CN114115295B - 机器人运动规划方法及装置、机器人控制设备和存储介质 - Google Patents

机器人运动规划方法及装置、机器人控制设备和存储介质 Download PDF

Info

Publication number
CN114115295B
CN114115295B CN202111625781.XA CN202111625781A CN114115295B CN 114115295 B CN114115295 B CN 114115295B CN 202111625781 A CN202111625781 A CN 202111625781A CN 114115295 B CN114115295 B CN 114115295B
Authority
CN
China
Prior art keywords
centroid
projection
robot
expected
actual
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
Application number
CN202111625781.XA
Other languages
English (en)
Other versions
CN114115295A (zh
Inventor
周江琛
熊友军
刘益彰
葛利刚
陈春玉
罗秋月
闫萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ubtech Technology Co ltd
Original Assignee
Shenzhen Ubtech Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Ubtech Technology Co ltd filed Critical Shenzhen Ubtech Technology Co ltd
Priority to CN202111625781.XA priority Critical patent/CN114115295B/zh
Publication of CN114115295A publication Critical patent/CN114115295A/zh
Application granted granted Critical
Publication of CN114115295B publication Critical patent/CN114115295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0212—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
    • G05D1/0276—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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

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

本申请提供一种机器人运动规划方法及装置、机器人控制设备和存储介质，涉及机器人控制技术领域。本申请在根据双足机器人在当前控制时刻的质心实际投影信息以及在当前控制时刻的预测时域内的期望落脚点分布信息，对双足机器人在预测时域包括的下一控制时刻的质心期望投影信息进行预测的基础上，根据质心实际投影信息、双足机器人在当前控制时刻的实际零力矩点位置、期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出下一控制时刻的质心目标投影信息，从而有效削弱双足机器人的建模误差和状态估计误差对步态规划结果的影响，提升步态规划结果在实际执行时的步态稳定性。

Description

机器人运动规划方法及装置、机器人控制设备和存储介质
技术领域
本申请涉及机器人控制技术领域，具体而言，涉及一种机器人运动规划方法及装置、机器人控制设备和存储介质。
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，其中双足机器人的步行控制便是机器人控制技术领域中的一项重要研究方向。现有实现双足机器人步行控制效果的步态规划方案直接基于常规简化模型的模型预测控制算法构建，实质面临着简化模型带来的建模误差，同时因为模型预测控制算法需要根据双足机器人当前状态进行步态实时规划，也面临着机器人状态估计误差，整体的机器人步态控制效果不佳。
发明内容
有鉴于此，本申请的目的在于提供一种机器人运动规划方法及装置、机器人控制设备和存储介质，能够有效降低双足机器人的建模误差和状态估计误差对步态规划结果的影响，提升步态规划结果在实际机器人控制过程中表现出的步态稳定性。
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，本申请提供一种机器人运动规划方法，所述方法包括：
根据双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对所述双足机器人在所述预测时域包括的下一控制时刻的质心期望投影信息进行预测；
根据所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出所述双足机器人在下一控制时刻的质心目标投影信息。
在可选的实施方式中，所述期望落脚点分布信息包括当前控制时刻以后连续多个控制时刻各自的期望落脚点位置，所述根据双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对所述双足机器人在所述预测时域包括的下一控制时刻的质心期望投影信息进行预测的步骤，包括：
以最小化所述预测时域的质心投影跟踪误差惩罚为优化目的，根据所有期望落脚点位置、所述质心实际投影信息及预存的质心投影变化关系和零力矩点分布约束条件，针对质心投影急动度进行优化式预测，得到所述双足机器人在当前控制时刻需要使用的目标质心投影急动度，其中所述质心投影变化关系用于表示相邻两个控制时刻各自的质心投影信息与对应质心投影急动度之间的关联关系；
根据所述目标质心投影急动度、所述质心实际投影信息以及所述质心投影变化关系，计算得到所述质心期望投影信息。
在可选的实施方式中，所述预测时域的质心投影跟踪误差惩罚采用如下式子进行表达：
其中，F用于表示所述预测时域的质心投影跟踪误差惩罚，f1用于表示所述预测时域的质心投影跟踪位置误差惩罚，f2用于表示所述预测时域的质心投影跟踪急动度惩罚，W(k)用于表示满足所述质心投影变化关系的所述预测时域内第k个控制时刻的质心投影信息所包括的质心投影位置，用于表示所述预测时域内第k个控制时刻的期望落脚点位置，U(k)用于表示所述预测时域内第k个控制时刻的质心投影急动度，α用于表示数值大于零的所述质心投影跟踪位置误差惩罚的惩罚系数，β用于表示数值大于零的所述质心投影跟踪急动度惩罚的惩罚系数，N用于表示所述预测时域的控制时刻总数。
在可选的实施方式中，所述质心期望投影信息包括质心期望投影位置及质心期望投影速度，所述质心实际投影信息包括质心实际投影位置及质心实际投影速度，所述根据所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出所述双足机器人在下一控制时刻的质心目标投影信息的步骤，包括：
计算所述质心期望投影位置与所述质心实际投影位置之间的投影位置差异、所述质心期望投影速度与所述质心实际投影速度之间的投影速度差异，以及所述目标期望落脚点位置与所述实际零力矩点位置之间的双足位置差异；
调用与柔顺控制算法对应的投影位置控制系数、投影速度控制系数以及零力矩点控制系数，按照所述柔顺控制算法所对应的质心投影加速度控制律对所述投影位置差异、所述投影速度差异及所述双足位置差异进行数据处理，得到所述质心目标投影信息包括的质心目标投影加速度；
根据所述质心实际投影信息及所述质心目标投影加速度，基于机器人运动学计算得到所述质心目标投影信息包括的质心目标投影位置和质心目标投影速度。
第二方面，本申请提供一种机器人运动规划装置，所述装置包括：
质心期望投影预测模块，用于根据双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对所述双足机器人在所述预测时域包括的下一控制时刻的质心期望投影信息进行预测；
质心投影柔顺规划模块，用于根据所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出所述双足机器人在下一控制时刻的质心目标投影信息。
在可选的实施方式中，所述期望落脚点分布信息包括当前控制时刻以后连续多个控制时刻各自的期望落脚点位置，所述质心期望投影预测模块包括：
质心急动度预测子模块，用于以最小化所述预测时域的质心投影跟踪误差惩罚为优化目的，根据所有期望落脚点位置、所述质心实际投影信息及预存的质心投影变化关系和零力矩点分布约束条件，针对质心投影急动度进行优化式预测，得到所述双足机器人在当前控制时刻需要使用的目标质心投影急动度，其中所述质心投影变化关系用于表示相邻两个控制时刻各自的质心投影信息与对应质心投影急动度之间的关联关系；
质心期望投影计算子模块，用于根据所述目标质心投影急动度、所述质心实际投影信息以及所述质心投影变化关系，计算得到所述质心期望投影信息。
在可选的实施方式中，所述预测时域的质心投影跟踪误差惩罚采用如下式子进行表达：
其中，F用于表示所述预测时域的质心投影跟踪误差惩罚，f1用于表示所述预测时域的质心投影跟踪位置误差惩罚，f2用于表示所述预测时域的质心投影跟踪急动度惩罚，W(k)用于表示满足所述质心投影变化关系的所述预测时域内第k个控制时刻的质心投影信息所包括的质心投影位置，用于表示所述预测时域内第k个控制时刻的期望落脚点位置，U(k)用于表示所述预测时域内第k个控制时刻的质心投影急动度，α用于表示数值大于零的所述质心投影跟踪位置误差惩罚的惩罚系数，β用于表示数值大于零的所述质心投影跟踪急动度惩罚的惩罚系数，N用于表示所述预测时域的控制时刻总数。
在可选的实施方式中，所述质心期望投影信息包括质心期望投影位置及质心期望投影速度，所述质心实际投影信息包括质心实际投影位置及质心实际投影速度，所述质心投影柔顺规划模块包括：
运动参数差异计算子模块，用于计算所述质心期望投影位置与所述质心实际投影位置之间的投影位置差异、所述质心期望投影速度与所述质心实际投影速度之间的投影速度差异，以及所述目标期望落脚点位置与所述实际零力矩点位置之间的双足位置差异；
质心加速度处理子模块，用于调用与柔顺控制算法对应的投影位置控制系数、投影速度控制系数以及零力矩点控制系数，按照所述柔顺控制算法所对应的质心投影加速度控制律对所述投影位置差异、所述投影速度差异及所述双足位置差异进行数据处理，得到所述质心目标投影信息包括的质心目标投影加速度；
质心投影数据计算子模块，用于根据所述质心实际投影信息及所述质心目标投影加速度，基于机器人运动学计算得到所述质心目标投影信息包括的质心目标投影位置和质心目标投影速度。
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机器人运动规划方法。
第四方面，本申请提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现前述实施方式中任意一项所述的机器人运动规划方法。
在此情况下，本申请实施例的有益效果包括以下内容：
本申请在根据双足机器人在当前控制时刻的质心实际投影信息以及在当前控制时刻的预测时域内的期望落脚点分布信息，对双足机器人在预测时域包括的下一控制时刻的质心期望投影信息进行预测的基础上，根据质心实际投影信息、双足机器人在当前控制时刻的实际零力矩点位置、期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出双足机器人在下一控制时刻的质心目标投影信息，从而通过柔顺控制算法有效削弱双足机器人的建模误差和状态估计误差对步态规划结果的影响，以提升步态规划结果在实际机器人控制过程中表现出的步态稳定性。
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双足机器人的行走示意图；
图3为本申请实施例提供的机器人运动规划方法的流程示意图；
图4为图3中的步骤S210包括的子步骤的流程示意图；
图5为图3中的步骤S220包括的子步骤的流程示意图；
图6为本申请实施例提供的机器人运动规划装置的组成示意图；
图7为图6中的质心期望投影预测模块的组成示意图；
图8为图6中的质心投影柔顺规划模块的组成示意图。
图标：10-机器人控制设备；11-存储器；12-处理器；13-通信单元；100-机器人运动规划装置；110-质心期望投影预测模块；120-质心投影柔顺规划模块；111-质心急动度预测子模块；112-质心期望投影计算子模块；121-运动参数差异计算子模块；122-质心加速度处理子模块；123-质心投影数据计算子模块。
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。
在本申请的描述中，还需要理解的是，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。
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用于对双足机器人的运行状态进行控制，其能够根据双足机器人实时反馈的运动状态参数并结合模型预测控制算法和柔顺控制算法实现对该双足机器人的步态规划作业，以通过柔顺控制算法有效削弱双足机器人的建模误差和状态估计误差对步态规划结果的影响，确保最终输出的步态规划结果在实际机器人控制过程中表现出良好的步态稳定性。其中，所述机器人控制设备10可以与双足机器人远程通信连接，也可以与所述双足机器人集成在一起，用以实现对所述双足机器人的运动控制功能。
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及机器人运动规划装置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。
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从其他行走规划设备处获取针对所述双足机器人在步行过程中的不同控制时刻各自的期望落脚点位置，其中相邻两个控制时刻之间的时间长度为一个控制周期；所述机器人控制设备10也通过所述通信单元13向所述双足机器人发送运动控制指令，使所述双足机器人按照所述运动控制指令进行运动。
在本实施例中，所述机器人运动规划装置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，例如所述机器人运动规划装置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能够通过所述机器人运动规划装置100有效降低双足机器人的建模误差和状态估计误差对步态规划结果的影响，提升步态规划结果在实际机器人控制过程中表现出的步态稳定性。
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。
而对双足机器人来说，可以参照图2所示的双足机器人的行走示意图对机器人行走运动进行描述。在本申请实施例中，所述双足机器人在平地上实现单个步伐的行走过程中，会存在双腿支撑状态以及单腿支撑状态。其中，当所述双足机器人在开始进行迈步时处于双腿支撑状态，此时需要选定该双足机器人在后续迈步过程中持续保持支撑状态的支撑足，以确保该双足机器人保持站立状态，并将该双足机器人的除支撑足所在腿部之外的另一条腿作为需要进行移动轨迹变化的摆动腿，由该摆动腿进行实质迈步动作，使该双足机器人从双腿支撑状态转变为单腿支撑状态直至该摆动腿再次落地恢复双腿支撑状态为止。在此过程中，单个摆动腿的移动轨迹变化包括摆动腿抬腿操作、摆动腿腾空操作以及摆动腿落脚操作各自引起的腿部末端位置变化。
由此，所述双足机器人的一个迈步操作所对应的步态周期可相应划分为一个双腿支撑期及一个单腿支撑期。双腿支撑期即为双足机器人处于双腿支撑状态的时间段，双足机器人的摆动腿在双腿支撑期内尚未离开地面，也能在一定程度上起到支撑作用；单腿支撑期即为双足机器人处于单腿支撑状态的时间段，此时单腿支撑期将对应包括摆动腿抬腿期、摆动腿腾空期及摆动腿落脚期。其中，所述摆动腿抬腿期即为双足机器人的摆动腿从开始抬腿尝试离地到完全离地的时间段，所述摆动腿腾空期即为所述双足机器人的摆动腿从完全离地开始到腾空到腿部最高点位置的时间段，所述摆动腿落脚期即为所述双足机器人的摆动腿从腾空到腿部最高点位置开始到重新落地的时间段。
在此过程中，可以理解的是，当双足机器人的摆动腿落地后变更为支撑足时，可将地面的与该支撑足接触的位置(即支撑足位置/落脚点位置)作为世界坐标系的原点建立笛卡尔右手坐标系，使X轴的正方向代表双足机器人在地面上的前进方向，使Y轴正方向代表双足机器人在地面上的侧进方向，使Z轴的正方向垂直地面向上，以通过Z轴辅助描述所述双足机器人特定部位(例如，质心)在行走过程中的变化状况，通过X轴及Y轴分别辅助描述所述双足机器人特定部位(例如，质心)在行走过程中的前向移动状况和侧向移动状况。
因此，所述双足机器人在单个步态周期所对应的笛卡尔右手坐标系确定自身各部件在整个世界坐标系中的位置分布状况，并基于该笛卡尔右手坐标系将机器人各部件移动到特定位置处，从而实现想要的运动效果。
同时，可以理解的是，当所述双足机器人需要达成连续两步的迈步效果，所述双足机器人在执行完一个步伐所对应的迈步操作后，会将当前迈步操作的已落地的摆动腿的足部作为下一步伐所对应的支撑足，并将当前迈步操作的支撑足所在腿部作为下一步伐所对应的摆动腿，此时需要重新以下一步伐所对应的支撑足位置(即落脚点位置)作为原点构建下一步伐所对应的笛卡尔右手坐标系。
在本申请中，为确保所述机器人控制设备10能够有效降低双足机器人的建模误差和状态估计误差对步态规划结果的影响，提升步态规划结果在实际机器人控制过程中表现出的步态稳定性，本申请实施例提供一种机器人运动规划方法实现前述目的。下面对本申请提供的机器人运动规划方法进行详细描述。
请参照图3，图3是本申请实施例提供的机器人运动规划方法的流程示意图。在本申请实施例中，所述机器人运动规划方法可以包括步骤S210及步骤S220。
步骤S210，根据双足机器人在当前控制时刻的质心实际投影信息以及双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对双足机器人在预测时域包括的下一控制时刻的质心期望投影信息进行预测。
在本实施例中，所述机器人控制设备10可通过安装在所述双足机器人身上的力传感器、姿态传感器等传感器件，获取所述双足机器人的实时运动状态信息，而后通过利用机器人逆运动学求得所述双足机器人在当前控制时刻的质心实际投影信息以及实际零力矩点位置。
其中，所述质心实际投影信息用于表示对应双足机器人质心在当前控制时刻实际于地面上投影的运动状况数据，所述质心实际投影信息包括质心实际前向投影数据及质心实际侧向投影数据。所述质心实际前向投影数据用于表示所述双足机器人在当前控制时刻的质心相对于支撑足位置在X轴正方向(即前进方向)上的质心前进状态信息，包括质心实际前向位置、质心实际前向速度、质心实际前向加速度、质心实际前向急动度；所述质心实际侧向投影数据用于表示所述双足机器人在当前控制时刻的质心相对于支撑足位置在Y轴正方向(即侧进方向)上的质心侧进状态信息，包括质心实际侧向位置、质心实际侧向速度、质心实际侧向加速度、质心实际侧向急动度。
其中，所述实际零力矩点位置用于表示对应双足机器人在当前控制时刻实际的零力矩点位置，包括实际零力矩点位置前向分量及实际零力矩点位置侧向分量。所述实际零力矩点位置前向分量用于表示所述实际零力矩点位置在前进方向上的位置分量，所述实际零力矩点位置侧向分量用于表示所述实际零力矩点位置在侧进方向上的位置分量。
在本实施例中，当前控制时刻的预测时域由在当前控制时刻以后的连续分布的多个控制时刻构建形成，所述预测时域包括的时序最早的控制时刻与当前控制时刻相互邻近，即所述预测时域包括的时序最早的控制时刻为当前控制时刻的下一控制时刻。此时，所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息包括当前控制时刻以后连续多个控制时刻各自的期望落脚点位置，所述期望落脚点位置包括与X轴对应的期望落脚点位置前向分量及与Y轴对应的期望落脚点位置侧向分量。
在本实施例中，可通过将所述双足机器人简化为单质点线性倒立摆模型，将双足机器人的所有质量都集中到质心处，并将双足机器人的两条腿视作两个无质量的伸缩摆杆，从而得以在倒立摆模型的基础上利用倒立摆模型的动力学方程来描述所述双足机器人的迈步运动特性，此时所述倒立摆模型的动力学方程可采用如下式子进行表达：
其中，xc用于表示所述双足机器人在某个控制时刻的质心前向位置，用于表示所述双足机器人在该控制时刻的质心前向加速度，g用于表示重力加速度，zc用于表示所述双足机器人在该控制时刻的质心高度，yc用于表示所述双足机器人在该控制时刻的质心侧向位置，/>用于表示所述双足机器人在该控制时刻的质心侧向加速度，px用于表示所述双足机器人在该控制时刻的零力矩点位置前向分量，py用于表示所述双足机器人在该控制时刻的零力矩点位置侧向分量。
由此，所述机器人控制设备10可在得到所述双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息的基础上，调用模型预测控制算法结合上述倒立摆模型的动力学方程在所述预测时域内针对当前控制时刻的下一控制时刻的质心期望投影信息进行预测，得到对应的质心期望投影信息。
此时，所述质心期望投影信息用于表示对应双足机器人质心在下一控制时刻期望于地面上投影的运动状况数据，所述质心期望投影信息包括质心期望前向投影数据及质心期望侧向投影数据，所述质心期望前向投影数据用于表示所述双足机器人在下一控制时刻的质心相对于支撑足位置在X轴正方向(即前进方向)上的质心前进状态信息，包括质心期望前向位置、质心期望前向速度、质心期望前向加速度；所述质心期望侧向投影数据用于表示所述双足机器人在下一控制时刻的质心相对于支撑足位置在Y轴正方向(即侧进方向)上的质心侧进状态信息，包括质心期望侧向位置、质心期望侧向速度、质心期望侧向加速度。
可选地，请参照图4，图4是图3中的步骤S210包括的子步骤的流程示意图。在本实施例中，所述步骤S210可以包括子步骤S211及子步骤S212。
子步骤S211，以最小化预测时域的质心投影跟踪误差惩罚为优化目的，根据所有期望落脚点位置、质心实际投影信息及预存的质心投影变化关系和零力矩点分布约束条件，针对质心投影急动度进行优化式预测，得到双足机器人在当前控制时刻需要使用的目标质心投影急动度。
在本实施例中，所述质心投影变化关系用于表示相邻两个控制时刻各自的质心投影信息与对应质心投影急动度之间的关联关系，所述质心投影变化关系可采用如下式子进行表示：
其中，Wk用于表示所述双足机器人在k个控制时刻的质心投影信息所包括的质心投影位置(包括质心前向位置及质心侧向位置)，用于表示所述双足机器人在k个控制时刻的质心投影信息所包括的质心投影速度(包括质心前向速度及质心侧向速度)，/>用于表示所述双足机器人在k个控制时刻的质心投影信息所包括的质心加速度(包括质心前向加速度及质心侧向加速度)，Wk+1用于表示所述双足机器人在k+1个控制时刻的质心投影信息所包括的质心投影位置(包括质心前向位置及质心侧向位置)，/>用于表示所述双足机器人在k+1个控制时刻的质心投影信息所包括的质心投影速度(包括质心前向速度及质心侧向速度)，/>用于表示所述双足机器人在k+1个控制时刻的质心投影信息所包括的质心加速度(包括质心前向加速度及质心侧向加速度)，Uk用于表示所述双足机器人在k个控制时刻的质心投影急动度(包括质心前向急动度及质心侧向急动度)。
所述零力矩点分布约束条件用于限定所述双足机器人在所述预测时域内各控制时刻的零力矩点位置的分布情况，以将零力矩点位置限定到对应支撑足位置(即落脚点位置)所对应的足部支撑多边形范围内，从而通过该零力矩点分布约束条件确保机器人能够保持稳定地步行，此时零力矩点分布约束条件可采用如下式子进行表示：
其中，px(i)用于表示所述双足机器人在第i个控制时刻的零力矩点位置前向分量，py(i)用于表示所述双足机器人在第i个控制时刻的零力矩点位置侧向分量，dx(i)用于表示所述双足机器人在第i个控制时刻的落脚点位置前向分量，dy(i)用于表示所述双足机器人在第i个控制时刻的落脚点位置侧向分量，和/>分别用于表示所述双足机器人在第i个控制时刻的零力矩点位置侧向分量相对于落脚点位置侧向分量的偏移量下限和偏移量上限，/>和/>分别用于表示所述双足机器人在第i个控制时刻的零力矩点位置前向分量相对于落脚点位置前向分量的偏移量下限和偏移量上限。
所述预测时域的质心投影跟踪误差惩罚用于表示所述双足机器人在所述预测时域内进行步态行走预测时因质心位移误差造成的负面影响，此时所述预测时域的质心投影跟踪误差惩罚采用如下式子进行表达：
其中，F用于表示所述预测时域的质心投影跟踪误差惩罚，f1用于表示所述预测时域的质心投影跟踪位置误差惩罚，f2用于表示所述预测时域的质心投影跟踪急动度惩罚，W(k)用于表示满足所述质心投影变化关系的所述预测时域内第k个控制时刻的质心投影信息所包括的质心投影位置(包括质心前向位置及质心侧向位置)，用于表示所述预测时域内第k个控制时刻的期望落脚点位置(包括期望落脚点位置前向分量及期望落脚点位置侧向分量)，U(k)用于表示所述预测时域内第k个控制时刻的质心投影急动度(包括质心前向急动度及质心侧向急动度)，α用于表示数值大于零的所述质心投影跟踪位置误差惩罚的惩罚系数，β用于表示数值大于零的所述质心投影跟踪急动度惩罚的惩罚系数，N用于表示所述预测时域的控制时刻总数。
此时，所述机器人控制设备10可基于当前控制时刻的所述质心实际投影信息包括的质心实际投影位置(包括质心实际前向位置及质心实际侧向位置)、质心实际投影速度(包括质心实际前向速度及质心实际侧向速度)、质心实际投影加速度(包括质心实际前向加速度及质心实际侧向加速度)、质心实际投影急动度(包括质心实际前向急动度及质心实际侧向急动度)按照所述质心投影变化关系构建与下一控制时刻对应的初始化质心投影信息，而后将所述初始化质心投影信息与所述质心投影变化关系、所述期望落脚点分布信息包括的各控制时刻的期望落脚点位置进行结合，并按照所述零力矩点分布约束条件结合上述倒立摆模型的动力学方程进行参数限制，以最小化所述预测时域的质心投影跟踪误差惩罚为优化目的，在所述双足机器人在所述预测时域内进行质心投影急动度优化式预测，得到按照时序排布的多个质心投影急动度，最后选取时序最早的质心投影急动度作为所述双足机器人在当前控制时刻需要使用的目标质心投影急动度。此时多个质心投影急动度所对应的急动度总数目与所述预测时域的控制时刻总数保持一致。
子步骤S212，根据目标质心投影急动度、质心实际投影信息以及质心投影变化关系，计算得到质心期望投影信息。
在本实施例中，所述机器人控制设备10在确定出述双足机器人在当前控制时刻需要使用的目标质心投影急动度后，可将所述目标质心投影急动度和所述质心实际投影信息包括的质心实际投影位置、质心实际投影速度、质心实际投影加速度代入到所述质心投影变化关系中进行数据计算，得到对应的质心期望投影信息。此时所述质心期望投影信息包括质心期望投影位置(包括质心期望前向位置及质心期望侧向位置)、质心期望投影速度(包括质心期望前向速度及包括质心期望侧向速度)及质心期望前向加速度(包括质心期望前向加速度及包括质心期望侧向加速度)。
由此，本申请可通过执行上述子步骤S211及子步骤S212，有效限制最终的步态规划结果所能表现出的质心移动加速度，确保最终的步态规划结果具有一定程度的步态行走稳定性。
步骤S220，根据质心实际投影信息、双足机器人在当前控制时刻的实际零力矩点位置、期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出双足机器人在下一控制时刻的质心目标投影信息。
在本实施例中，所述机器人控制设备10在预测出所述双足机器人在下一控制时刻的质心期望投影信息后，可在所述双足机器人的倒立摆模型的基础上构建用于表征柔顺控制算法的弹簧-阻尼系统模型，来对规划出的质心期望投影信息进行跟踪控制，以有效消除倒立摆模型与真实样机之间的模型误差，并进一步提升质心规划结果的步态行走稳定性。此时，即可通过调用所述弹簧-阻尼系统模型对所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及所述预测出的质心期望投影信息进行处理，得到所述双足机器人在下一控制时刻的质心目标投影信息，以有效降低双足机器人的建模误差和状态估计误差对步态规划结果的影响，提升步态规划结果在实际机器人控制过程中表现出的步态稳定性。
由此，本申请可通过执行上述步骤S210～步骤S220，有效降低双足机器人的建模误差和状态估计误差对步态规划结果的影响，提升步态规划结果在实际机器人控制过程中表现出的步态稳定性。
可选地，请参照图5，图5是图3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S223。
子步骤S221，计算质心期望投影位置与质心实际投影位置之间的投影位置差异、质心期望投影速度与质心实际投影速度之间的投影速度差异，以及目标期望落脚点位置与实际零力矩点位置之间的双足位置差异。
子步骤S222，调用与柔顺控制算法对应的投影位置控制系数、投影速度控制系数以及零力矩点控制系数，按照柔顺控制算法所对应的质心投影加速度控制律对投影位置差异、投影速度差异及双足位置差异进行数据处理，得到质心目标投影信息包括的质心目标投影加速度。
其中，所述投影位置控制系数与所述弹簧-阻尼系统模型中的弹簧子模型相互对应，所述投影速度控制系数与所述弹簧-阻尼系统模型中的阻尼子模块相互对应。在本实施例的一种实施方式中，所述柔顺控制算法所对应的质心投影加速度控制律可采用如下式子进行表达：
其中，用于表示所述质心目标投影加速度，Kp用于表示所述投影位置控制系数，Kv用于表示所述投影速度控制系数，Kz用于表示所述零力矩点控制系数，Δw用于表示所述投影位置差异，/>用于表示所述投影速度差异，Δp用于表示所述双足位置差异。
子步骤S223，根据质心实际投影信息及质心目标投影加速度，基于机器人运动学计算得到质心目标投影信息包括的质心目标投影位置和质心目标投影速度。
由此，本申请可通过执行上述子步骤S221～子步骤S223，利用柔顺控制算法降低双足机器人的建模误差和状态估计误差对步态规划结果的影响，提升步态规划结果在实际机器人控制过程中表现出的步态稳定性。
在本申请中，为确保所述机器人控制设备10能够通过所述机器人运动规划装置100执行上述机器人运动规划方法，本申请通过对所述机器人运动规划装置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机器人运动规划装置100的具体组成进行相应描述。
请参照图6，图6是本申请实施例提供的机器人运动规划装置100的组成示意图。在本申请实施例中，所述机器人运动规划装置100可以包括质心期望投影预测模块110及质心投影柔顺规划模块120。
质心期望投影预测模块110，用于根据双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对所述双足机器人在所述预测时域包括的下一控制时刻的质心期望投影信息进行预测。
质心投影柔顺规划模块120，用于根据所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出所述双足机器人在下一控制时刻的质心目标投影信息。
可选地，请参照图7，图7是图6中的质心期望投影预测模块110的组成示意图。在本实施例中，所述期望落脚点分布信息包括当前控制时刻以后连续多个控制时刻各自的期望落脚点位置，所述质心期望投影预测模块110可以包括质心急动度预测子模块111及质心期望投影计算子模块112。
质心急动度预测子模块111，用于以最小化所述预测时域的质心投影跟踪误差惩罚为优化目的，根据所有期望落脚点位置、所述质心实际投影信息及预存的质心投影变化关系和零力矩点分布约束条件，针对质心投影急动度进行优化式预测，得到所述双足机器人在当前控制时刻需要使用的目标质心投影急动度，其中所述质心投影变化关系用于表示相邻两个控制时刻各自的质心投影信息与对应质心投影急动度之间的关联关系。
质心期望投影计算子模块112，用于根据所述目标质心投影急动度、所述质心实际投影信息以及所述质心投影变化关系，计算得到所述质心期望投影信息。
其中，所述预测时域的质心投影跟踪误差惩罚采用如下式子进行表达：
其中，F用于表示所述预测时域的质心投影跟踪误差惩罚，f1用于表示所述预测时域的质心投影跟踪位置误差惩罚，f2用于表示所述预测时域的质心投影跟踪急动度惩罚，W(k)用于表示满足所述质心投影变化关系的所述预测时域内第k个控制时刻的质心投影信息所包括的质心投影位置，用于表示所述预测时域内第k个控制时刻的期望落脚点位置，U(k)用于表示所述预测时域内第k个控制时刻的质心投影急动度，α用于表示数值大于零的所述质心投影跟踪位置误差惩罚的惩罚系数，β用于表示数值大于零的所述质心投影跟踪急动度惩罚的惩罚系数，N用于表示所述预测时域的控制时刻总数。
可选地，请参照图8，图8是图6中的质心投影柔顺规划模块120的组成示意图。在本实施例中，所述质心期望投影信息包括质心期望投影位置及质心期望投影速度，所述质心实际投影信息包括质心实际投影位置及质心实际投影速度，所述质心投影柔顺规划模块120可以包括运动参数差异计算子模块121、质心加速度处理子模块122及质心投影数据计算子模块123。
运动参数差异计算子模块121，用于计算所述质心期望投影位置与所述质心实际投影位置之间的投影位置差异、所述质心期望投影速度与所述质心实际投影速度之间的投影速度差异，以及所述目标期望落脚点位置与所述实际零力矩点位置之间的双足位置差异。
质心加速度处理子模块122，用于调用与柔顺控制算法对应的投影位置控制系数、投影速度控制系数以及零力矩点控制系数，按照所述柔顺控制算法所对应的质心投影加速度控制律对所述投影位置差异、所述投影速度差异及所述双足位置差异进行数据处理，得到所述质心目标投影信息包括的质心目标投影加速度。
质心投影数据计算子模块123，用于根据所述质心实际投影信息及所述质心目标投影加速度，基于机器人运动学计算得到所述质心目标投影信息包括的质心目标投影位置和质心目标投影速度。
需要说明的是，本申请实施例所提供的机器人运动规划装置100，其基本原理及产生的技术效果与前述的机器人运动规划方法相同。为简要描述，本实施例部分未提及之处，可参考上述的针对机器人运动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。
另外，在本申请各个实施例中的各功能模块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，也可以两个或两个以上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 AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，在本申请提供的机器人运动规划方法及装置、机器人控制设备和存储介质中，本申请在根据双足机器人在当前控制时刻的质心实际投影信息以及在当前控制时刻的预测时域内的期望落脚点分布信息，对双足机器人在预测时域包括的下一控制时刻的质心期望投影信息进行预测的基础上，根据质心实际投影信息、双足机器人在当前控制时刻的实际零力矩点位置、期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出双足机器人在下一控制时刻的质心目标投影信息，从而通过柔顺控制算法有效削弱双足机器人的建模误差和状态估计误差对步态规划结果的影响，以提升步态规划结果在实际机器人控制过程中表现出的步态稳定性。
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)

1.一种机器人运动规划方法，其特征在于，所述方法包括：
根据双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对所述双足机器人在所述预测时域包括的下一控制时刻的质心期望投影信息进行预测；
根据所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出所述双足机器人在下一控制时刻的质心目标投影信息。
2.根据权利要求1所述的方法，其特征在于，所述期望落脚点分布信息包括当前控制时刻以后连续多个控制时刻各自的期望落脚点位置，所述根据双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对所述双足机器人在所述预测时域包括的下一控制时刻的质心期望投影信息进行预测的步骤，包括：
以最小化所述预测时域的质心投影跟踪误差惩罚为优化目的，根据所有期望落脚点位置、所述质心实际投影信息及预存的质心投影变化关系和零力矩点分布约束条件，针对质心投影急动度进行优化式预测，得到所述双足机器人在当前控制时刻需要使用的目标质心投影急动度，其中所述质心投影变化关系用于表示相邻两个控制时刻各自的质心投影信息与对应质心投影急动度之间的关联关系；
根据所述目标质心投影急动度、所述质心实际投影信息以及所述质心投影变化关系，计算得到所述质心期望投影信息。
3.根据权利要求2所述的方法，其特征在于，所述预测时域的质心投影跟踪误差惩罚采用如下式子进行表达：
其中，F用于表示所述预测时域的质心投影跟踪误差惩罚，f1用于表示所述预测时域的质心投影跟踪位置误差惩罚，f2用于表示所述预测时域的质心投影跟踪急动度惩罚，W(k)用于表示满足所述质心投影变化关系的所述预测时域内第k个控制时刻的质心投影信息所包括的质心投影位置，用于表示所述预测时域内第k个控制时刻的期望落脚点位置，U(k)用于表示所述预测时域内第k个控制时刻的质心投影急动度，α用于表示数值大于零的所述质心投影跟踪位置误差惩罚的惩罚系数，β用于表示数值大于零的所述质心投影跟踪急动度惩罚的惩罚系数，N用于表示所述预测时域的控制时刻总数。
4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述质心期望投影信息包括质心期望投影位置及质心期望投影速度，所述质心实际投影信息包括质心实际投影位置及质心实际投影速度，所述根据所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出所述双足机器人在下一控制时刻的质心目标投影信息的步骤，包括：
计算所述质心期望投影位置与所述质心实际投影位置之间的投影位置差异、所述质心期望投影速度与所述质心实际投影速度之间的投影速度差异，以及所述目标期望落脚点位置与所述实际零力矩点位置之间的双足位置差异；
调用与柔顺控制算法对应的投影位置控制系数、投影速度控制系数以及零力矩点控制系数，按照所述柔顺控制算法所对应的质心投影加速度控制律对所述投影位置差异、所述投影速度差异及所述双足位置差异进行数据处理，得到所述质心目标投影信息包括的质心目标投影加速度；
根据所述质心实际投影信息及所述质心目标投影加速度，基于机器人运动学计算得到所述质心目标投影信息包括的质心目标投影位置和质心目标投影速度。
5.一种机器人运动规划装置，其特征在于，所述装置包括：
质心期望投影预测模块，用于根据双足机器人在当前控制时刻的质心实际投影信息以及所述双足机器人在当前控制时刻的预测时域内的期望落脚点分布信息，对所述双足机器人在所述预测时域包括的下一控制时刻的质心期望投影信息进行预测；
质心投影柔顺规划模块，用于根据所述质心实际投影信息、所述双足机器人在当前控制时刻的实际零力矩点位置、所述期望落脚点分布信息中与下一控制时刻对应的目标期望落脚点位置以及预测出的质心期望投影信息，基于柔顺控制算法规划出所述双足机器人在下一控制时刻的质心目标投影信息。
6.根据权利要求5所述的装置，其特征在于，所述期望落脚点分布信息包括当前控制时刻以后连续多个控制时刻各自的期望落脚点位置，所述质心期望投影预测模块包括：
质心急动度预测子模块，用于以最小化所述预测时域的质心投影跟踪误差惩罚为优化目的，根据所有期望落脚点位置、所述质心实际投影信息及预存的质心投影变化关系和零力矩点分布约束条件，针对质心投影急动度进行优化式预测，得到所述双足机器人在当前控制时刻需要使用的目标质心投影急动度，其中所述质心投影变化关系用于表示相邻两个控制时刻各自的质心投影信息与对应质心投影急动度之间的关联关系；
质心期望投影计算子模块，用于根据所述目标质心投影急动度、所述质心实际投影信息以及所述质心投影变化关系，计算得到所述质心期望投影信息。
7.根据权利要求6所述的装置，其特征在于，所述预测时域的质心投影跟踪误差惩罚采用如下式子进行表达：
其中，F用于表示所述预测时域的质心投影跟踪误差惩罚，f1用于表示所述预测时域的质心投影跟踪位置误差惩罚，f2用于表示所述预测时域的质心投影跟踪急动度惩罚，W(k)用于表示满足所述质心投影变化关系的所述预测时域内第k个控制时刻的质心投影信息所包括的质心投影位置，用于表示所述预测时域内第k个控制时刻的期望落脚点位置，U(k)用于表示所述预测时域内第k个控制时刻的质心投影急动度，α用于表示数值大于零的所述质心投影跟踪位置误差惩罚的惩罚系数，β用于表示数值大于零的所述质心投影跟踪急动度惩罚的惩罚系数，N用于表示所述预测时域的控制时刻总数。
8.根据权利要求5-7中任意一项所述的装置，其特征在于，所述质心期望投影信息包括质心期望投影位置及质心期望投影速度，所述质心实际投影信息包括质心实际投影位置及质心实际投影速度，所述质心投影柔顺规划模块包括：
运动参数差异计算子模块，用于计算所述质心期望投影位置与所述质心实际投影位置之间的投影位置差异、所述质心期望投影速度与所述质心实际投影速度之间的投影速度差异，以及所述目标期望落脚点位置与所述实际零力矩点位置之间的双足位置差异；
质心加速度处理子模块，用于调用与柔顺控制算法对应的投影位置控制系数、投影速度控制系数以及零力矩点控制系数，按照所述柔顺控制算法所对应的质心投影加速度控制律对所述投影位置差异、所述投影速度差异及所述双足位置差异进行数据处理，得到所述质心目标投影信息包括的质心目标投影加速度；
质心投影数据计算子模块，用于根据所述质心实际投影信息及所述质心目标投影加速度，基于机器人运动学计算得到所述质心目标投影信息包括的质心目标投影位置和质心目标投影速度。
9.一种机器人控制设备，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1-4中任意一项所述的机器人运动规划方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-4中任意一项所述的机器人运动规划方法。
CN202111625781.XA 2021-12-28 2021-12-28 机器人运动规划方法及装置、机器人控制设备和存储介质 Active CN114115295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111625781.XA CN114115295B (zh) 2021-12-28 2021-12-28 机器人运动规划方法及装置、机器人控制设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111625781.XA CN114115295B (zh) 2021-12-28 2021-12-28 机器人运动规划方法及装置、机器人控制设备和存储介质

Publications (2)

Publication Number Publication Date
CN114115295A CN114115295A (zh) 2022-03-01
CN114115295B true CN114115295B (zh) 2023-08-18

Family

ID=80362695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111625781.XA Active CN114115295B (zh) 2021-12-28 2021-12-28 机器人运动规划方法及装置、机器人控制设备和存储介质

Country Status (1)

Country Link
CN (1) CN114115295B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115933723B (zh) * 2023-01-04 2023-08-25 之江实验室 一种应用于双足机器人快速行走的全身柔顺控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950176A (zh) * 2010-09-02 2011-01-19 北京理工大学 一种机器人自主进行zmp标定的方法
CN102736628A (zh) * 2012-06-12 2012-10-17 华中科技大学 一种具有环境适应性的足式机器人稳定性控制方法及系统
CN107416064A (zh) * 2017-05-12 2017-12-01 山东大学 一种四足机器人坡面运动质心调整方法
CN112327899A (zh) * 2020-11-19 2021-02-05 山东大学 一种可变构型的四足机器人运动控制方法及系统
CN113134833A (zh) * 2021-03-30 2021-07-20 深圳市优必选科技股份有限公司 机器人及其步态控制方法和装置
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
CN113641180A (zh) * 2021-10-18 2021-11-12 北京航空航天大学 一种基于变质心的机器人越障控制方法和系统
CN113830197A (zh) * 2021-11-23 2021-12-24 之江实验室 一种应用于双足机器人动态行走的平衡控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109987169B (zh) * 2017-12-29 2021-01-08 深圳市优必选科技有限公司 双足机器人的步态控制方法、装置、终端设备及介质
CN111291831B (zh) * 2020-03-06 2023-12-08 北京理工大学 一种仿人机器人摔倒预测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950176A (zh) * 2010-09-02 2011-01-19 北京理工大学 一种机器人自主进行zmp标定的方法
CN102736628A (zh) * 2012-06-12 2012-10-17 华中科技大学 一种具有环境适应性的足式机器人稳定性控制方法及系统
CN107416064A (zh) * 2017-05-12 2017-12-01 山东大学 一种四足机器人坡面运动质心调整方法
CN112327899A (zh) * 2020-11-19 2021-02-05 山东大学 一种可变构型的四足机器人运动控制方法及系统
CN113134833A (zh) * 2021-03-30 2021-07-20 深圳市优必选科技股份有限公司 机器人及其步态控制方法和装置
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
CN113641180A (zh) * 2021-10-18 2021-11-12 北京航空航天大学 一种基于变质心的机器人越障控制方法和系统
CN113830197A (zh) * 2021-11-23 2021-12-24 之江实验室 一种应用于双足机器人动态行走的平衡控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王舜垚.复杂路况下四足机器人自主运动规划与控制研究.《CNKI》.2019,全文. *

Also Published As

Publication number Publication date
CN114115295A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN111558941B (zh) 浮动基动力学前馈控制方法、装置和多足机器人
CN111538949B (zh) 冗余机器人逆运动学求解方法、装置和冗余机器人
CN111880544B (zh) 仿人机器人步态规划方法、装置和仿人机器人
CN113359800B (zh) 机器人行走控制方法、装置、机器人控制设备及存储介质
JP5845334B2 (ja) ロボット制御方法および記憶媒体
CN113064433B (zh) 机器人迈步控制方法、装置、机器人控制设备及存储介质
US7881824B2 (en) System and method of controlling a legged locomotion robot
US20090132087A1 (en) Learning Capture Points for Humanoid Push Recovery
CN114641375A (zh) 动态规划控制器
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
US20230191604A1 (en) Robot stability control method, robot and computer-readable storage medium
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
CN115157249A (zh) 一种动态目标跟踪方法、装置和机器人
CN114137982B (zh) 机器人运动控制方法及装置、机器人控制设备和存储介质
CN113858207B (zh) 人形机器人的倒地控制方法、装置、电子设备及存储介质
WO2024021744A1 (zh) 一种控制足式机器人的方法、装置、电子设备、计算机可读存储介质、计算机程序产品及足式机器人
CN114454981B (zh) 双足机器人的弹跳运动控制方法、装置及双足机器人
CN114137840B (zh) 足式机器人全局平衡控制方法、装置和足式机器人
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
JP7221833B2 (ja) 非線形モデル予測制御装置
CN114310912A (zh) 机械臂装配控制方法及装置、机械臂控制设备和存储介质
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
CN118363310B (zh) 双足机器人爬坡方法、装置、电子设备和存储介质
Ortíz et al. Walk stability control for position-controlled servo actuated humanoid robot

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