CN115542913A - 一种基于几何与物理特征地图的六足机器人容错自由步态规划方法 - Google Patents

一种基于几何与物理特征地图的六足机器人容错自由步态规划方法 Download PDF

Info

Publication number
CN115542913A
CN115542913A CN202211218415.7A CN202211218415A CN115542913A CN 115542913 A CN115542913 A CN 115542913A CN 202211218415 A CN202211218415 A CN 202211218415A CN 115542913 A CN115542913 A CN 115542913A
Authority
CN
China
Prior art keywords
robot
foot
geometric
state
foot end
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
Application number
CN202211218415.7A
Other languages
English (en)
Other versions
CN115542913B (zh
Inventor
尤波
高彪
李佳钰
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.)
Harbin University of Science and Technology
Original Assignee
Harbin University of Science and Technology
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 Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN202211218415.7A priority Critical patent/CN115542913B/zh
Publication of CN115542913A publication Critical patent/CN115542913A/zh
Application granted granted Critical
Publication of CN115542913B publication Critical patent/CN115542913B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223Control 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了一种基于几何与物理特征地图的六足机器人容错自由步态规划方法,该方法包括以下步骤:构建,建立几何与物理特征地图;提出足端位置离散化模型;对六足机器人进行稳定状态空间求解;利用容错自由步态规划算法,将机器人步态规划问题转化为机器人位置状态的转换问题,根据机器人位置状态的转换规则、占据栅格地图信息、稳定裕度的约束求解出机器人的位置状态序列。本发明能够使六足机器人在有泥地、水坑、沙地的野外地形下规划出合理的步态,有效提高机器人在野外地形下的移动效率和稳定性。

Description

一种基于几何与物理特征地图的六足机器人容错自由步态规 划方法
技术领域
本发明涉及机器人自由步态规划技术领域,尤其涉及一种基于几何与物理特征地图的六足机器人容错自由步态规划方法。
背景技术
在众多步行机器人中,六足机器人具有控制结构相对简单、行走平稳、肢体冗余、能够适应复杂地形等特点,这些特点使六足机器人更能胜任野外侦查、太空探测等对稳定性、可靠性要求比较高的工作。然而,在野外环境中,不仅地形的几何特征会对机器人落足产生影响,如水洼、泥地、沙地地形的物理特征也会影响机器人的落足。传统的步态规划主要基于地形的几何特征进行规划步态,且遇到不可落足区域时需要重新调整机器人位姿,使得移动效率和稳定性较低。如何提高六足机器人在野外地形下的移动效率和稳定性仍然是一个亟待解决的问题。
发明内容
本发明要解决的问题是如何提高六足机器人在有禁区地形下的移动效率和稳定性。
本发明提供了一种针对穿越禁区地形任务的六足机器人容错自由步态规划方法,该方法包括如下几个步骤:
步骤1:构建几何与物理特征地图,使用深度相机获取地形信息,在此基础上构建2.5D语义高程栅格地图。
步骤2:提出足端位置离散化模型,将各腿的足端位置状态用特定精度的离散点表示,使机器人的步长可以灵活选取。
步骤3:利用容错自由步态规划算法,将机器人步态规划问题转化为机器人位置状态的转换问题,根据机器人位置状态的转换规则、占据栅格地图信息、稳定裕度的约束求解出机器人的位置状态序列。
进一步的,所述步骤1中构建几何与物理特征地图的具体方法如下:
(1)使用深度相机对地形信息进行采集和处理得到包含几何特征的2.5D高程栅格图;
(2)首先针对常见的野外地形类别,训练相应地形分割模型,然后根据地形分割模型将相机获得的图像处理为语义图片,最后将语义图片计算为包含物理特征的语义点云;
(3)将语义点云投影到高程栅格地图上,生成具有几何和物理特征的2.5D语义高程栅格地图;
(4)将2.5D语义高程栅格地图根据一定规则转换为二维占据栅格地图用于步态规划,具体转换规则包括:
1)栅格地图的分辨率大小应小于二分之一步长;
2)栅格地图中每个栅格分为空白和占据两个状态,可以落足的区域为空白栅格,禁区为占据栅格;
3)根据高程信息,将凸起高度大于机器人步高的栅格标记为占据;
4)根据高程信息,将凹陷高度大于机器人二分之一步高的栅格标记为占据;
5)根据语义信息,将水洼、泥地、沙地区域栅格标记为占据。
进一步的,所述步骤2中提出足端位置离散化模型的具体方法如下:
将机器人单腿足端位置用以下离散点描述:
(1)当腿部处于支撑相时,在机器人单腿步距L之间等距插入n(n≥2,n∈Z)个离散点,编号分别为1至n,其中足端在前极限点(AEP)时为n号位置,其中足端在后极限点(PEP)时为1号位置;
(2)当腿部处于摆动相且有落足点时,定义足端为0号位置;
(3)当腿部处于摆动相且没有落足点时,定义足端为-1号位置。
足端位置的转换规则如下:
(1)当足端位置为1至n时,只能从大位置点向小的位置点转换;
(2)当足端位置为0时,可向1至n号位置或-1位置任意转换;
(3)当足端位置为-1时,可向-1和0号位置转换。
进一步的,所述步骤3中容错自由步态规划的具体方法如下:
基于位置状态间的转换规则、地形环境信息、稳定裕度的约束,机器人的步态规划问题可转化为稳定位置状态空间中各位置状态间的排序问题。定义机器人步长为L,机器人节律运动的周期为Tp,机器人机体移动速度为v(L/(n-1)/Tp),机器人当前位置状态Pn为(P1P2 P3 P4 P5 P6)。
(1)根据式(1)对当前位置状态Pn进行预处理,找出当前位置状态中存在的隐含0号位置。
Figure BDA0003876889680000021
(2)根据机器人当前位置和二维占据栅格地图信息获取第i足下一周期可选落足栅格的集合poi={(x1,y1),(x2,y2),…(xn,yn)},其中若(xL,yL)被占据则第i足步距为L时的位置不能落足,反之可以落足,所有可选落足位置用集合Li={l1,l2,l3,…lm}保存。当poi中栅格被全部占据时,说明第i足没有可选落足点,记为poi=erro。
(3)根据位置状态间的转换规则,机器人下一振荡周期可能的位置状态为
Figure BDA0003876889680000022
其中
Figure BDA0003876889680000023
可根据公式(2)求得,相应的稳定状态
Figure BDA0003876889680000024
可根据公式(3)求得。为减少摆腿次数以提高行进效率,优先选取步长较大的落足点,即
Figure BDA0003876889680000025
优先选取n。
Figure BDA0003876889680000026
Figure BDA0003876889680000031
(4)
Figure BDA0003876889680000032
的选取可能会导致机器人处于不稳定位置状态,为保证机器人的稳定性,对
Figure BDA0003876889680000033
进行稳定性判定。如果位置状态
Figure BDA0003876889680000034
对应的稳定裕度
Figure BDA0003876889680000035
Figure BDA0003876889680000036
为直接不稳定状态,若
Figure BDA0003876889680000037
满足公式(4),则为间接不稳定状态,如果
Figure BDA0003876889680000038
为不稳定状态的其中一种,则需要对
Figure BDA0003876889680000039
进行重新取值。
Figure BDA00038768896800000310
经过上述方法,即可以规划出机器人的下一位置状态。
本发明提出的一种基于几何与物理特征地图的六足机器人容错自由步态规划方法的有益效果是:通过构建几何与物理特征地图。提出足端位置离散化模型。将机器人步态规划转化为机器人位置状态的转换问题,根据机器人位置状态的转换规则、地形环境信息、稳定裕度等约束求解机器人位置状态序列。在申请的技术方案中,容错自由步态具有动态步长的特点,机器人可在野外环境下灵活选取落足点,实现对水洼、泥地、沙地区域的跨越。在规划过程中无需重新调整机体位姿,使六足机器人有较高的移动效率。在对落足位置选取时,考虑了地形的几何和物理特征约束,并对机器人直接不稳定位置和间接不稳定位置进行分析,使六足机器移动过程中有较高的稳定性。
附图说明:
附图1是种基于几何与物理特征地图的六足机器人容错自由步态规划方法的流程示意图。
附图2是足端位置离散化模型图。
附图3是六足机器人某腿无法落足的状态示意图。
附图4是容错自由步态规划算法流程图。
具体实施方式:
为使本发明的上述目的、特征和优点能够明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
如图1所示,本发明提供的一种基于几何与物理特征地图的六足机器人容错自由步态规划方法,所述方法包括如下步骤:
A,构建几何与物理特征地图。
具体地,主要包括以下四个步骤。
(1)使用深度相机对地形信息进行采集和处理得到包含几何特征的2.5D高程栅格图;
(2)首先针对常见的野外地形类别,训练相应地形分割模型,然后根据地形分割模型将相机获得的图像处理为语义图片,最后将语义图片计算为包含物理特征的语义点云;
(3)将语义点云投影到高程栅格地图上,生成具有几何和物理特征的2.5D语义高程栅格地图;
(4)将2.5D语义高程栅格地图根据一定规则转换为二维占据栅格地图用于步态规划,具体转换规则包括:
1)栅格地图的分辨率取L/8;
2)根据高程信息,将凸起高度大于机器人步高的栅格标记为占据;
3)根据高程信息,将凹陷高度大于机器人二分之一步高的栅格标记为占据;
4)根据语义信息,将水洼、泥地、沙地区域栅格标记为占据。
B,建立容错自由步态离散化模型。
具体地,如图2所示,将机器人单腿足端位置用以下离散点描述:
(1)当腿部处于支撑相时,在机器人单腿步距L之间等距插入9个离散点,编号分别为1至9,其中足端在前极限点(AEP)时为9号位置,其中足端在后极限点(PEP)时为1号位置;
(2)当腿部处于摆动相且有落足点时,定义足端为0号位置;
(3)当腿部处于摆动相且没有落足点时,定义足端为-1号位置。
C,设计容错自由步态规划算法。
具体地,步态规划的实质为基于某些约束条件或特定的优化准则,为机器人规划满足运动需求的位置状态序列。基于位置状态间的转换规则、地形环境信息、稳定裕度的约束,机器人的步态规划问题可转化为稳定位置状态空间中各位置状态间的排序问题。
假设六足机器人当前位置状态Pn为(P1 P2 P3 P4 P5 P6),机器人步长L为20cm,机器人节律运动的周期Tp为1s,机器人机体移动速度v为2(L/(n-1)/Tp)。
(1)根据式(1)对当前位置状态Pn进行预处理,找出当前位置状态中存在的隐含0号位置。
Figure BDA0003876889680000041
(2)根据机器人当前位置和二维占据栅格地图信息获取第i足下一周期可选落足栅格的集合poi={(x1,y1),(x2,y2),…(xn,yn)},其中若(xL,yL)被占据则第i足步距为L时的位置不能落足,反之可以落足,所有可选落足位置用集合Li={l1,l2,l3,…lm}保存。如图3所示,当poi中栅格被全部占据时,说明第i足没有可选落足点,记为poi=erro。
(3)根据位置状态间的转换规则,机器人下一振荡周期可能的位置状态为
Figure BDA0003876889680000042
其中
Figure BDA0003876889680000043
可根据公式(2)求得,相应的稳定状态
Figure BDA0003876889680000044
可根据公式(3)求得。为减少摆腿次数以提高行进效率,优先选取步长较大的落足点,即
Figure BDA0003876889680000045
优先选取9。
Figure BDA0003876889680000046
Figure BDA0003876889680000051
(4)
Figure BDA0003876889680000052
的选取可能会导致机器人处于不稳定位置状态,不稳定位置状态包括直接和间接不稳定位置状态。例如当机器人处于直接不稳定位置状态(0 0 0 0 0 0)时,六足同时处于摆动相,机器人必不稳定。又如当机器人位于间接不稳定位置状态(6 6 6 6 6 6)时,虽然机器人当前稳定,但由于机器人直行时各足端运动速度与机体运动速度大小相同,且0号位置是单足位置变换中必经位置,因此,该位置状态必会转换为直接不稳定位置状态(0 0 0 0 0 0)。鉴于直接不稳定位置状态与间接不稳定位置状态均将导致机器人不稳定现象的发生,所以步态规划过程中二者均应予以避免。
机器人的节距为J,中心到中间两足的横向距离为X1,中心到前后足的横向距离为X2,利用重心投影法(CG projection Method)计算机器人的静态稳定裕量,该方法定义质心投影到支撑区域的前、后、两侧的距离为边界稳定裕量smf、smr、sms,这三个边界稳定裕量的最小值被定义为机器人的静态支撑稳定裕量SM,可以表示为SM=min{smf,smr,sms},smf、smr、sms由式(4,5)计算得到。
Figure BDA0003876889680000053
Figure BDA0003876889680000054
Figure BDA0003876889680000061
进行稳定性判定。如果位置状态
Figure BDA0003876889680000062
对应的稳定裕度
Figure BDA0003876889680000063
Figure BDA0003876889680000064
为直接不稳定状态,若
Figure BDA0003876889680000065
满足公式(6),则为间接不稳定状态,如果
Figure BDA0003876889680000066
为不稳定状态的其中一种,则需要对
Figure BDA0003876889680000067
进行重新取值。
Figure BDA0003876889680000068
经过上述方法,即可以规划出机器人的位置状态序列,算法流程图如图4所示。
以上所述仅为本发明的一个实施方式而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于几何与物理特征地图的六足机器人容错自由步态规划方法,其特征在于采用了以下步骤:
步骤一:构建几何与物理特征地图,使用深度相机获取地形信息,在此基础上构建2.5D语义高程栅格地图;
步骤二:提出足端位置离散化模型,将各腿的足端位置状态用特定精度的离散点表示,使机器人的步长可以灵活选取;
步骤三:利用容错自由步态规划算法,将机器人步态规划问题转化为机器人位置状态的转换问题,根据机器人位置状态的转换规则、占据栅格地图信息、稳定裕度的约束求解出机器人的位置状态序列。
2.根据权利要求1所述的一种基于几何与物理特征地图的六足机器人容错自由步态规划方法,其特征在于,所述步骤1中,构建几何与物理特征地图的具体方法为:
(1)使用深度相机对地形信息进行采集和处理得到包含几何特征的2.5D高程栅格图;
(2)首先针对常见的野外地形类别,训练相应地形分割模型,然后根据地形分割模型将相机获得的图像处理为语义图片,最后将语义图片计算为包含物理特征的语义点云;
(3)将语义点云投影到高程栅格地图上,生成具有几何和物理特征的2.5D语义高程栅格地图;
(4)将2.5D语义高程栅格地图根据一定规则转换为二维占据栅格地图用于步态规划,具体转换规则包括:
1)栅格地图的分辨率大小应小于二分之一步长;
2)栅格地图中每个栅格分为空白和占据两个状态,可以落足的区域为空白栅格,禁区为占据栅格;
3)根据高程信息,将凸起高度大于机器人步高的栅格标记为占据;
4)根据高程信息,将凹陷高度大于机器人二分之一步高的栅格标记为占据;
5)根据语义信息,将水洼、泥地、沙地区域栅格标记为占据。
3.根据权利要求1所述的一种基于几何与物理特征地图的六足机器人容错自由步态规划方法,其特征在于,所述步骤2中,提出足端位置离散化模型的具体方法为:
将机器人单腿足端位置用以下离散点描述:
(1)当腿部处于支撑相时,在机器人单腿步距L之间等距插入n(n≥2,n∈Z)个离散点,编号分别为1至n,其中足端在前极限点(AEP)时为n号位置,其中足端在后极限点(PEP)时为1号位置;
(2)当腿部处于摆动相且有落足点时,定义足端为0号位置;
(3)当腿部处于摆动相且没有落足点时,定义足端为-1号位置;
足端位置的转换规则如下:
(1)当足端位置为1至n时,只能从大位置点向小的位置点转换;
(2)当足端位置为0时,可向1至n号位置或-1位置任意转换;
(3)当足端位置为-1时,可向-1和0号位置转换。
4.根据权利要求1所述的一种基于几何与物理特征地图的六足机器人容错自由步态规划方法,其特征在于,所述步骤3中,容错自由步态规划的具体方法为:
基于位置状态间的转换规则、地形环境信息、稳定裕度的约束,机器人的步态规划问题可转化为稳定位置状态空间中各位置状态间的排序问题,定义机器人步长为L,机器人节律运动的周期为Tp,机器人机体移动速度为v(L/(n-1)/Tp),机器人当前位置状态Pn为(P1 P2P3 P4 P5 P6);
(1)根据式(1)对当前位置状态Pn进行预处理,找出当前位置状态中存在的隐含0号位置;
Figure FDA0003876889670000021
(2)根据机器人当前位置和二维占据栅格地图信息获取第i足下一周期可选落足栅格的集合poi={(x1,y1),(x2,y2),…(xn,yn)},其中若(xL,yL)被占据则第i足步距为L时的位置不能落足,反之可以落足,所有可选落足位置用集合Li={l1,l2,l3,…lm}保存,当poi中栅格被全部占据时,说明第i足没有可选落足点,记为poi=erro;
(3)根据位置状态间的转换规则,机器人下一振荡周期可能的位置状态为
Figure FDA0003876889670000022
其中
Figure FDA0003876889670000023
可根据公式(2)求得,相应的稳定状态
Figure FDA0003876889670000024
可根据公式(3)求得,为减少摆腿次数以提高行进效率,优先选取步长较大的落足点,即
Figure FDA0003876889670000025
优先选取n;
Figure FDA0003876889670000026
Figure FDA0003876889670000027
(4)
Figure FDA0003876889670000028
的选取可能会导致机器人处于不稳定位置状态,为保证机器人的稳定性,对
Figure FDA0003876889670000029
进行稳定性判定,如果位置状态
Figure FDA00038768896700000210
对应的稳定裕度
Figure FDA00038768896700000211
Figure FDA00038768896700000212
为直接不稳定状态,若
Figure FDA00038768896700000213
满足公式(4),则为间接不稳定状态,如果
Figure FDA00038768896700000214
为不稳定状态的其中一种,则需要对
Figure FDA00038768896700000215
进行重新取值。
Figure FDA00038768896700000216
CN202211218415.7A 2022-10-05 2022-10-05 一种基于几何与物理特征地图的六足机器人容错自由步态规划方法 Active CN115542913B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211218415.7A CN115542913B (zh) 2022-10-05 2022-10-05 一种基于几何与物理特征地图的六足机器人容错自由步态规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211218415.7A CN115542913B (zh) 2022-10-05 2022-10-05 一种基于几何与物理特征地图的六足机器人容错自由步态规划方法

Publications (2)

Publication Number Publication Date
CN115542913A true CN115542913A (zh) 2022-12-30
CN115542913B CN115542913B (zh) 2023-09-12

Family

ID=84731354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211218415.7A Active CN115542913B (zh) 2022-10-05 2022-10-05 一种基于几何与物理特征地图的六足机器人容错自由步态规划方法

Country Status (1)

Country Link
CN (1) CN115542913B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116719335A (zh) * 2023-06-07 2023-09-08 哈尔滨理工大学 一种考虑随机腿部故障的六足机器人容错步态规划方法
CN117067223A (zh) * 2023-10-16 2023-11-17 哈尔滨理工大学 一种基于运动稳定性估计的六足机器人自由步态规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107450555A (zh) * 2017-08-30 2017-12-08 唐开强 一种基于深度强化学习的六足机器人实时步态规划方法
CN107562052A (zh) * 2017-08-30 2018-01-09 唐开强 一种基于深度强化学习的六足机器人步态规划方法
CN111605642A (zh) * 2020-06-11 2020-09-01 哈尔滨工业大学 六足机器人的自由容错步态规划方法、装置及存储介质
CN112904859A (zh) * 2021-01-20 2021-06-04 北京理工大学 一种基于强化学习的多足机器人步态切换方法
CN114859947A (zh) * 2022-03-21 2022-08-05 哈尔滨理工大学 一种基于倾翻性能指数分析的六足机器人容错步态规划方法
CN115143964A (zh) * 2022-07-05 2022-10-04 中国科学技术大学 一种基于2.5d代价地图的四足机器人自主导航方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107450555A (zh) * 2017-08-30 2017-12-08 唐开强 一种基于深度强化学习的六足机器人实时步态规划方法
CN107562052A (zh) * 2017-08-30 2018-01-09 唐开强 一种基于深度强化学习的六足机器人步态规划方法
CN111605642A (zh) * 2020-06-11 2020-09-01 哈尔滨工业大学 六足机器人的自由容错步态规划方法、装置及存储介质
CN112904859A (zh) * 2021-01-20 2021-06-04 北京理工大学 一种基于强化学习的多足机器人步态切换方法
CN114859947A (zh) * 2022-03-21 2022-08-05 哈尔滨理工大学 一种基于倾翻性能指数分析的六足机器人容错步态规划方法
CN115143964A (zh) * 2022-07-05 2022-10-04 中国科学技术大学 一种基于2.5d代价地图的四足机器人自主导航方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YIXIN ZHANG 等: "A Novel Low-Cost Quadruped Robot with Joint Fault-Tolerant Control", 2021 6TH INTERNATIONAL CONFERENCE ON CONTROL, ROBOTICS AND CYBERNETICS (CRC) *
尤 波 等: "单腿失效的六足机器人失稳调整与容错步态设计", 机 械 工 程 学 报, vol. 57, no. 1 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116719335A (zh) * 2023-06-07 2023-09-08 哈尔滨理工大学 一种考虑随机腿部故障的六足机器人容错步态规划方法
CN116719335B (zh) * 2023-06-07 2024-04-19 哈尔滨理工大学 一种考虑随机腿部故障的六足机器人容错步态规划方法
CN117067223A (zh) * 2023-10-16 2023-11-17 哈尔滨理工大学 一种基于运动稳定性估计的六足机器人自由步态规划方法
CN117067223B (zh) * 2023-10-16 2024-01-05 哈尔滨理工大学 一种基于运动稳定性估计的六足机器人自由步态规划方法

Also Published As

Publication number Publication date
CN115542913B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
CN115542913A (zh) 一种基于几何与物理特征地图的六足机器人容错自由步态规划方法
CN111679679B (zh) 基于蒙特卡洛树搜索算法的机器人状态规划方法
CN108333931B (zh) 一种面向崎岖地形的四足机器人双层结构步态规划方法
Escande et al. Planning contact points for humanoid robots
Hirose et al. Generalized standard foot trajectory for a quadruped walking vehicle
Karamouzas et al. Indicative routes for path planning and crowd simulation
CN110328670A (zh) 基于地形模糊自适应的四足机器人静步态规划方法
Neuhaus et al. Comprehensive summary of the Institute for Human and Machine Cognition’s experience with LittleDog
Kallmann et al. Geometric and discrete path planning for interactive virtual worlds
CN102375416B (zh) 基于快速搜索树的人型机器人踢球动作信息处理方法
CN111766885A (zh) 一种四足机器人的静步态规划方法
Sleumer et al. Exact cell decomposition of arrangements used for path planning in robotics
CN102324041B (zh) 像素归类方法、关节体姿态识别方法及鼠标指令生成方法
CN112904859B (zh) 一种基于强化学习的多足机器人步态切换方法
CN109374005B (zh) 一种基于船舶vr模型的船舶内部路径规划方法
WO2022142893A1 (zh) 双足机器人路径规划方法、装置和双足机器人
Li et al. Motion planning for humanoid walking in a layered environment
Kenwright et al. Beyond keyframe animations: a controller character-based stepping approach
CN111664851A (zh) 基于序列优化的机器人状态规划方法、装置及存储介质
Wettergreen et al. Planning strategies for the ambler walking robot
Cupec et al. Step sequence planning for a biped robot by means of a cylindrical shape model and a high-resolution 2.5 D map
Deits Convex segmentation and mixed-integer footstep planning for a walking robot
Chestnutt Navigation and gait planning
Song et al. A free gait algorithm for quadrupedal walking machines
JP5310236B2 (ja) 脚式ロボットとその制御方法

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