CN114115280A - 四足奔跑步态规划方法、装置及机器人控制设备 - Google Patents
四足奔跑步态规划方法、装置及机器人控制设备 Download PDFInfo
- Publication number
- CN114115280A CN114115280A CN202111436773.0A CN202111436773A CN114115280A CN 114115280 A CN114115280 A CN 114115280A CN 202111436773 A CN202111436773 A CN 202111436773A CN 114115280 A CN114115280 A CN 114115280A
- Authority
- CN
- China
- Prior art keywords
- expected
- period
- centroid
- quadruped robot
- single step
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005021 gait Effects 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000033001 locomotion Effects 0.000 claims abstract description 158
- 238000004088 simulation Methods 0.000 claims description 90
- 230000008859 change Effects 0.000 claims description 26
- 230000001133 acceleration Effects 0.000 claims description 18
- 230000010354 integration Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 230000036544 posture Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001455214 Acinonyx jubatus Species 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241001600609 Equus ferus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003447 ipsilateral effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 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
- G05D1/0212—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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本申请提供一种四足奔跑步态规划方法、装置及机器人控制设备，涉及机器人控制技术领域。本申请根据四足机器人在当前奔跑步态周期的期望前向平均速度及期望模型特征信息，调用质心移动规划模型针对四足机器人进行质心轨迹规划，得到该四足机器人在当前奔跑步态周期内的质心移动期望轨迹，并基于期望前向平均速度以及质心移动期望轨迹，确定当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量，以通过期望前向偏移量表征机器人奔跑过程中腾空迈步的落地姿态，从而结合当前奔跑步态周期的质心移动期望轨迹及对应单步周期的期望前向偏移量，快速输出四足机器人的前向速度可控的期望奔跑步态轨迹。
Description
技术领域
本申请涉及机器人控制技术领域，具体而言，涉及一种四足奔跑步态规划方法、装置及机器人控制设备。
背景技术
随着科学技术的不断发展，机器人技术因具有极大的研究价值及应用价值受到了各行各业的广泛重视，由于四足机器人具有动作灵敏、行进速度快、相比双足机器人运动更加稳定等特点，四足机器人的研制及运动规划控制方法越来越被人们重视。而对四足机器人来说，奔跑步态、对角小跑、同侧小跑等步态属于四足机器人需要研究的基本运动姿态，因此如何快速规划出可控性强的四足机器人的奔跑步态轨迹，便是当前四足机器人的运动规划研究过程中的一项极为重要的研究方向。
发明内容
有鉴于此，本申请的目的在于提供一种四足奔跑步态规划方法、装置及机器人控制设备，能够快速规划出四足机器人的前向速度可控的期望奔跑步态轨迹。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请提供一种四足奔跑步态规划方法，所述方法包括：
获取四足机器人在当前奔跑步态周期的奔跑规划期望参数，其中所述奔跑规划期望参数包括期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息；
根据所述期望前向平均速度以及所述期望模型特征信息调用所述质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到所述四足机器人在当前奔跑步态周期内的质心移动期望轨迹；
根据所述期望前向平均速度以及所述质心移动期望轨迹，确定所述当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量；
对所述质心移动期望轨迹以及所有单步周期各自的期望前向偏移量进行数据集成，得到所述四足机器人在当前奔跑步态周期的奔跑期望轨迹。
在可选的实施方式中，所述奔跑步态周期包括连续的两个单步周期，每个单步周期包括连续的一个单步支撑期及一个单步腾空期，所述质心移动规划模型包括与单步周期的单步支撑期对应的第一质心移动模拟模型及与单步周期的单步腾空期对应的第二质心移动模拟模型，所述期望模型特征信息包括与所述第一质心移动模拟模型对应的期望模型数据、所述单步腾空期的期望腾空期时长、所述单步支撑期的期望支撑期时长和期望前向速度变化量，质心移动期望轨迹包括与所述单步支撑期对应的第一质心高度变化轨迹和第一质心前向变化轨迹，以及与所述单步腾空期对应的第二质心高度变化轨迹和第二质心前向变化轨迹；
所述根据所述期望前向平均速度以及所述期望模型特征信息调用所述质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到所述四足机器人在当前奔跑步态周期内的质心移动期望轨迹的步骤，包括：
根据所述期望支撑期时长、所述期望腾空期时长及所述期望模型数据在所述第一质心移动模拟模型处进行弹簧负载倒立摆形变模拟，得到每个单步支撑期的所述第一质心高度变化轨迹；
针对每个单步腾空期，基于该单步腾空期所在的单步周期内的单步支撑期的所述第一质心高度变化轨迹在所述第二质心移动模拟模型处进行自由落体运动模拟，得到该单步腾空期的所述第二质心高度变化轨迹；
根据所述期望前向速度变化量、所述期望支撑期时长、所述期望腾空期时长及所述期望模型数据，计算所述四足机器人在不同单步支撑期处的前向起始期望速度及前向终止期望速度；
针对每个单步支撑期，根据该单步支撑期的前向起始期望速度在所述第一质心移动模拟模型处进行线性倒立摆形变模拟，得到该单步支撑期的第一质心前向变化轨迹；
针对每个单步腾空期，基于该单步腾空期所在的单步周期内的单步支撑期的所述第一质心前向变化轨迹在所述第二质心移动模拟模型处进行匀速前向运动模拟，得到该单步腾空期的所述第二质心前向变化轨迹。
在可选的实施方式中，所述根据所述期望前向平均速度以及所述质心移动期望轨迹，确定所述当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量的步骤，包括：
针对当前奔跑步态周期内每个单步周期，判断该单步周期的上一个单步周期所使用的期望前向平均速度是否与所述奔跑规划期望参数包括的期望前向平均速度相同；
若判定所述上一个单步周期所使用的期望前向平均速度与所述奔跑规划期望参数包括的期望前向平均速度相同，则根据当前奔跑步态周期内的该单步周期的单步支撑期的前向终止期望速度以及所述奔跑规划期望参数包括的期望前向平均速度、所述期望支撑期时长、所述期望腾空期时长及所述期望模型数据，计算得到当前奔跑步态周期内的该单步周期的期望前向偏移量；
若判定所述上一个单步周期所使用的期望前向平均速度与所述奔跑规划期望参数包括的期望前向平均速度并不相同，则根据所述上一个单步周期所使用的期望前向偏移量、所述上一个单步周期的单步支撑期的前向终止期望速度、当前奔跑步态周期内的该单步周期的单步支撑期的前向终止期望速度、所述期望支撑期时长及所述期望模型数据，调用预存的前向运动控制函数计算得到当前奔跑步态周期内的该单步周期的期望前向偏移量。
在可选的实施方式中，获取所述四足机器人在当前奔跑步态周期的与所述质心移动规划模型适配的期望模型特征信息的步骤，包括：
获取所述质心移动规划模型在当前奔跑步态周期的质心高度约束条件、支撑期前向移动约束条件、支撑足受力大小约束条件以及单步周期时长约束条件；
根据所述四足机器人在当前奔跑步态周期的期望前向平均速度，以最小化所述质心移动规划模型包括的第一质心移动模拟模型在单个单步周期的支撑足受力力矩为求解目的，在所述质心移动规划模型的作用下求解出满足所述质心高度约束条件、所述支撑期前向移动约束条件、所述支撑足受力大小约束条件及所述单步周期时长约束条件的所述期望模型特征信息。
第二方面，本申请提供一种四足奔跑步态规划装置，所述装置包括：
奔跑参数获取模块，用于获取四足机器人在当前奔跑步态周期的奔跑规划期望参数，其中所述奔跑规划期望参数包括期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息；
质心轨迹规划模块，用于根据所述期望前向平均速度以及所述期望模型特征信息调用所述质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到所述四足机器人在当前奔跑步态周期内的质心移动期望轨迹；
腾空落足规划模块，用于根据所述期望前向平均速度以及所述质心移动期望轨迹，确定所述当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量；
奔跑轨迹集成模块，用于对所述质心移动期望轨迹以及所有单步周期各自的期望前向偏移量进行数据集成，得到所述四足机器人在当前奔跑步态周期的奔跑期望轨迹。
第三方面，本申请提供一种机器人控制设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序，以实现前述实施方式中任意一项所述的四足奔跑步态规划方法。
在此情况下，本申请实施例的有益效果可以包括以下内容：
本申请根据四足机器人在当前奔跑步态周期的期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息，调用该质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到该四足机器人在当前奔跑步态周期内的质心移动期望轨迹，并基于期望前向平均速度以及质心移动期望轨迹，确定当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量，以通过期望前向偏移量表征四足机器人在奔跑过程中腾空迈步的落地姿态，从而结合当前奔跑步态周期的质心移动期望轨迹及对应单步周期的期望前向偏移量，快速输出四足机器人在当前奔跑步态周期的前向速度可控的期望奔跑步态轨迹。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
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，以下附图仅示出了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为本申请实施例提供的机器人控制设备的组成示意图；
图2为本申请实施例提供的四足机器人的奔跑过程示意图；
图3为本申请实施例提供的第一质心移动模拟模型在弹簧负载倒立摆形变模拟过程中的受力分解示意图；
图4为本申请实施例提供的第一质心移动模拟模型在线性倒立摆形变模拟过程中的受力分解示意图；
图5为本申请实施例提供的四足奔跑步态规划方法的流程示意图；
图6为图5中的步骤S210包括的子步骤的流程示意图；
图7为图5中的步骤S220包括的子步骤的流程示意图；
图8为图5中的步骤S230包括的子步骤的流程示意图；
图9为本申请实施例提供的四足奔跑步态规划装置的组成示意图。
图标：10-机器人控制设备；11-存储器；12-处理器；13-通信单元；100-四足奔跑步态规划装置；110-奔跑参数获取模块；120-质心轨迹规划模块；130-腾空落足规划模块；140-奔跑轨迹集成模块。
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，下面将结合本申请实施例中的附图，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。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
同时，在本申请的描述中，可以理解的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
申请人通过辛苦调研发现，现有四足奔跑步态规划方案可大致分为两类：(1)需要以四足动物(如猎豹，野马，犬类)的运动数据为基础合成出对应四足机器人适配的奔跑轨迹，这种方案需要大量前期的数据获取，并且在实际应用时还需要在具体四足机器人身上进行尺寸适配等工作，整体较为繁琐。(2)需要以构建出四足机器人模型为基础进行针对该四足机器人不同部位的高度、速度状况分别进行离线式奔跑轨迹优化，这种方案的具体奔跑轨迹效果依赖于机器人模型的构建精度，整体的轨迹规划自由度不佳。
在此情况下，为如何提升四足奔跑步态规划方案的整体规划效率，并同步提升该四足奔跑步态规划方案的规划自由度，本申请实施例提供通过提供一种四足奔跑步态规划方法、装置及机器人控制设备实现前述功能，并相应地针对四足机器人输出前向速度可控的期望奔跑步态轨迹。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互结合。
请参照图1，图1是本申请实施例提供的机器人控制设备10的组成示意图。在本申请实施例中，所述机器人控制设备10能够获取针对某个四足机器人的奔跑步态要求信息，而后基于所述奔跑步态要求信息快速地规划出对应的期望奔跑步态轨迹，并将规划出的期望奔跑步态轨迹传输给该四足机器人，使该四足机器人相应地按照该期望奔跑步态轨迹进行奔跑运动。其中，所述机器人控制设备10可以与四足机器人远程通信连接，也可以与所述四足机器人集成在一起，用于对所述四足机器人的实际运动情况进行控制。
此外，所述机器人控制设备10在实际规划奔跑步态轨迹过程中可以无需依赖四足机器人的具体机体参数(例如，四足机器人的具体关节结构及关节执行器类型等)，反而能够在快速规划出奔跑步态轨迹的同时，确保规划出的奔跑步态轨迹有效表征出输入的奔跑步态要求信息中的期望前向平均速度，从而确保四足机器人的奔跑步态轨迹的整体规划效率及规划自由度。
在本实施例中，所述机器人控制设备10可以包括存储器11、处理器12、通信单元13及四足奔跑步态规划装置100。其中，所述存储器11、所述处理器12及所述通信单元13各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，所述存储器11、所述处理器12及所述通信单元13这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
在本实施例中，所述存储器11可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，所述存储器11用于存储计算机程序，所述处理器12在接收到执行指令后，可相应地执行所述计算机程序。
同时，所述存储器11还用于存储质心移动规划模型，所述质心移动规划模型用于对四足机器人在奔跑步态周期内作奔跑运动时的质心移动轨迹进行规划，其中所述质心移动轨迹包括四足机器人在不同奔跑阶段的质心高度变化轨迹，以及该四足机器人在不同奔跑阶段的于前进方向上的质心前向变化轨迹。
在本实施例中，所述处理器12可以是一种具有信号的处理能力的集成电路芯片。所述处理器12可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)及网络处理器(Network Processor，NP)、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件中的至少一种。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
在本实施例中，所述通信单元13用于通过网络建立所述机器人控制设备10与其他电子设备之间的通信连接，并通过所述网络收发数据，其中所述网络包括有线通信网络及无线通信网络。例如，所述机器人控制设备10可以通过所述通信单元13获取针对四足机器人的奔跑步态要求信息，其中所述奔跑步态要求信息可以包括对应四足机器人的质心重量、期望前向平均速度以及针对质心移动规划模型的期望模型特征信息，所述期望模型特征信息用于限定对应质心移动规划模型在实际轨迹规划过程中的模型基本参数，进而限定该质心移动规划模型规划出的质心移动轨迹的具体轨迹分布效果。
在本实施例中，所述四足奔跑步态规划装置100包括至少一个能够以软件或固件的形式存储于所述存储器11中或者固化在所述机器人控制设备10的操作系统中的软件功能模块。所述处理器12可用于执行所述存储器11存储的可执行模块，例如所述四足奔跑步态规划装置100所包括的软件功能模块及计算机程序等。所述机器人控制设备10可通过所述四足奔跑步态规划装置100在无需依赖四足机器人的具体机体参数的情况下快速规划出前向速度可控的期望奔跑步态轨迹，以确保奔跑步态轨迹的整体规划效率及规划自由度。
可以理解的是，图1所示的框图仅为所述机器人控制设备10的一种组成示意图，所述机器人控制设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
而对四足机器人来说，可以参照图2所示的四足机器人的奔跑过程示意图对四足奔跑运动进行描述。在本申请实施例中，四足机器人在整个奔跑过程中会交替出现双足支撑状态及四足腾空状态，所述双足支撑状态包括交替出现的前两足支撑状态及后两足支撑状态。因此，对于四足机器人的一个奔跑运动来说，其对应的奔跑步态周期将由两个单步周期组成，而每个单步周期包括连续的一个单步支撑期及一个单步腾空期，两个单步支撑期分别对应前两足支撑状态和后两足支撑状态。
此时，可相应地选定四足机器人前双足的足底与地面接触时的地面位置作为世界坐标系的原点，建立笛卡尔右手坐标系，使X轴的正方向代表四足机器人的奔跑前进方向，使Z轴的正方向垂直地面向上，以通过该Z轴描述四足机器人特定部位(例如，质心)在奔跑过程中的高度位置变化状况。
由此，对同一奔跑步态周期所包括的两个单步支撑期而言，前两足支撑状态的单步支撑期即为四足机器人从前双足落地开始到前双足离地为止的时间段(如图2中的从左往右分布的第一个单步支撑期)；与前两足支撑状态的单步支撑期同属于一个单步周期的四足腾空状态的单步腾空期即为四足机器人从前双离地开始到后双足落地为止的时间段(如图2中的从左往右分布的第一个单步腾空期)。后两足支撑状态的单步支撑期即为四足机器人从后双足落地开始到后双足离地为止的时间段(如图2中的从左往右分布的第二个单步支撑期)；与后两足支撑状态的单步支撑期同属于一个单步周期的四足腾空状态的单步腾空期即为四足机器人从后双离地开始到下一次前双足落地为止的时间段(如图2中的从左往右分布的第二个单步腾空期)。
在此情况下，所述机器人控制设备10所存储的质心移动规划模型将对应划分为与单步周期的单步支撑期对应的第一质心移动模拟模型，和与单步周期的单步腾空期对应的第二质心移动模拟模型，以通过第一质心移动模拟模型对四足机器人在不同单步支撑期内的具体质心移动轨迹进行模拟规划，并通过第二质心移动模拟模型对四足机器人在不同单步腾空期内的具体质心移动轨迹进行模拟规划。此时，单个奔跑步态周期所对应的质心移动轨迹即包括不同单步支撑期各自对应的第一质心高度变化轨迹和第一质心前向变化轨迹，以及不同单步腾空期各自对应的第二质心高度变化轨迹和第二质心前向变化轨迹。
在本申请实施例中，所述第一质心移动模拟模型用于规划四足机器人在双足支撑状态下做奔跑运动时的质心移动变化轨迹，此时该第一质心移动模拟模型可将四足机器人视为一个具有全部重量的质点和一个无质量的连杆的复合倒立摆模型，该连杆的两端分别代表支撑足落地时受到地面反作用力的位置(即支撑足受力位置)和质心(前述质点)位置，该复合倒立摆模型可视为一个线性倒立摆模型(Linear Inverted Pendulum,LIP)与一个弹簧负载倒立摆模型(Spring Loaded Inverted Pendulum,SLIP)的复合，以通过该弹簧负载倒立摆模型对应模拟四足机器人在双足支撑状态下的质心高度变化轨迹，并同步地通过该线性倒立摆模型对应模拟该四足机器人在双足支撑状态下的质心前向变化轨迹。
此时，以图3所示的第一质心移动模拟模型在弹簧负载倒立摆形变模拟过程中的受力分解示意图进行说明，所述第一质心移动模拟模型模拟出的支撑足在Y轴方向上的受力(即支撑足纵向受力fz)为弹簧负载倒立摆模型所对应的虚拟弹簧形变力大小，将对应产生与支撑足纵向受力匹配的支撑足受力力矩分量(如图3中的τSLIP)。
以图4所示的第一质心移动模拟模型在线性倒立摆形变模拟过程中的受力分解示意图进行说明，所述第一质心移动模拟模型模拟出的支撑足在Y轴方向上的受力(即支撑足前向受力fx)为线性倒立摆模型所对应的X轴正向上的受力分量，将对应产生与支撑足前向受力匹配的支撑足受力力矩分量(如图4中的τLIP)。此时，所述四足机器人在对应单步支撑期内的支撑足受力力矩即为图3与图4所示两个支撑足受力力矩分量之和。
在本申请实施例中，所述第二质心移动模拟模型用于规划四足机器人在四足腾空状态下做奔跑运动时的质心移动变化轨迹，此时该四足机器人于对应单步腾空期内仅在Y轴方向上受重力影响，因而所述第二质心移动模拟模型可在单步腾空期内将四足机器人在Y轴方向上的奔跑运动视为自由落体运动，并将该四足机器人在X轴方向上的奔跑运动视为自由落体运动匀速前向运动，从而对应模拟出四足机器人在四足腾空状态下的质心高度变化轨迹以及质心前向变化轨迹。
在本申请中，为确保所述机器人控制设备10能够在无需依赖四足机器人的具体机体参数的情况下，快速规划出前向速度可控的期望奔跑步态轨迹，以确保奔跑步态轨迹的整体规划效率及规划自由度，本申请实施例提供一种四足奔跑步态规划方法实现前述目的。下面对本申请提供的四足奔跑步态规划方法进行详细描述。
请参照图5，图5是本申请实施例提供的四足奔跑步态规划方法的流程示意图。在本申请实施例中，所述四足奔跑步态规划方法可以包括步骤S210～步骤S240。
步骤S210，获取四足机器人在当前奔跑步态周期的奔跑规划期望参数，其中奔跑规划期望参数包括期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息。
在本实施例中，所述奔跑规划期望参数用于描述最终规划出的奔跑期望轨迹所需具备的轨迹效果，所述期望模型特征信息可以包括与所述第一质心移动模拟模型对应的期望模型数据、单步腾空期的期望腾空期时长、单步支撑期的期望支撑期时长和期望前向速度变化量，其中所述期望前向速度变化量用于描述对应单步支撑期的涉及质心的前向起始速度与前向终止速度之间的期望差异量绝对值。所述期望模型数据包括与线性倒立摆形变模拟操作对应的期望质心模拟高度，及与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧原长和期望虚拟弹簧刚度。
所述奔跑规划期望参数可由所述机器人控制设备10通过网络从远程终端设备处获得，也可由所述机器人控制设备10根据所述四足机器人的质心质量以及所述期望前向平均速度出于某种优化目的自行针对该四足机器人优化出符合该优化目的的期望模型特征信息，确保基于优化出的期望模型特征信息构建出的奔跑期望轨迹与该四足机器人更为适配，能使该四足机器人奔跑得更为稳定。
可选地，请参照图6，图6是图5中的步骤S210包括的子步骤的流程示意图。在本实施例中，所述四足机器人在当前奔跑步态周期的期望模型特征信息需要由所述机器人控制设备10以最小化力矩扰动为优化目的优化得到，此时所述步骤S210中的获取四足机器人在当前奔跑步态周期的与质心移动规划模型适配的期望模型特征信息的步骤可以包括子步骤S211及子步骤S212。
子步骤S211，获取质心移动规划模型在当前奔跑步态周期的质心高度约束条件、支撑期前向移动约束条件、支撑足受力大小约束条件以及单步周期时长约束条件。
在本实施例中，所述质心高度约束条件用于描述对应四足机器人的质心高度在整个奔跑步态周期的数值分布范围，其中所述质心高度约束条件包括针对四足机器人的双足落/离地时的质心高度的约束条件、针对四足机器人在第一质心移动模拟模型处进行弹簧负载倒立摆形变模拟时的最低质心高度的约束条件。
所述支撑期前向移动约束条件用于描述对应四足机器人在单步支撑期内的质心前向移动过程的相关参数分布范围，所述支撑期前向移动约束条件包括对四足机器人在双足落地(包括前双足落地及后双足落地)时的质心前向位置的约束条件、对四足机器人在双足落地时的质心前向速度的约束条件、对四足机器人在双足离地(包括前双足离地及后双足离地)时的质心前向位置的约束条件、对四足机器人在双足离地时的质心前向速度的约束条件。
所述支撑足受力大小约束条件用于限定四足机器人在第一质心移动模拟模型处的支撑足前向受力(与X轴正方向对应)及支撑足纵向受力(与Y轴正方向对应)各自的数值大小范围。其中，所述支撑足前向受力的数值大小需不大于所述支撑足纵向受力所造成的摩擦力大小。
所述单步周期时长约束条件用于限定单个单步周期内单步支撑期及单步腾空期各自的时段长度之和的整体数值分布范围。
子步骤S212，根据四足机器人在当前奔跑步态周期的期望前向平均速度，以最小化质心移动规划模型包括的第一质心移动模拟模型在单个单步周期的支撑足受力力矩为求解目的，在质心移动规划模型的作用下求解出满足质心高度约束条件、支撑期前向移动约束条件、支撑足受力大小约束条件及单步周期时长约束条件的期望模型特征信息。
在本实施例中，当所述第一质心移动模拟模型在单个单步周期下对应的支撑足受力力矩实为该单步周期包括的单步支撑期内产生的，此时所述四足机器人在所述第一质心移动模拟模型处的支撑足受力参数采用如下式子进行表达：
其中，fx(t)用于表示所述支撑足受力参数包括的支撑足前向受力在对应单步周期的单步支撑期内停留时长t时的受力数值，fz(t)用于表示所述支撑足受力参数包括的支撑足纵向受力在对应单步周期的单步支撑期内停留时长t时的受力数值，τ(t)用于表示所述支撑足受力参数包括的支撑足受力力矩在对应单步周期的单步支撑期内停留时长t时的力矩数值，m用于表示所述四足机器人的质心质量，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的支撑足受力位置和质心前向位置之间的前向距离，z(t)用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度，H用于表示所述期望模型特征信息包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，r用于表示所述期望模型特征信息包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧原长，k用于表示所述期望模型特征信息包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧刚度。其中，与fz(t)对应的支撑足受力力矩分量τSLIP即为
与fx(t)对应的支撑足受力力矩分量τLIP即为
此时，上述求解目的可表示为
或者
其中χ＝[Ts,Tf,H,Δv,k,r]，N用于表示单步周期的总采样数目，H用于表示所述期望模型数据包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，Ts用于表示对应单步周期的单步支撑期的期望支撑期时长，Tf用于表示对应单步周期的单步腾空期的期望腾空期时长，r用于表示与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧原长，k用于表示与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧刚度，Δv用于表示所述期望前向速度变化量。
由此，本申请可通过执行上述子步骤S211及子步骤S212，求解出能够确保最小化力矩扰动效果的期望模型特征信息，进而使基于求解出的期望模型特征信息对应构建出的奔跑期望轨迹能让对应四足机器人奔跑得更为稳定。
再次参照图5，步骤S220，根据期望前向平均速度以及期望模型特征信息调用质心移动规划模型针对四足机器人进行质心轨迹规划，得到四足机器人在当前奔跑步态周期内的质心移动期望轨迹。
在本实施例中，当所述质心移动规划模型包括与单步周期的单步支撑期对应的第一质心移动模拟模型及与单步周期的单步腾空期对应的第二质心移动模拟模型时，所述质心移动期望轨迹将对应包括与单步支撑期对应的第一质心高度变化轨迹和第一质心前向变化轨迹，以及与单步腾空期对应的第二质心高度变化轨迹和第二质心前向变化轨迹。在本实施例的一种实施方式中，所述质心移动期望轨迹还可以包括与单步支撑期对应的支撑足受力参数变化轨迹，所述支撑足受力参数变化轨迹与所述第一质心高度变化轨迹及所述第一质心前向变化轨迹相互对应，并可采用上述支撑足受力参数表达式进行表示。
可选地，请参照图7，图7是图5中的步骤S220包括的子步骤的流程示意图。在本实施例中，所述步骤S220可以包括子步骤S221～子步骤S225，以快速规划出与期望前向平均速度对应的质心移动期望轨迹。
子步骤S221，根据期望支撑期时长、期望腾空期时长及期望模型数据在第一质心移动模拟模型处进行弹簧负载倒立摆形变模拟，得到每个单步支撑期的第一质心高度变化轨迹。
在本实施例中，单个单步支撑期的第一质心高度变化轨迹可利用弹簧负载倒立摆模型在对应单步支撑期内停留一半期望支撑期时长时的质心高度变化速度为0，以及弹簧负载倒立摆模型在开始进入对应单步支撑期时的质心高度变化速度为该单步支撑期的前一单步腾空期的质心高度变化速度
的特性构建成如下式子进行表达：
其中，z(t)用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度变化速度，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度变化加速度，r用于表示所述期望模型数据包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧原长，k用于表示所述期望模型数据包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧刚度，m用于表示所述四足机器人的质心质量，Ts用于表示对应单步支撑期的期望支撑期时长，Tf用于表示单个单步腾空期的期望腾空期时长，g用于表示重力加速度。
子步骤S222，针对每个单步腾空期，基于该单步腾空期所在的单步周期内的单步支撑期的第一质心高度变化轨迹在第二质心移动模拟模型处进行自由落体运动模拟，得到该单步腾空期的第二质心高度变化轨迹。
在本实施例中，每个单步腾空期的第二质心高度变化轨迹会继承相邻的前一单步支撑期的质心高度变化终止位置作为自身的质心高度变化起始位置，并继承相邻的前一单步支撑期的质心高度变化终止速度作为自身的质心高度变化起始速度，此时单个单步腾空期的第二质心高度变化轨迹采用如下式子进行表达：
其中，z(t)用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心高度，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心高度变化速度，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心高度变化加速度，g用于表示重力加速度，
用于表示所述四足机器人在对应单步腾空期内的质心高度变化起始位置，
用于表示所述四足机器人在对应单步腾空期内的质心高度变化起始速度。
子步骤S223，根据期望前向速度变化量、期望支撑期时长、期望腾空期时长及期望模型数据，计算四足机器人在不同单步支撑期处的前向起始期望速度及前向终止期望速度。
在本实施例中，单个奔跑步态周期中的与后两足支撑状态对应的单步支撑期属于前向加速支撑期，单个奔跑步态周期中的与前两足支撑状态对应的单步支撑期属于前向减速支撑期，同时由于四足腾空期在X轴方向上的奔跑运动被视为匀速前向运动，故而相邻两个单步支撑期中任一个单步支撑期的前向起始期望速度等于剩下单步支撑期的前向终止期望速度，同一单步支撑期的前向起始期望速度及前向终止期望速度之间的差值的绝对值即为所述期望前向速度变化量。此时，对于后两足支撑状态的单步支撑期来说，该单步支撑期的前向起始期望速度、质心前向起始位置、前向终止期望速度及质心前向终止位置可采用如下式子计算得到：
其中，
用于表示所述四足机器人在后两足支撑状态的单步支撑期的前向起始期望速度，
用于表示所述四足机器人在后两足支撑状态的单步支撑期的质心前向起始位置，
用于表示所述四足机器人在后两足支撑状态的单步支撑期的前向终止期望速度，
用于表示所述四足机器人在后两足支撑状态的单步支撑期的质心前向终止位置，g用于表示重力加速度，H用于表示所述期望模型数据包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，Ts用于表示对应单步周期的单步支撑期的期望支撑期时长，Tf用于表示对应单步周期的单步腾空期的期望腾空期时长，
用于表示对应单步周期的期望前向平均速度，Δv用于表示所述期望前向速度变化量。
由此，可在上述式子作用下结合相邻两个单步支撑期之间的前向速度关系状况计算得到所述四足机器人在不同单步支撑期处的前向起始期望速度及前向终止期望速度，并有效结合所述四足机器人在四足腾空状态下的质心前向运动状况，测定出每个单步支撑期的质心前向起始位置及质心前向终止位置。
子步骤S224，针对每个单步支撑期，根据该单步支撑期的前向起始期望速度在第一质心移动模拟模型处进行线性倒立摆形变模拟，得到该单步支撑期的第一质心前向变化轨迹。
在本实施例中，每个单步支撑期的第一质心前向变化轨迹会继承相邻的前一单步腾空期的质心前向终止位置作为自身的质心前向起始位置，并继承相邻的前一单步腾空期的质心前向终止速度作为自身的前向起始期望速度，此时单个单步支撑期的第一质心前向变化轨迹采用如下式子进行表达：
其中，x(t)用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心前向位置，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心前向速度，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心前向加速度，
用于表示所述四足机器人在对应单步支撑期内的支撑足受力位置与质心前向位置x(t)之间的前向距离，H用于表示所述期望模型数据包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，
用于表示所述四足机器人在对应单步支撑期内的质心前向起始位置，
用于表示所述四足机器人在对应单步支撑期内的前向起始期望速度，g用于表示重力加速度。
子步骤S225，针对每个单步腾空期，基于该单步腾空期所在的单步周期内的单步支撑期的所述第一质心前向变化轨迹在第二质心移动模拟模型处进行匀速前向运动模拟，得到该单步腾空期的所述第二质心前向变化轨迹。
在本实施例中，每个单步腾空期的第二质心前向变化轨迹会继承相邻的前一单步支撑期的质心前向终止位置作为自身的质心前向起始位置，并继承相邻的前一单步支撑期的前向终止期望速度作为自身的前向起始期望速度，此时单个单步腾空期的第二质心前向变化轨迹采用如下式子进行表达：
其中，x(t)用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心前向位置，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心前向速度，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心前向加速度，
用于表示所述四足机器人在对应单步腾空期内的质心前向起始位置，
用于表示所述四足机器人在对应单步腾空期内的前向起始期望速度，其中
的数值与对应单步腾空期所在的单步周期内的单步支撑期的前向终止期望速度相等。
由此，本申请可通过执行上述子步骤S221～子步骤S225，在无需依赖四足机器人的具体机体参数的情况下快速规划出与期望前向平均速度对应的质心移动期望轨迹。
步骤S230，根据期望前向平均速度以及质心移动期望轨迹，确定当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量。
在本实施例中，所述腾空落足期望位置用于表示所述四足机器人在四足腾空状态下的期望落地位置，所述期望前向偏移量所对应的质心期望位置为所述四足机器人在所述质心移动期望轨迹作用下处于所述期望落地位置时的质心期望位置，所述期望前向偏移量为相互对应的腾空落足期望位置与质心期望位置在X轴正方向上的期望间距数值，能够相应地表征四足机器人在奔跑过程中腾空迈步的落地姿态，用以确保所述四足机器人在奔跑过程中形成周期性前向步态，并相应地确保所述四足机器人在奔跑过程中的奔跑稳定性，防止所述四足机器人摔倒。
可选地，请参照图8，图8是图5中的步骤S230包括的子步骤的流程示意图。在本实施例中，所述步骤S230可以包括子步骤S231～子步骤S233，以确保确定出期望前向偏移量有效提升四足机器人在奔跑过程中的奔跑稳定性，防止所述四足机器人摔倒。
子步骤S231，针对当前奔跑步态周期内每个单步周期，判断该单步周期的上一个单步周期所使用的期望前向平均速度是否与奔跑规划期望参数包括的期望前向平均速度相同。
在本申请实施例中，若当前单步周期的上一个单步周期所使用的期望前向平均速度与当前单步周期的期望前向平均速度并不相同，即表明需要在上一单步周期与当前单步周期之间的奔跑步态状况进行姿态过渡调整，避免所述四足机器人摔倒，此时将对应执行子步骤S233；若当前单步周期的上一个单步周期所使用的期望前向平均速度与当前单步周期的期望前向平均速度相同，即表明无需在上一单步周期与当前单步周期之间的奔跑步态状况进行姿态过渡调整，此时可直接通过执行子步骤S232利用当前单步周期所对应的奔跑规划期望参数计算得到当前单步周期的期望前向偏移量。
子步骤S232，根据当前奔跑步态周期内的该单步周期的单步支撑期的前向终止期望速度以及奔跑规划期望参数包括的期望前向平均速度、期望支撑期时长、期望腾空期时长及期望模型数据，计算得到当前奔跑步态周期内的该单步周期的期望前向偏移量。
在本实施例中，若当前单步周期的上一个单步周期所使用的期望前向平均速度与当前单步周期的期望前向平均速度相同，可直接基于当前单步周期在所述质心移动期望轨迹处的单步支撑期的前向终止期望速度，以及所述奔跑规划期望参数包括的多项参数内容，计算出前奔跑步态周期内的该单步周期的期望前向偏移量。其中，同一单步周期的单步支撑期的前向终止期望速度、期望前向平均速度、期望支撑期时长、期望腾空期时长及期望模型数据以及期望前向偏移量之间的关联关系采用如下式子进行表达：
其中，l*用于表示所述四足机器人在对应单步周期内的期望前向偏移量，
用于表示所述四足机器人在对应单步周期的单步支撑期内的前向终止期望速度，g用于表示重力加速度，H用于表示所述期望模型数据包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，Ts用于表示对应单步周期的单步支撑期的期望支撑期时长，Tf用于表示对应单步周期的单步腾空期的期望腾空期时长，
用于表示对应单步周期的期望前向平均速度。
子步骤S233，根据上一个单步周期所使用的期望前向偏移量、上一个单步周期的单步支撑期的前向终止期望速度、当前奔跑步态周期内的该单步周期的单步支撑期的前向终止期望速度、期望支撑期时长及期望模型数据，调用预存的前向运动控制函数计算得到当前奔跑步态周期内的该单步周期的期望前向偏移量。
在本实施例中，若当前单步周期的上一个单步周期所使用的期望前向平均速度与当前单步周期的期望前向平均速度并不相同，则需相应调用预存的前向运动控制函数在上一单步周期的期望前向偏移量上进行参数调整，得到当前奔跑步态周期内的该单步周期的期望前向偏移量，从而实现相邻单步周期之间的奔跑步态状况进行姿态过渡调整，避免所述四足机器人摔倒。在本实施例的一种实施方式中，所述前向运动控制函数可采用如下式子进行表达：
其中，l*用于表示所述四足机器人在当前单步周期内的期望前向偏移量，
用于表示所述四足机器人在当前单步周期的上一单步周期的期望前向偏移量，
用于表示所述四足机器人在当前单步周期的上一个单步周期的单步支撑期的前向终止期望速度，
用于表示所述四足机器人在当前奔跑步态周期内的该单步周期的单步支撑期的前向终止期望速度。
由此，本申请可通过执行上述子步骤S231～子步骤S233，确保确定出期望前向偏移量有效提升四足机器人在奔跑过程中的奔跑稳定性，防止所述四足机器人摔倒。
步骤S240，对质心移动期望轨迹以及所有单步周期各自的期望前向偏移量进行数据集成，得到四足机器人在当前奔跑步态周期的奔跑期望轨迹。
在本实施例中，所述机器人控制设备10可通过将当前奔跑步态周期所对应的质心移动期望轨迹结合所述当前奔跑步态周期内所有单步周期各自的期望前向偏移量进行机器人运动轨迹映射处理，得到所述四足机器人在当前奔跑步态周期的奔跑期望轨迹。
由此，本申请可通过执行上述步骤S210～步骤S240，在无需依赖四足机器人的具体机体参数的情况下，快速规划出前向速度可控的期望奔跑步态轨迹，以确保奔跑步态轨迹的整体规划效率及规划自由度。
在本申请中，为确保所述机器人控制设备10能够通过所述四足奔跑步态规划装置100执行上述四足奔跑步态规划方法，本申请通过对所述四足奔跑步态规划装置100进行功能模块划分的方式实现前述功能。下面对本申请提供的四足奔跑步态规划装置100的具体组成进行相应描述。
请参照图9，图9是本申请实施例提供的四足奔跑步态规划装置100的组成示意图。在本申请实施例中，所述四足奔跑步态规划装置100可以包括奔跑参数获取模块110、质心轨迹规划模块120、腾空落足规划模块130及奔跑轨迹集成模块140。
奔跑参数获取模块110，用于获取四足机器人在当前奔跑步态周期的奔跑规划期望参数，其中所述奔跑规划期望参数包括期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息。
质心轨迹规划模块120，用于根据所述期望前向平均速度以及所述期望模型特征信息调用所述质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到所述四足机器人在当前奔跑步态周期内的质心移动期望轨迹。
腾空落足规划模块130，用于根据所述期望前向平均速度以及所述质心移动期望轨迹，确定所述当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量。
奔跑轨迹集成模块140，用于对所述质心移动期望轨迹以及所有单步周期各自的期望前向偏移量进行数据集成，得到所述四足机器人在当前奔跑步态周期的奔跑期望轨迹。
需要说明的是，本申请实施例所提供的四足奔跑步态规划装置100，其基本原理及产生的技术效果与前述的四足奔跑步态规划方法相同。为简要描述，本实施例部分未提及之处，可参考上述的针对四足奔跑步态规划方法的描述内容。
在本申请所提供的实施例中，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，附图中的流程图和框图显示了根据本申请的实施例的装置、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，在有些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，框图和/或流程图中的每个方框、以及框图和/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。
综上所述，在本申请实施例提供的四足奔跑步态规划方法、装置及机器人控制设备中，本申请根据四足机器人在当前奔跑步态周期的期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息，调用该质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到该四足机器人在当前奔跑步态周期内的质心移动期望轨迹，并基于期望前向平均速度以及质心移动期望轨迹，确定当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量，以通过期望前向偏移量表征四足机器人在奔跑过程中腾空迈步的落地姿态，从而结合当前奔跑步态周期的质心移动期望轨迹及对应单步周期的期望前向偏移量，快速输出四足机器人在当前奔跑步态周期的前向速度可控的期望奔跑步态轨迹。
以上所述，仅为本申请的各种实施方式，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。因此，本申请的保护范围应当以权利要求的保护范围为准。
Claims (10)
1.一种四足奔跑步态规划方法，其特征在于，所述方法包括：
获取四足机器人在当前奔跑步态周期的奔跑规划期望参数，其中所述奔跑规划期望参数包括期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息；
根据所述期望前向平均速度以及所述期望模型特征信息调用所述质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到所述四足机器人在当前奔跑步态周期内的质心移动期望轨迹；
根据所述期望前向平均速度以及所述质心移动期望轨迹，确定所述当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量；
对所述质心移动期望轨迹以及所有单步周期各自的期望前向偏移量进行数据集成，得到所述四足机器人在当前奔跑步态周期的奔跑期望轨迹。
2.根据权利要求1所述的方法，其特征在于，所述奔跑步态周期包括连续的两个单步周期，每个单步周期包括连续的一个单步支撑期及一个单步腾空期，所述质心移动规划模型包括与单步周期的单步支撑期对应的第一质心移动模拟模型及与单步周期的单步腾空期对应的第二质心移动模拟模型，所述期望模型特征信息包括与所述第一质心移动模拟模型对应的期望模型数据、所述单步腾空期的期望腾空期时长、所述单步支撑期的期望支撑期时长和期望前向速度变化量，质心移动期望轨迹包括与所述单步支撑期对应的第一质心高度变化轨迹和第一质心前向变化轨迹，以及与所述单步腾空期对应的第二质心高度变化轨迹和第二质心前向变化轨迹；
所述根据所述期望前向平均速度以及所述期望模型特征信息调用所述质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到所述四足机器人在当前奔跑步态周期内的质心移动期望轨迹的步骤，包括：
根据所述期望支撑期时长、所述期望腾空期时长及所述期望模型数据在所述第一质心移动模拟模型处进行弹簧负载倒立摆形变模拟，得到每个单步支撑期的所述第一质心高度变化轨迹；
针对每个单步腾空期，基于该单步腾空期所在的单步周期内的单步支撑期的所述第一质心高度变化轨迹在所述第二质心移动模拟模型处进行自由落体运动模拟，得到该单步腾空期的所述第二质心高度变化轨迹；
根据所述期望前向速度变化量、所述期望支撑期时长、所述期望腾空期时长及所述期望模型数据，计算所述四足机器人在不同单步支撑期处的前向起始期望速度及前向终止期望速度；
针对每个单步支撑期，根据该单步支撑期的前向起始期望速度在所述第一质心移动模拟模型处进行线性倒立摆形变模拟，得到该单步支撑期的第一质心前向变化轨迹；
针对每个单步腾空期，基于该单步腾空期所在的单步周期内的单步支撑期的所述第一质心前向变化轨迹在所述第二质心移动模拟模型处进行匀速前向运动模拟，得到该单步腾空期的所述第二质心前向变化轨迹。
3.根据权利要求1所述的方法，其特征在于，单个单步支撑期的第一质心高度变化轨迹采用如下式子进行表达：
单个单步支撑期的第一质心前向变化轨迹采用如下式子进行表达：
其中，z(t)用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度变化速度，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度变化加速度，r用于表示所述期望模型数据包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧原长，k用于表示所述期望模型数据包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧刚度，m用于表示所述四足机器人的质心质量，Ts用于表示对应单步支撑期的期望支撑期时长，Tf用于表示单个单步腾空期的期望腾空期时长，g用于表示重力加速度，x(t)用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心前向位置，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心前向速度，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心前向加速度，
用于表示所述四足机器人在对应单步支撑期内的支撑足受力位置与质心前向位置x(t)之间的前向距离，H用于表示所述期望模型数据包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，
用于表示所述四足机器人在对应单步支撑期内的质心前向起始位置，
用于表示所述四足机器人在对应单步支撑期内的前向起始期望速度。
4.根据权利要求3所述的方法，其特征在于，单个单步腾空期的第二质心高度变化轨迹采用如下式子进行表达：
单个单步腾空期的第二质心前向变化轨迹采用如下式子进行表达：
其中，z(t)用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心高度，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心高度变化速度，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心高度变化加速度，g用于表示重力加速度，x(t)用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心前向位置，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心前向速度，
用于表示所述四足机器人在对应单步腾空期内停留时长t时的质心前向加速度，
用于表示所述四足机器人在对应单步腾空期内的质心前向起始位置，
用于表示所述四足机器人在对应单步腾空期内的前向起始期望速度，
用于表示所述四足机器人在对应单步腾空期内的质心高度变化起始位置，
用于表示所述四足机器人在对应单步腾空期内的质心高度变化起始速度，其中
的数值与对应单步腾空期所在的单步周期内的单步支撑期的前向终止期望速度相等。
5.根据权利要求2所述的方法，其特征在于，所述根据所述期望前向平均速度以及所述质心移动期望轨迹，确定所述当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量的步骤，包括：
针对当前奔跑步态周期内每个单步周期，判断该单步周期的上一个单步周期所使用的期望前向平均速度是否与所述奔跑规划期望参数包括的期望前向平均速度相同；
若判定所述上一个单步周期所使用的期望前向平均速度与所述奔跑规划期望参数包括的期望前向平均速度相同，则根据当前奔跑步态周期内的该单步周期的单步支撑期的前向终止期望速度以及所述奔跑规划期望参数包括的期望前向平均速度、所述期望支撑期时长、所述期望腾空期时长及所述期望模型数据，计算得到当前奔跑步态周期内的该单步周期的期望前向偏移量；
若判定所述上一个单步周期所使用的期望前向平均速度与所述奔跑规划期望参数包括的期望前向平均速度并不相同，则根据所述上一个单步周期所使用的期望前向偏移量、所述上一个单步周期的单步支撑期的前向终止期望速度、当前奔跑步态周期内的该单步周期的单步支撑期的前向终止期望速度、所述期望支撑期时长及所述期望模型数据，调用预存的前向运动控制函数计算得到当前奔跑步态周期内的该单步周期的期望前向偏移量。
6.根据权利要求5所述的方法，其特征在于，同一单步周期的单步支撑期的前向终止期望速度、期望前向平均速度、期望支撑期时长、期望腾空期时长及期望模型数据以及期望前向偏移量之间的关联关系采用如下式子进行表达：
其中，l*用于表示所述四足机器人在对应单步周期内的期望前向偏移量，
用于表示所述四足机器人在对应单步周期的单步支撑期内的前向终止期望速度，g用于表示重力加速度，H用于表示所述期望模型数据包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，Ts用于表示对应单步周期的单步支撑期的期望支撑期时长，Tf用于表示对应单步周期的单步腾空期的期望腾空期时长，
用于表示对应单步周期的期望前向平均速度。
7.根据权利要求1-6中任意一项所述的方法，其特征在于，获取所述四足机器人在当前奔跑步态周期的与所述质心移动规划模型适配的期望模型特征信息的步骤，包括：
获取所述质心移动规划模型在当前奔跑步态周期的质心高度约束条件、支撑期前向移动约束条件、支撑足受力大小约束条件以及单步周期时长约束条件；
根据所述四足机器人在当前奔跑步态周期的期望前向平均速度，以最小化所述质心移动规划模型包括的第一质心移动模拟模型在单个单步周期的支撑足受力力矩为求解目的，在所述质心移动规划模型的作用下求解出满足所述质心高度约束条件、所述支撑期前向移动约束条件、所述支撑足受力大小约束条件及所述单步周期时长约束条件的所述期望模型特征信息。
8.根据权利要求7所述的方法，其特征在于，所述四足机器人在所述第一质心移动模拟模型处的支撑足受力参数采用如下式子进行表达：
其中，fx(t)用于表示所述支撑足受力参数包括的支撑足前向受力在对应单步周期的单步支撑期内停留时长t时的受力数值，fz(t)用于表示所述支撑足受力参数包括的支撑足纵向受力在对应单步周期的单步支撑期内停留时长t时的受力数值，τ(t)用于表示所述支撑足受力参数包括的支撑足受力力矩在对应单步周期的单步支撑期内停留时长t时的力矩数值，m用于表示所述四足机器人的质心质量，
用于表示所述四足机器人在对应单步支撑期内停留时长t时的支撑足受力位置和质心前向位置之间的前向距离，z(t)用于表示所述四足机器人在对应单步支撑期内停留时长t时的质心高度，H用于表示所述期望模型特征信息包括的与线性倒立摆形变模拟操作对应的期望质心模拟高度，r用于表示所述期望模型特征信息包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧原长，k用于表示所述期望模型特征信息包括的与弹簧负载倒立摆形变模拟操作对应的期望虚拟弹簧刚度。
9.一种四足奔跑步态规划装置，其特征在于，所述装置包括：
奔跑参数获取模块，用于获取四足机器人在当前奔跑步态周期的奔跑规划期望参数，其中所述奔跑规划期望参数包括期望前向平均速度以及与质心移动规划模型适配的期望模型特征信息；
质心轨迹规划模块，用于根据所述期望前向平均速度以及所述期望模型特征信息调用所述质心移动规划模型针对所述四足机器人进行质心轨迹规划，得到所述四足机器人在当前奔跑步态周期内的质心移动期望轨迹；
腾空落足规划模块，用于根据所述期望前向平均速度以及所述质心移动期望轨迹，确定所述当前奔跑步态周期内每个单步周期的腾空落足期望位置相对于对应质心期望位置的期望前向偏移量；
奔跑轨迹集成模块，用于对所述质心移动期望轨迹以及所有单步周期各自的期望前向偏移量进行数据集成，得到所述四足机器人在当前奔跑步态周期的奔跑期望轨迹。
10.一种机器人控制设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序，以实现权利要求1-7中任意一项所述的四足奔跑步态规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111436773.0A CN114115280B (zh) | 2021-11-29 | 2021-11-29 | 四足奔跑步态规划方法、装置及机器人控制设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111436773.0A CN114115280B (zh) | 2021-11-29 | 2021-11-29 | 四足奔跑步态规划方法、装置及机器人控制设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114115280A true CN114115280A (zh) | 2022-03-01 |
| CN114115280B CN114115280B (zh) | 2024-03-29 |
Family
ID=80367771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111436773.0A Active CN114115280B (zh) | 2021-11-29 | 2021-11-29 | 四足奔跑步态规划方法、装置及机器人控制设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114115280B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110231050A1 (en) * | 2010-03-22 | 2011-09-22 | Goulding John R | In-Line Legged Robot Vehicle and Method for Operating |
| CN102591344A (zh) * | 2012-03-05 | 2012-07-18 | 中国人民解放军国防科学技术大学 | 四足仿生机器人的时位控制方法 |
| CN104267720A (zh) * | 2014-10-24 | 2015-01-07 | 山东大学 | 一种四足仿生机器人的自由步态生成方法 |
| US20160089786A1 (en) * | 2014-09-29 | 2016-03-31 | Honda Motor Co., Ltd. | Control device for mobile robot |
| US20170036346A1 (en) * | 2015-08-05 | 2017-02-09 | Honda Motor Co., Ltd. | Desired zmp trajectory generating device for a mobile robot |
| CN110328670A (zh) * | 2019-08-27 | 2019-10-15 | 山东科技大学 | 基于地形模糊自适应的四足机器人静步态规划方法 |
| US20200156721A1 (en) * | 2018-11-21 | 2020-05-21 | Ubtech Robotics Corp Ltd | Robot gait planning method and robot with the same |
| CN111208826A (zh) * | 2020-02-18 | 2020-05-29 | 杭州云深处科技有限公司 | 四足机器人溜蹄步态规划方法、装置、设备及可读介质 |
| CN111483532A (zh) * | 2020-06-02 | 2020-08-04 | 山东大学 | 一种静步态上楼梯的四足机器人运动控制方法 |
| CN111766885A (zh) * | 2020-07-08 | 2020-10-13 | 清华大学深圳国际研究生院 | 一种四足机器人的静步态规划方法 |
| CN113359800A (zh) * | 2021-06-30 | 2021-09-07 | 深圳市优必选科技股份有限公司 | 机器人行走控制方法、装置、机器人控制设备及存储介质 |
-
2021
- 2021-11-29 CN CN202111436773.0A patent/CN114115280B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110231050A1 (en) * | 2010-03-22 | 2011-09-22 | Goulding John R | In-Line Legged Robot Vehicle and Method for Operating |
| CN102591344A (zh) * | 2012-03-05 | 2012-07-18 | 中国人民解放军国防科学技术大学 | 四足仿生机器人的时位控制方法 |
| US20160089786A1 (en) * | 2014-09-29 | 2016-03-31 | Honda Motor Co., Ltd. | Control device for mobile robot |
| CN104267720A (zh) * | 2014-10-24 | 2015-01-07 | 山东大学 | 一种四足仿生机器人的自由步态生成方法 |
| US20170036346A1 (en) * | 2015-08-05 | 2017-02-09 | Honda Motor Co., Ltd. | Desired zmp trajectory generating device for a mobile robot |
| US20200156721A1 (en) * | 2018-11-21 | 2020-05-21 | Ubtech Robotics Corp Ltd | Robot gait planning method and robot with the same |
| CN110328670A (zh) * | 2019-08-27 | 2019-10-15 | 山东科技大学 | 基于地形模糊自适应的四足机器人静步态规划方法 |
| CN111208826A (zh) * | 2020-02-18 | 2020-05-29 | 杭州云深处科技有限公司 | 四足机器人溜蹄步态规划方法、装置、设备及可读介质 |
| CN111483532A (zh) * | 2020-06-02 | 2020-08-04 | 山东大学 | 一种静步态上楼梯的四足机器人运动控制方法 |
| CN111766885A (zh) * | 2020-07-08 | 2020-10-13 | 清华大学深圳国际研究生院 | 一种四足机器人的静步态规划方法 |
| CN113359800A (zh) * | 2021-06-30 | 2021-09-07 | 深圳市优必选科技股份有限公司 | 机器人行走控制方法、装置、机器人控制设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| HAIYU GU 等: "《Design and Simulation of a Low-Inertia Bionic Leg for Quadruped Robots》", 《2018 2ND IEEE ADVANCED INFORMATION MANAGEMENT, COMMUNICATES, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE》, pages 1 - 6 * |
| LIANGWENWANG 等: "《A geometricapproachtosolvingthestableworkspaceofquadruped bionic robotwithhand–foot-integratedfunction》", 《ROBOTICSANDCOMPUTER-INTEGRATEDMANUFACTURING》, pages 1 - 11 * |
| 刘军 等: "《四足机器人不规则地形稳定方法研究》", 《沈阳理工大学学报》, vol. 40, no. 3, pages 1 - 8 * |
| 吴陈成 等: "《基于神经网络的四足机器人SLIP 模型运动控制》", 《湖南工业大学学报》, vol. 35, no. 5, pages 1 - 7 * |
| 许威 等: "《特种机器人行业的新锐 ——四足仿生机器人》", 《智能论坛》, pages 1 - 8 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114115280B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4105756A1 (en) | Method, apparatus and device for controlling movement of legged robot, and medium | |
| US7482775B2 (en) | Robot controller | |
| Del Prete et al. | Prioritized motion–force control of constrained fully-actuated robots:“Task Space Inverse Dynamics” | |
| Kim et al. | Computationally-robust and efficient prioritized whole-body controller with contact constraints | |
| US20210162589A1 (en) | Systems and methods for learning agile locomotion for multiped robots | |
| Carpentier et al. | Recent progress in legged robots locomotion control | |
| CN111506100A (zh) | 多足机器人关节控制方法、装置和多足机器人 | |
| CN113821045B (zh) | 一种腿足机器人强化学习动作生成系统 | |
| CN112975978B (zh) | 多足机器人负重平衡方法、装置和多足机器人 | |
| CN113064433A (zh) | 机器人迈步控制方法、装置、机器人控制设备及存储介质 | |
| Rodriguez et al. | Combining simulations and real-robot experiments for Bayesian optimization of bipedal gait stabilization | |
| CN114489104B (zh) | 机器人迈步控制方法及装置、机器人控制设备和存储介质 | |
| CN112276950B (zh) | 抗扰动模型训练、控制方法、装置、设备、机器人及介质 | |
| CN114115280A (zh) | 四足奔跑步态规划方法、装置及机器人控制设备 | |
| CN113119102B (zh) | 基于浮动基飞轮倒立摆的仿人机器人建模方法和装置 | |
| CN114115295B (zh) | 机器人运动规划方法及装置、机器人控制设备和存储介质 | |
| CN112975965B (zh) | 仿人机器人的解耦控制方法、装置和仿人机器人 | |
| CN113927585B (zh) | 一种机器人平衡控制方法、装置、可读存储介质及机器人 | |
| Friedmann et al. | Adequate motion simulation and collision detection for soccer playing humanoid robots | |
| Ortíz et al. | Walk stability control for position-controlled servo actuated humanoid robot | |
| CN114137840A (zh) | 足式机器人全局平衡控制方法、装置和足式机器人 | |
| CN113858207A (zh) | 人形机器人的倒地控制方法、装置、电子设备及存储介质 | |
| Huang et al. | Task-space whole-body control with variable contact force control for position-controlled humanoid adaptation to unknown disturbance | |
| CN114253260B (zh) | 机器人步态规划方法及装置、运动规划设备和存储介质 | |
| CN116551669A (zh) | 仿人机器人动态跳跃与平衡控制方法、电子设备、介质 |
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 |