄像头5、红外线传感器6和外部结构10组成。通过摄像头5将所得到的图片信息和视频信息以及通过红外线传感器6所得到的数据信息运输到控制板8进行处理，然后将结果反馈给驱动装置9，驱动四个腿2进行不同的任务。
仿生四足机器人步态学习采用智能演进运动技能学习的方法来学习运动技能，包括速度、稳定性多方面运动技能指标，通过设置奖励引导函数进行分类，确定机器人学习的方向，然后再通过深度神经网络训练机器人达到指标。本系统主程序流程的控制步骤如下，
步骤1.初始化四足机器人，使步态状态归零。
步骤2.设置奖励引导函数类型，并进行判断类型是否为速度或稳定性，是则进行下一步，否则换为另一个类型进行判断。
步骤3.根据预先设定的阈值，通过深度神经网络，四足机器人进行步态学习，进行循环模型训练，强化学习效果，直到达到要求。
步骤4.将学习成果输出为机器人步态，程序结束。
在任意模式下都可以通过选择不同的奖励引导函数类型提供不同的学习方向，快速度、慢速度、稳定性，调用不同的训练模型，实现相应功能。与现有技术相比，本发明具有以下创新性：
1、采用摄像头与传感器并用的结构来进行环境三维重建，并将处理结果传输给驱动装置驱动腿部运动，减少了误差带来的错误信号
2、腿部结构设计采用了部分镂空设计，可以有效地减少腿部自重，并且保持了腿部关节的稳定性和坚固性，减少腿部结构的损坏率
3、机器人在行走时的稳定性强。腿部末端采用表面带沟纹的橡胶材料，增大了机器人腿部与地面的接触面积与时间，可以减少沉陷和打滑的几率。
4、采用智能演进运动技能学习，通过深度神经网络训练，机器人能够实现自主学习和自我完善，可以完善速度、稳定性等多个运动技能指标。
附图说明
图1是图1机器人整体外观。
图2机器人内部结构。
图3腿结构示意图。
图4腿侧视图。
图5机器人正视图。
图6机器人俯视图。
图7智能演进运动技能学习流程图。
具体实施方式
机器人俯视图如图6所示，四个腿分为左前肢23、右前肢24、左后肢25、右后肢26，分别由驱动装置9驱动。
该机器人的行走过程如下所述：
1)直行时，左前肢23和右后肢26为一组，右前肢24和左后肢25为一组，两组交替向前摆动，以小跑态前进，运动情况完全对称。
2)后退时，左前肢23和右后肢26为一组，右前肢24和左后肢25为一组，两组交替向后摆动，以步行步态后退，运动情况完全对称。
3)原地左转时，左前肢23和右后肢26为一组，左前肢23向前大幅度摆动，右后肢26向前小幅度摆动，右前肢24和左后肢25为一组，同时向前小幅度摆动，两组交替摆动，机器人可以实现原地左转。
4)原地右转时，左前肢23和右后肢26为一组，同时向前小幅度摆动，右前肢24和左后肢25为一组，右前肢24向前大幅度摆动，左后肢25向前小幅度摆动，两组交替摆动机器人可以实现原地右转。
Claims (6)
1.一种基于智能演进运动技能学习的仿生四足机器人，其特征在于：包括机身(1)、腿(2)、膝部支架(3)、头部单元(4)、摄像头(5)、红外线传感器(6)、电池(7)、控制板(8)和驱动装置(9)；四个腿(2)沿机身(1)的两侧对称布置；电池(7)、控制板(8)和驱动装置(9)装在机身(1)内；
摄像头(5)、红外线传感器(6)与控制板(8)连接，电池(7)与控制板(8)连接，控制板(8)与驱动装置(9)连接，驱动装置(9)与腿(2)连接；机器人工作时，通过一个驱动装置(9)分别驱动四个腿(2)进行转动。
2.根据权利要求1所述的一种基于智能演进运动技能学习的仿生四足机器人，其特征在于：上肢(11)的顶部与机身(1)通过连接件(18)连接，上肢(11)、机身(1)和连接件(18)通过第一转轴(13)连接，上肢(11)与下肢(12)通过第二转轴(15)连接，足(17)设置在下肢(12)的底部，第一无刷电机(14)控制上肢(11)绕第一转轴(13)摆动，第二无刷电机(16)控制下肢(12)绕第二转轴(15)摆动。
3.根据权利要求1所述的一种基于智能演进运动技能学习的仿生四足机器人，其腿部特征在于：上肢和下肢的比例是1:1.2，采用了类似马的相同腿部比例；在上肢(11)中采用了上肢镂空部分(19)，上肢镂空部分(19)的形状为上下为半圆形，左右两侧为直线型的四面体，镂空比例占50％，在下肢(12)中采用了下肢镂空部分(20)，在足(17)中采用了足镂空部分(21)，考虑到下肢和足部的重量，下肢镂空部分(20)和足镂空部分(21)分别占据了下肢(12)和足(17)的大部分面积，镂空比例占90％；足(17)底采用了齿轮状的结构，增加了对地面的附着力；第二转轴(15)由膝部支架(3)包围，能够限制下肢(12)和上肢(11)之间角度最大为160°，最小为70°，起到一定的缓冲效果。
4.根据权利要求1所述的一种基于智能演进运动技能学习的仿生四足机器人，其特征在于：由摄像头(5)、红外线传感器(6)和外部结构(10)组成；通过摄像头(5)将所得到的图片信息和视频信息以及通过红外线传感器(6)所得到的数据信息运输到控制板(8)进行处理，然后将结果反馈给驱动装置(9)，驱动四个腿(2)进行不同的任务。
5.根据权利要求1所述的一种机械式步态同步六足机器人，其特征在于：四个腿分为左前肢23、右前肢24、左后肢25、右后肢26，分别由驱动装置9驱动；
该机器人的行走过程如下所述：
1)直行时，左前肢23和右后肢26为一组，右前肢24和左后肢25为一组，两组交替向前摆动，以小跑态前进，运动情况完全对称；
2)后退时，左前肢23和右后肢26为一组，右前肢24和左后肢25为一组，两组交替向后摆动，以步行步态后退，运动情况完全对称；
3)原地左转时，左前肢23和右后肢26为一组，左前肢23向前大幅度摆动，右后肢26向前小幅度摆动，右前肢24和左后肢25为一组，同时向前小幅度摆动，两组交替摆动，机器人实现原地左转；
4)原地右转时，左前肢23和右后肢26为一组，同时向前小幅度摆动，右前肢24和左后肢25为一组，右前肢24向前大幅度摆动，左后肢25向前小幅度摆动，两组交替摆动机器人实现原地右转。
6.根据权利要求1所述的一种基于智能演进运动技能学习的仿生四足机器人，其特征在于：仿生四足机器人步态学习采用智能演进运动技能学习的方法来学习运动技能，通过智能演进运动技能学习，机器人能够实现自主学习和自我完善；本系统主程序流程的控制步骤如下，
步骤1.初始化四足机器人，使步态状态归零；
步骤2.设置奖励引导函数类型，并进行判断类型是否为速度或稳定性，是则进行下一步，否则换为另一个类型进行判断；
步骤3.根据预先设定的阈值，通过深度神经网络，四足机器人进行步态学习，进行循环模型训练，强化学习效果，直到达到要求；
步骤4.将学习成果输出为机器人步态，程序结束；
在任意模式下都通过选择不同的奖励引导函数类型提供不同的学习方向，快速度、慢速度、稳定性，调用不同的训练模型，实现相应功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111001930.5A CN113771983A (zh) | 2021-08-30 | 2021-08-30 | 一种基于智能演进运动技能学习的仿生四足机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111001930.5A CN113771983A (zh) | 2021-08-30 | 2021-08-30 | 一种基于智能演进运动技能学习的仿生四足机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113771983A true CN113771983A (zh) | 2021-12-10 |
Family
ID=78840156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111001930.5A Pending CN113771983A (zh) | 2021-08-30 | 2021-08-30 | 一种基于智能演进运动技能学习的仿生四足机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113771983A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114348142A (zh) * | 2022-02-22 | 2022-04-15 | 湖南工程学院 | 一种室内服务型智能四足仿生机械狗 |
| CN114563954A (zh) * | 2022-02-28 | 2022-05-31 | 山东大学 | 一种基于强化学习和位置增量的四足机器人运动控制方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103144693A (zh) * | 2013-03-26 | 2013-06-12 | 上海大学 | 一种四足仿生机器人腿机构 |
| KR20140021752A (ko) * | 2012-08-09 | 2014-02-20 | 성균관대학교산학협력단 | 보행 로봇의 기어 체결, 관절의 구동력 전달 및, 2자유도 구현 메커니즘과, 이를 적용한 생체모방형 사족 보행 로봇 |
| CN207345974U (zh) * | 2017-10-31 | 2018-05-11 | 中科新松有限公司 | 一种四足机器人 |
| CN109823438A (zh) * | 2019-03-05 | 2019-05-31 | 彭爽 | 一种仿生四足机器人 |
| CN112297005A (zh) * | 2020-10-10 | 2021-02-02 | 杭州电子科技大学 | 一种基于图神经网络强化学习的机器人自主控制方法 |
| US20210170579A1 (en) * | 2019-12-09 | 2021-06-10 | Canon Kabushiki Kaisha | Robot controller that controls robot, learned model, method of controlling robot, and storage medium |
| CN112936290A (zh) * | 2021-03-25 | 2021-06-11 | 西湖大学 | 一种基于分层强化学习的四足机器人运动规划方法 |
| CN113156892A (zh) * | 2021-04-16 | 2021-07-23 | 西湖大学 | 一种基于深度强化学习的四足机器人模仿运动控制方法 |
-
2021
- 2021-08-30 CN CN202111001930.5A patent/CN113771983A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140021752A (ko) * | 2012-08-09 | 2014-02-20 | 성균관대학교산학협력단 | 보행 로봇의 기어 체결, 관절의 구동력 전달 및, 2자유도 구현 메커니즘과, 이를 적용한 생체모방형 사족 보행 로봇 |
| CN103144693A (zh) * | 2013-03-26 | 2013-06-12 | 上海大学 | 一种四足仿生机器人腿机构 |
| CN207345974U (zh) * | 2017-10-31 | 2018-05-11 | 中科新松有限公司 | 一种四足机器人 |
| CN109823438A (zh) * | 2019-03-05 | 2019-05-31 | 彭爽 | 一种仿生四足机器人 |
| US20210170579A1 (en) * | 2019-12-09 | 2021-06-10 | Canon Kabushiki Kaisha | Robot controller that controls robot, learned model, method of controlling robot, and storage medium |
| CN112297005A (zh) * | 2020-10-10 | 2021-02-02 | 杭州电子科技大学 | 一种基于图神经网络强化学习的机器人自主控制方法 |
| CN112936290A (zh) * | 2021-03-25 | 2021-06-11 | 西湖大学 | 一种基于分层强化学习的四足机器人运动规划方法 |
| CN113156892A (zh) * | 2021-04-16 | 2021-07-23 | 西湖大学 | 一种基于深度强化学习的四足机器人模仿运动控制方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114348142A (zh) * | 2022-02-22 | 2022-04-15 | 湖南工程学院 | 一种室内服务型智能四足仿生机械狗 |
| CN114348142B (zh) * | 2022-02-22 | 2023-11-24 | 湖南工程学院 | 一种室内服务型智能四足仿生机械狗 |
| CN114563954A (zh) * | 2022-02-28 | 2022-05-31 | 山东大学 | 一种基于强化学习和位置增量的四足机器人运动控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113771983A (zh) | 一种基于智能演进运动技能学习的仿生四足机器人 | |
| Crespi et al. | Salamandra robotica II: an amphibious robot to study salamander-like swimming and walking gaits | |
| CN109986579B (zh) | 多模式运动仿灵长类机器人 | |
| US20190091592A1 (en) | Physical device simulating the appearance and movement of a two-legged creature | |
| CN106695771A (zh) | 一种基于rsr构型并联机构的模块化仿生蛇形机器人 | |
| CN110104088B (zh) | 基于微舵机的机器鼠腿足结构 | |
| CN106227202A (zh) | 一种兼具自主导航及远程遥控的六足机器人 | |
| CN110281718A (zh) | 陆空两栖仿生机器人及控制方法 | |
| CN104512493B (zh) | 一种齿轮传动对分上体节能被动行走装置的控制方法 | |
| CN104924294A (zh) | 具有并联腰结构的四足机器人 | |
| CN110815245A (zh) | 用于迎宾的服务机器人 | |
| Liu et al. | Platform Design for a Natatores-like Amphibious robot | |
| CN113199458B (zh) | 一种用于随动控制的穿戴式机器人控制器 | |
| CN208515722U (zh) | 一种具有并联柔性腰部结构的四足机器人 | |
| CN204932836U (zh) | 轮足可变胞玩具机器人 | |
| CN210057382U (zh) | 机器走兽 | |
| CN210526219U (zh) | 陆空两栖仿生机器人 | |
| CN112356629A (zh) | 一种水陆两栖仿生机器人 | |
| CN211869539U (zh) | 一种四足仿生机器人 | |
| CN105644649A (zh) | 一种变结构仿生机器人腿足结构 | |
| CN217745709U (zh) | 依靠腿行走的仿生螃蟹 | |
| Acosta-Calderon et al. | A modular architecture for humanoid soccer robots with distributed behavior control | |
| Song | Bionic gecko based on intelligent recognition technology | |
| Li et al. | Design of a hexapod robot | |
| CN202061376U (zh) | 一种能模仿人类动作的智能机器人 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211210 |
|
| RJ01 | Rejection of invention patent application after publication |