CN112975965A - 仿人机器人的解耦控制方法、装置和仿人机器人 - Google Patents

仿人机器人的解耦控制方法、装置和仿人机器人 Download PDF

Info

Publication number
CN112975965A
CN112975965A CN202110209690.1A CN202110209690A CN112975965A CN 112975965 A CN112975965 A CN 112975965A CN 202110209690 A CN202110209690 A CN 202110209690A CN 112975965 A CN112975965 A CN 112975965A
Authority
CN
China
Prior art keywords
task
joint
moment
kinematic
humanoid robot
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
CN202110209690.1A
Other languages
English (en)
Other versions
CN112975965B (zh
Inventor
郭宜劼
赵明国
熊友军
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.)
Beijing Youbixuan Intelligent Robot 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 CN202110209690.1A priority Critical patent/CN112975965B/zh
Publication of CN112975965A publication Critical patent/CN112975965A/zh
Priority to PCT/CN2021/132996 priority patent/WO2022179213A1/zh
Priority to US17/868,790 priority patent/US20220362929A1/en
Application granted granted Critical
Publication of CN112975965B publication Critical patent/CN112975965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/1607—Calculation of inertia, jacobian matrixes and inverses
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • 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
    • B25J17/00—Joints
    • B25J17/02—Wrist joints
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1638—Programme controls characterised by the control loop compensation for arm bending/inertia, pay load weight/inertia
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40264—Human like, type robot arm

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Manipulator (AREA)

Abstract

本申请实施例提供一种仿人机器人的解耦控制方法、装置和仿人机器人，该方法包括：将任务分解得到运动学任务和动力学任务，并将关节分为运动学任务关节和动力学任务关节；根据运动学任务中末端的期望位置和期望速度、及末端的实际运动状态求解运动学任务关节的期望位置和期望速度以用于执行运动学任务；计算运动学任务关节的力矩；基于计算的运动学任务关节的力矩求解动力学任务关节所需力矩的优化模型，得到动力学任务关节所需的力矩以用于执行动力学任务。本申请的技术方案可将运动学控制和动力学控制两种控制方式在同一框架下同时实现，可根据任务需求选择不同控制任务的控制方式，且在控制效果上不产生冲突。

Description

仿人机器人的解耦控制方法、装置和仿人机器人
技术领域
本申请涉及机器人控制技术领域，尤其涉及一种仿人机器人的解耦控制方法、装置和仿人机器人。
背景技术
仿人机器人是具有多自由度的复杂***，在仿人机器人的控制中，控制的目标也多种多样，并且针对不同的任务需求，控制方法也有不同。比如走路时的摆臂动作，如图1所示的手臂，在行走时对手臂位置的精度要求较高，故可通过运动学控制；而腿部因为需要与地面接触，如图1所示的腿部，在行走时，由于足底与地面之间的力需要满足摩擦锥的约束保证支撑脚不会滑动，即对力控制要求较高，这时可通过动力学控制。尽管这两种控制方式会在仿人机器人上同时存在，然而目前的控制框架往往仅采用一种控制方式对全身进行控制，或者简单的将两种控制方式同时使用，而不考虑两种控制方式的兼容性，往往造成了两种方式的冲突和对控制效果的影响。
发明内容
有鉴于此，本申请为了克服现有技术中的不足，提供一种仿人机器人的解耦控制方法、装置和仿人机器人。
本申请的实施例提供一种仿人机器人的解耦控制方法，包括：
将仿人机器人的任务分解得到运动学任务和动力学任务，并将所述仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节；
根据所述运动学任务中末端的期望位置和期望速度通过逆运动学求解所述运动学任务关节的期望位置和期望速度以用于执行所述运动学任务；
基于所述运动学任务关节的期望位置和期望速度计算所述运动学任务关节的力矩；
基于计算的所述运动学任务关节的力矩求解预先构建的所述动力学任务关节所需力矩的优化模型，得到所述动力学任务关节所需的力矩以用于执行所述动力学任务；其中，所述优化模型依据所述动力学任务中末端的加速度与所有关节的加速度之间的映射关系进行构建，且基于所述运动学任务关节和所述动力学任务关节的力矩设置所述优化模型的约束条件。
在一些实施例中，所述基于所述运动学任务关节的期望位置和期望速度计算所述运动学任务关节的力矩，包括：
根据所述运动学任务关节在当前时刻的期望位置和期望速度、以及在当前时刻的实际位置和实际速度按照预设控制律计算所述运动学任务关节在当前时刻的力矩。
在上述实施例中，该方法还包括：
计算所述运动学任务关节在上一时刻的力矩偏差，并利用所述上一时刻的力矩偏差对所述当前时刻的力矩进行校准以得到校准后的力矩，所述校准后的力矩用于求解所述优化模型。
在一些实施例中，所述计算所述运动学任务关节在上一时刻的力矩偏差，包括：
读取所述运动学任务关节在上一时刻通过所述预设控制律计算的力矩；
利用上一时刻的所述运动学任务关节的实际加速度通过任务分解后的动力学方程反算所述运动学任务关节在上一时刻的实际力矩；
将所述运动学任务关节在上一时刻的所述实际力矩与计算的所述力矩作差，得到所述运动学任务关节在上一时刻的力矩偏差。
在一些实施例中，所述动力学任务中末端的加速度与所有关节的加速度之间的映射关系为：
Figure BDA0002950983010000031
其中，
Figure BDA0002950983010000032
表示所述动力学任务中末端的加速度；Jdyna表示所述动力学任务中控制末端的雅克比矩阵；
Figure BDA0002950983010000033
表示所述雅克比矩阵Jdyna的求导；
Figure BDA0002950983010000034
和
Figure BDA0002950983010000035
分别表示所述仿人机器人所有关节的速度和加速度；
所述动力学任务关节所需力矩的优化模型为：
Figure BDA0002950983010000036
其中，τdyna表示所述动力学任务关节所需的力矩。
在一些实施例中，所述基于所述运动学任务关节和所述动力学任务关节的力矩设置优化模型约束条件，包括：
基于所述运动学任务关节的力矩和所述动力学任务关节的力矩构建所述仿人机器人在任务分解后的动力学方程，以及所述仿人机器人的关节力矩与所有接触点所受的外力之间的关系；
所述任务分解后的动力学方程为：
Figure BDA0002950983010000037
其中，Ns＝I-JT(JM-1JT)-1JM-1；
Figure BDA0002950983010000041
其中，M为惯量矩阵；h包括重力、科里奥利力和离心力；
Figure BDA0002950983010000042
和
Figure BDA0002950983010000043
分别为所述仿人机器人各个关节的速度和加速度；I表示单位矩阵；Bkine和Bdyna分别为所述运动学任务关节和所述动力学任务关节的力矩选择矩阵；τkine和τdyna分别为所述运动学任务关节和所述动力学任务关节的力矩；J为所述仿人机器人的所有接触点的雅可比矩阵；
Figure BDA0002950983010000045
为所述雅可比矩阵J的导数。
在上述实施例中，所述仿人机器人的关节力矩与所有接触点所受的外力之间的关系为：
Figure BDA0002950983010000044
其中，Ff为所有接触点所受的外力。
在上述实施例中，所述优化模型的约束条件还包括：所述所有接触点所受的外力与摩擦锥之间的约束关系。
在一种实施例中，所述将所述仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节，包括：
将所述仿人机器人的双臂关节分为所述运动学任务关节，将所述仿人机器人的双腿关节分为所述动力学任务关节。
本申请的实施例还提供一种仿人机器人的解耦控制装置，包括：
任务分解模块，用于将仿人机器人的任务分解得到运动学任务和动力学任务，并将所述仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节；
运动学控制模块，用于根据所述运动学任务中末端的期望位置和期望速度通过逆运动学求解所述运动学任务关节的期望位置和期望速度以用于执行所述运动学任务；
运动学力矩计算模块，用于基于所述运动学任务关节的期望位置和期望速度计算所述运动学任务关节的力矩；
动力学控制模块，用于基于计算的所述运动学任务关节的力矩求解预先构建的所述动力学任务关节所需力矩的优化模型，得到所述动力学任务关节所需的力矩以用于执行所述动力学任务；其中，所述优化模型依据所述动力学任务中末端的加速度与所有关节的加速度之间的映射关系进行构建，且基于所述运动学任务关节和所述动力学任务关节的力矩设置所述优化模型的约束条件。
本申请的实施例还提供一种仿人机器人，所述仿人机器人包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上执行时，实施上述的仿人机器人的解耦控制方法。
本申请的实施例还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上执行时，实施根上述的仿人机器人的解耦控制方法。
本申请的实施例具有如下有益效果：
本申请实施例的技术方案通过将机器人的全身任务分解为运动学任务和动力学任务，并根据不同的任务类型选择不同的任务控制方式，对于运动学任务，利用运动学对各运动学关节进行期望位置控制；而对于动力学任务，通过先构建动力学关节所需力矩的优化模型，并将运动学关节的力矩作为模型的约束条件，以求解得到带约束的动力学关节所需的力矩进行期望力控制。该方法能够实现运动学控制和动力学控制这两种控制方式的协调而互不冲突，从而为仿人机器人的全身控制提出一种新的解决方案。
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示出了仿人机器人的一种简化结构示意图；
图2示出了本申请实施例的仿人机器人的解耦控制方法的第一流程示意图；
图3示出了本申请实施例的仿人机器人的解耦控制方法的运动学任务关节的力矩计算的一种流程示意图；
图4示出了本申请实施例的仿人机器人的解耦控制方法的运动学任务关节的力矩计算的另一种流程示意图；
图5示出了本申请实施例的仿人机器人的解耦控制装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例1
请参照图2，本实施例提出一种仿人机器人的解耦控制方法，可用于仿人机器人的全身任务控制，其中包括同时实现运动学任务控制和动力学任务控制。示范性地，该仿人机器人的解耦控制方法包括：
步骤S110，将仿人机器人的任务分解得到运动学任务和动力学任务，并将仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节。
示范性地，可根据不同的任务需求，将仿人机器人的全身任务分解为运动学任务和动力学任务，其中，运动学任务采用运动学控制方式，主要是根据给出的末端期望轨迹通过逆运动学计算出对应关节的位置和速度，然后通过关节控制进行位置跟踪。而动力学任务则采用动力学控制方式，主要是根据给出的末端期望加速度通过逆动力学计算出末端受到的力与对应关节的力矩，然后发送关节力矩指令进行相应控制。
本实施例中，将任务进行分解后，同时还将仿人机器人的相应关节也进行类型划分，示范性地，将执行运动学任务时所用到的关节称为运动学任务关节；而将执行动力学任务时所用到的关节则称为动力学关节。
在一种实施方式中，如图1所示，以仿人机器人的摆臂控制为例，由于没有与外界环境接触，故通过运动学控制，即可划分为运动学任务，此时该仿人机器人双臂上的各个关节即为运动学任务关节。而以仿人机器人的步态控制为例，由于足底与地面接触，需要满足足底摩擦力的相应约束，故需要通过动力学控制，即可划分为动力学任务，此时该仿人机器人双腿上的各个关节即为动力学任务关节。
通常地，机器人的动力学方程为：
Figure BDA0002950983010000081
其中，M为惯量矩阵；h包括重力、科里奥利力和离心力；
Figure BDA0002950983010000082
为机器人各个关节的加速度；B为力矩选择矩阵；τ为各个关节的力矩；J为机器人的与外界产生接触的所有末端(即上述的接触点)的雅可比矩阵；Ff为所有接触点所受的外力(即上述的接触力)。
而机器人与外界接触的末端位置相对于世界加速度为零，即存在如下位置约束关系：
Figure BDA0002950983010000083
其中，
Figure BDA0002950983010000084
为雅可比矩阵J的导数；
Figure BDA0002950983010000085
为仿人机器人各个关节的速度和加速度。
于是，将该位置约束关系代入上述动力学方程中，可得到：
Figure BDA0002950983010000086
由上述等式可知，接触力Ff是由对应时刻下的关节力矩决定的。
于是，上述的机器人的动力学方程还可以表示为：
Figure BDA0002950983010000087
其中，Ns＝I-JT(JM-1JT)-1JM-1；
Figure BDA0002950983010000088
为了后续方便，因此采用中间变量Ns和γ描述，其不具有实质含义。
本实施例中，当通过分解的运动学任务关节的力矩和动力学任务关节的力矩来描述时，该仿人机器人的任务分解后的动力学方程可表示为：
Figure BDA0002950983010000091
其中，Bkine和Bdyna分别为运动学任务关节和动力学任务关节的力矩选择矩阵；τkine和τdyna分别为运动学任务关节和动力学任务关节的力矩。
步骤S120，根据该运动学任务中末端的期望位置和期望速度通过逆运动学求解运动学任务关节的期望位置和期望速度以用于执行该运动学任务。
示范性地，对于分解的运动学任务，可根据预先规划的控制目标(即末端)在任务空间的期望位置或轨迹和期望速度，通过逆运动学求解在关节空间的关节期望位置和期望速度，进而发送相应的关节期望位置和期望速度指令到运动学任务关节以执行该运动学任务。
以上述的摆臂控制这一运动学任务为例，示范性地，根据预先规划的手臂末端在对应时刻的期望位置和期望速度，可通过逆运动学计算得到对应时刻手臂各个关节在关节空间的期望位置和期望速度，然后将对应时刻的该关节期望位置和速度作为指令发送到位置控制类型(简称位控型)的关节电机，以使相应关节执行预期的摆臂动作。
本实施例中，通过将仿人机器人的运动学任务和动力学任务进行任务分解并进行解耦控制。可以理解，上述步骤S120即为实现运动学任务控制的步骤。而对于动力学任务，本实施例将通过构建二次优化问题，即使得动力学任务的控制目标(即末端)的实际加速度尽量接近规划的期望加速度，同时还将运动学任务关节的力矩及动力学任务关节的力矩满足机器人的***动力学方程作为优化模型的约束条件，从而求解得到动力学任务关节所需的力矩。
步骤S130，根据该运动学任务关节的期望位置和期望速度计算运动学任务关节的力矩。
考虑到该仿人机器人的所有关节应当满足***动力学方程，本实施例还需要计算出运动学任务关节所执行的力矩，以进一步求解动力学关节的力矩。在一种实施方式中，如图3所示，步骤S130包括：
步骤S131，根据运动学任务关节在当前时刻的期望位置和期望速度、以及在当前时刻的实际位置和实际速度按照预设控制律计算运动学任务关节在当前时刻的力矩。
示范性地，运动学任务关节在接收到关节期望位置和期望速度指令后，将根据相应的关节控制律和关节的实际位置和实际速度，计算出关节力矩并执行。例如，该预设的关节控制律可为：
Figure BDA0002950983010000101
其中，
Figure BDA0002950983010000102
为该运动学任务关节的力矩；
Figure BDA0002950983010000103
和qkine分别为该运动学任务关节的期望位置和实际位置；
Figure BDA0002950983010000104
和
Figure BDA0002950983010000105
分别为运动学任务关节的期望速度和实际速度；Kp和Kd分别为该控制律中预设的比例调节系数和微分调节系数。可以理解，计算出运动学任务关节在对应时刻的力矩将用于后续求解构建的动力学任务关节所需力矩的优化模型。
此外，由于位控型关节的电机接收的是期望位置和期望速度指令并进行位置跟随，考虑到关节中往往存在摩擦等扰动，使得实际执行出来的关节力矩并不等于通过控制律计算出的力矩，而对于位控型关节，其往往减速较大导致摩擦力也较大，因此这种扰动在位控型关节中则更为明显。于是，本实施例还可对这些因摩擦等扰动所造成的力矩误差进行估算，然后利用估算的力矩误差对直接计算得到的力矩进行校准，以便利用校准后的力矩求解该动力学任务关节所需力矩的优化模型。
在另一种实施方式中，如图4所示，步骤S130还包括：
步骤S132，计算运动学任务关节在上一时刻的力矩偏差，并利用上一时刻的力矩偏差对当前时刻的力矩进行校准以得到校准后的力矩。其中，该校准后的力矩将用于求解动力学任务关节所需力矩的优化模型。
其中，该上一时刻的力矩偏差的计算步骤可以是在上述步骤S131之后，也可以是之前，还可以是同时执行等。示范性地，该上一时刻的力矩偏差的计算步骤，包括：读取运动学任务关节在上一时刻通过预设控制律计算的力矩；利用上一时刻的运动学任务关节的实际加速度通过任务分解后的动力学方程反算运动学任务关节在上一时刻的实际力矩；将运动学任务关节在上一时刻的实际力矩与计算的所述力矩作差，得到运动学任务关节在上一时刻的力矩偏差。
例如，利用上一时刻的仿人机器人各个关节的状态，包括关节的实际加速度等，以及动力学任务关节的实际力矩等历史数据，将其代入上述的任务分解后的动力学方程中，可反算出上一时刻的该运动学任务关节的实际力矩τkine(tpre)。若运动学任务关节通过预设的控制律求解出的上一时刻的力矩为
Figure BDA0002950983010000111
于是，将两个力矩作差，即可得到上一时刻的力矩偏差δ(tpre)为：
Figure BDA0002950983010000112
进而，将当前时刻的运动学力矩的力矩
Figure BDA0002950983010000113
和上一时刻的力矩偏差δ(tpre)相加，即计算得到当前时刻校准后的力矩
Figure BDA0002950983010000114
即：
Figure BDA0002950983010000121
可以理解，该另一种实施方式的区别在于，利用校准后的运动学任务关节的力矩来求解优化模型，通过考虑运动学任务关节中的摩擦等扰动，可以在实现任务解耦控制的同时，还可以计算出更加准确的动力学任务关节所需的力矩，从而提高动力学任务的控制准确性等。
本实施例中，在上述步骤S110分解出运动学任务和动力学任务后，则可构建动力学任务关节所需力矩的二次优化问题(也称优化模型)，例如，使动力学任务中的控制目标的实际加速度尽量趋近于规划的期望加速度。
其中，动力学任务中末端的加速度与关节的加速度之间的映射关系如下：
Figure BDA0002950983010000122
其中，
Figure BDA0002950983010000123
表示动力学任务中末端的期望加速度；Jdyna表示动力学任务中目标控制末端的雅克比矩阵；
Figure BDA0002950983010000124
表示雅克比矩阵Jdyna的求导；
Figure BDA0002950983010000125
和
Figure BDA0002950983010000126
分别表示该仿人机器人所有关节的速度和加速度，通过对所有关节的位置q进行一阶求导和二阶求导即可分别得到。可以理解，对于仿人机器人而言，上述的q除了包含运动学任务关节的位置qkine和动力学任务关节的位置qdyna外，由于仿人机器人处于运动状态时，其基座相对于世界坐标系是浮动的(也称为浮动基)，故q还包括浮动基的状态qfloat，通常选取为仿人机器人的腰部位姿。
进而，基于上述的映射关系可构建出一个与动力学任务关节所需力矩有关的优化问题。示范性地，为使动力学任务中的控制目标的实际加速度尽量趋近于预先规划的期望加速度，可采用平方差(最小二乘法)等优化问题来构建该优化模型。若动力学任务关节所需的力矩记为τdyna，则该动力学任务关节所需力矩的优化模型f可表示为：
Figure BDA0002950983010000131
可以理解，上述的最小二乘法优化问题仅为一种优化模型的示例，此外，还可以采用如最小化能量等其他优化问题来构建，在此并不作限定。
本实施例还将构建该优化模型的约束条件，以便求解出符合相应约束条件的动力学任务关节所需的力矩。示范性地，可基于运动学任务关节和动力学任务关节的力矩设置该优化模型的约束条件。
在一种实施方式中，运动学任务关节的力矩和动力学任务关节的力矩应当满足仿人机器人在任务分解后的动力学方程，以及满足仿人机器人的关节力矩与所有接触点所受的外力(也称接触力)之间的关系等。通常地，接触力还应满足与摩擦锥之间的约束关系等。可以理解，所述的接触点是指仿人机器人与外界产生接触的末端，如足端等。
示范性地，对于上述的优化模型，运动学任务关节的力矩和动力学任务关节的力矩满足上述仿人机器人在任务分解后的动力学方程：
Figure BDA0002950983010000132
以及，该优化模型的约束条件还包括仿人机器人的关节力矩与接触力Ff之间的关系，即：
Figure BDA0002950983010000133
其中，该优化模型的约束条件还包括上述的接触力与摩擦锥之间的约束关系等。可以理解，优化模型的约束条件可根据实际任务需求来相应设置。
步骤S140，基于计算的运动学任务关节的力矩求解预先构建的该动力学任务关节所需力矩的优化模型，得到动力学任务关节所需的力矩以用于执行该动力学任务。
示范性地，在计算得到运动学任务关节的力矩后，则利用该已知的力矩代入上述任务分解后的动力学方程及关节力矩与接触力之间的关系等约束条件的表达式中，然后对关于动力学任务关节所需力矩这一变量的优化模型进行求解，使得末端的实际加速度能尽可能地趋近于给出的期望加速度，即使上述构建的优化模型的值最小，此时求解得到的动力学任务关节所需力矩将用于执行该动力学任务。
本实施例的仿人机器人的解耦控制方法通过将仿人机器人的全身任务进行分解以得到运动学任务和动力学任务，并对相应关节进行类型划分，通过对不同的任务采用不同的控制方式，通过求解运动学任务关节的期望位置及期望速度以进行运动学任务控制时，还构建带约束条件的优化模型以求解动力学任务关节所需的力矩以实现动力学任务控制。本实施例的方法可以将运动学控制和动力学控制两种控制方式在同一框架下同时实现，可根据任务需求选择不同控制任务的控制方式，且在控制效果上不产生冲突，从而为仿人机器人的全身任务控制提供了一种解耦方案。
实施例2
请参照图5，基于上述实施例的方法，本实施例提出一种仿人机器人的解耦控制装置100，示范性地，该仿人机器人的解耦控制装置100包括：
任务分解模块110，用于将仿人机器人的任务分解得到运动学任务和动力学任务，并将所述仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节。
运动学控制模块120，用于根据所述运动学任务中末端的期望位置和期望速度通过逆运动学求解所述运动学任务关节的期望位置和期望速度以用于执行所述运动学任务。
运动学力矩计算模块130，用于根据所述运动学任务关节的期望位置和期望速度计算所述运动学任务关节的力矩。
在一种实施方式中，运动学力矩计算模块130用于根据所述运动学任务关节在当前时刻的期望位置和期望速度、以及在当前时刻的实际位置和实际速度按照预设控制律计算所述运动学任务关节在当前时刻的力矩，所述力矩用于求解所述优化模型。
在另一种实施方式中，运动学力矩计算模块130还用于计算所述运动学任务关节在上一时刻的力矩偏差，并利用所述上一时刻的力矩偏差对所述当前时刻的力矩进行校准以得到校准后的力矩，所述校准后的力矩用于求解所述优化模型。
动力学控制模块140，用于基于计算的所述运动学任务关节的力矩求解预先构建的所述动力学任务关节所需力矩的优化模型，得到所述动力学任务关节所需的力矩以用于执行所述动力学任务；其中，所述优化模型依据所述动力学任务中末端的加速度与关节的加速度之间的映射关系进行构建，且基于所述运动学任务关节和所述动力学任务关节的力矩设置所述优化模型的约束条件。
可以理解，本实施例的装置对应于上述实施例1的方法，上述实施例1中的可选项同样适用于本实施例，故在此不再重复描述。
本申请还提供了一种仿人机器人设备，示范性地，该仿人机器人设备包括处理器和存储器，其中，存储器存储有计算机程序，处理器通过运行所述计算机程序，从而使移动仿人机器人执行上述的仿人机器人的解耦控制方法或者上述仿人机器人的解耦控制装置中的各个模块的功能。
本申请还提供了一种可读存储介质，用于储存上述仿人机器人设备中使用的所述计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种仿人机器人的解耦控制方法，其特征在于，包括：
将仿人机器人的任务分解得到运动学任务和动力学任务，并将所述仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节；
根据所述运动学任务中末端的期望位置和期望速度通过逆运动学求解所述运动学任务关节的期望位置和期望速度以用于执行所述运动学任务；
基于所述运动学任务关节的期望位置和期望速度计算所述运动学任务关节的力矩；
基于计算的所述运动学任务关节的力矩求解预先构建的所述动力学任务关节所需力矩的优化模型，得到所述动力学任务关节所需的力矩以用于执行所述动力学任务；其中，所述优化模型依据所述动力学任务中末端的加速度与关节的加速度之间的映射关系进行构建，且基于所述运动学任务关节和所述动力学任务关节的力矩设置所述优化模型的约束条件。
2.根据权利要求1所述的仿人机器人的解耦控制方法，其特征在于，所述基于所述运动学任务关节的期望位置和期望速度计算所述运动学任务关节的力矩，包括：
根据所述运动学任务关节在当前时刻的期望位置和期望速度、以及在当前时刻的实际位置和实际速度按照预设控制律计算所述运动学任务关节在当前时刻的力矩，所述力矩用于求解所述优化模型。
3.根据权利要求2所述的仿人机器人的解耦控制方法，其特征在于，还包括：
计算所述运动学任务关节在上一时刻的力矩偏差，并利用所述上一时刻的力矩偏差对所述当前时刻的力矩进行校准以得到校准后的力矩，所述校准后的力矩用于求解所述优化模型。
4.根据权利要求3所述的仿人机器人的解耦控制方法，其特征在于，所述计算所述运动学任务关节在上一时刻的力矩偏差，包括：
读取所述运动学任务关节在上一时刻通过所述预设控制律计算的力矩；
利用上一时刻的所述运动学任务关节的实际加速度通过任务分解后的动力学方程反算所述运动学任务关节在上一时刻的实际力矩；
将所述运动学任务关节在上一时刻的所述实际力矩与计算的所述力矩作差，得到所述运动学任务关节在上一时刻的力矩偏差。
5.根据权利要求1所述的仿人机器人的解耦控制方法，其特征在于，所述动力学任务中末端的加速度与关节的加速度之间的映射关系为：
Figure FDA0002950977000000021
其中，
Figure FDA0002950977000000022
表示所述动力学任务中末端的加速度；Jdyna表示所述动力学任务中控制末端的雅克比矩阵；
Figure FDA0002950977000000023
表示所述雅克比矩阵Jdyna的求导；
Figure FDA0002950977000000024
和
Figure FDA0002950977000000025
分别表示所述仿人机器人所有关节的速度和加速度；
所述动力学任务关节所需力矩的优化模型为：
Figure FDA0002950977000000026
其中，τdyna表示所述动力学任务关节所需的力矩。
6.根据权利要求1所述的仿人机器人的解耦控制方法，其特征在于，所述基于所述运动学任务关节和所述动力学任务关节的力矩设置优化模型约束条件，包括：
基于所述运动学任务关节的力矩和所述动力学任务关节的力矩构建所述仿人机器人在任务分解后的动力学方程，以及所述仿人机器人的关节力矩与所有接触点所受的外力之间的关系；
所述任务分解后的动力学方程为：
Figure FDA0002950977000000031
其中，Ns＝I-JT(JM-1JT)-1JM-1；
Figure FDA0002950977000000032
其中，M为惯量矩阵；h包括重力、科里奥利力和离心力；
Figure FDA0002950977000000033
和
Figure FDA0002950977000000034
分别为所述仿人机器人各个关节的速度和加速度；I表示单位矩阵；Bkine和Bdyna分别为所述运动学任务关节和所述动力学任务关节的力矩选择矩阵；τkine和τdyna分别为所述运动学任务关节和所述动力学任务关节的力矩；J为所述仿人机器人的所有接触点的雅可比矩阵；
Figure FDA0002950977000000036
为所述雅可比矩阵J的导数；
所述仿人机器人的关节力矩与所有接触点所受的外力之间的关系为：
Figure FDA0002950977000000035
其中，Ff为所有接触点所受的外力。
7.根据权利要求1至6中任一项所述的仿人机器人的解耦控制方法，其特征在于，所述将所述仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节，包括：
将所述仿人机器人的双臂关节分为所述运动学任务关节，将所述仿人机器人的双腿关节分为所述动力学任务关节。
8.一种仿人机器人的解耦控制装置，其特征在于，包括：
任务分解模块，用于将仿人机器人的任务分解得到运动学任务和动力学任务，并将所述仿人机器人对应部位的关节分为运动学任务关节或动力学任务关节；
运动学控制模块，用于根据所述运动学任务中末端的期望位置和期望速度通过逆运动学求解所述运动学任务关节的期望位置和期望速度以用于执行所述运动学任务；
运动学力矩计算模块，用于基于所述运动学任务关节的期望位置和期望速度计算所述运动学任务关节的力矩；
动力学控制模块，用于基于计算的所述运动学任务关节的力矩求解预先构建的所述动力学任务关节所需力矩的优化模型，得到所述动力学任务关节所需的力矩以用于执行所述动力学任务；其中，所述优化模型依据所述动力学任务中末端的加速度与所有关节的加速度之间的映射关系进行构建，且基于所述运动学任务关节和所述动力学任务关节的力矩设置所述优化模型的约束条件。
9.一种仿人机器人，其特征在于，所述仿人机器人包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上执行时，实施权利要求1-7中任一项所述的仿人机器人的解耦控制方法。
10.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上执行时，实施根据权利要求1-7中任一项所述的仿人机器人的解耦控制方法。
CN202110209690.1A 2021-02-24 2021-02-24 仿人机器人的解耦控制方法、装置和仿人机器人 Active CN112975965B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110209690.1A CN112975965B (zh) 2021-02-24 2021-02-24 仿人机器人的解耦控制方法、装置和仿人机器人
PCT/CN2021/132996 WO2022179213A1 (zh) 2021-02-24 2021-11-25 仿人机器人的解耦控制方法、装置和仿人机器人
US17/868,790 US20220362929A1 (en) 2021-02-24 2022-07-20 Decoupling control method for humanoid robot, humanoid robot and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110209690.1A CN112975965B (zh) 2021-02-24 2021-02-24 仿人机器人的解耦控制方法、装置和仿人机器人

Publications (2)

Publication Number Publication Date
CN112975965A true CN112975965A (zh) 2021-06-18
CN112975965B CN112975965B (zh) 2022-07-29

Family

ID=76350411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110209690.1A Active CN112975965B (zh) 2021-02-24 2021-02-24 仿人机器人的解耦控制方法、装置和仿人机器人

Country Status (3)

Country Link
US (1) US20220362929A1 (zh)
CN (1) CN112975965B (zh)
WO (1) WO2022179213A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022179213A1 (zh) * 2021-02-24 2022-09-01 深圳市优必选科技股份有限公司 仿人机器人的解耦控制方法、装置和仿人机器人

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6445964B1 (en) * 1997-08-04 2002-09-03 Harris Corporation Virtual reality simulation-based training of telekinegenesis system for training sequential kinematic behavior of automated kinematic machine
CA2397313A1 (en) * 2001-08-09 2003-02-09 The University Of Tokyo Method of generating poses and motions of a tree structure link system
KR20050018545A (ko) * 2003-08-16 2005-02-23 광주과학기술원 로봇의 캘리브레이션 장치 및 그 방법
CN101332604A (zh) * 2008-06-20 2008-12-31 哈尔滨工业大学 人机相互作用机械臂的控制方法
CN101412218A (zh) * 2008-10-28 2009-04-22 北京理工大学 基于人体运动轨迹的机器人节奏性动作的相似性评价方法
CN101508112A (zh) * 2009-03-30 2009-08-19 东南大学 三自由度搬运工业机器人多目标优化设计参数的获取方法
CN101526801A (zh) * 2009-04-17 2009-09-09 天津理工大学 履带式移动机械手的广义***统一动力学建模方法
US20120158183A1 (en) * 2010-12-21 2012-06-21 Samsung Electronics Co., Ltd. Walking robot and control method thereof
CN103019096A (zh) * 2012-11-23 2013-04-03 北京理工大学 一种基于加速度优化的仿人机器人逆动力学控制器
CN103240739A (zh) * 2013-05-07 2013-08-14 武汉科技大学 一种移动机械臂分散集中自主切换控制方法
CN106891335A (zh) * 2017-03-23 2017-06-27 北京空间飞行器总体设计部 一种空间机器人在轨抓捕过程的柔顺与协调控制方法
CN107253191A (zh) * 2017-05-22 2017-10-17 广州中国科学院先进技术研究所 一种双机械臂***及其协调控制方法
CN107450317A (zh) * 2017-08-16 2017-12-08 北京控制工程研究所 一种空间机械臂自适应动力学协调控制方法
US10081104B1 (en) * 2015-09-15 2018-09-25 Boston Dynamics, Inc. Determination of robotic step path
CN110421547A (zh) * 2019-07-12 2019-11-08 中南大学 一种基于估计动力学模型的双臂机器人协同阻抗控制方法
CN111252162A (zh) * 2020-02-24 2020-06-09 北京理工大学 一种双足机器人足部柔顺平衡控制***及方法
CN111716356A (zh) * 2020-06-18 2020-09-29 南京邮电大学 一种仿人多机器人的协作方法
CN111730599A (zh) * 2020-07-08 2020-10-02 深圳市优必选科技股份有限公司 阻抗控制方法、装置、阻抗控制器和机器人

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050038563A1 (en) * 2003-08-16 2005-02-17 Abdul Rauf Device and method for kinematic calibration of robots
US11278433B2 (en) * 2005-03-31 2022-03-22 Massachusetts Institute Of Technology Powered ankle-foot prosthesis
US8512415B2 (en) * 2005-03-31 2013-08-20 Massachusetts Institute Of Technology Powered ankle-foot prothesis
EP2409203B1 (en) * 2009-02-13 2013-06-12 Hocoma AG Method to control a robot device and robot device
US9221177B2 (en) * 2012-04-18 2015-12-29 Massachusetts Institute Of Technology Neuromuscular model-based sensing and control paradigm for a robotic leg
EP3133998B1 (en) * 2014-04-21 2019-07-03 The Trustees of Columbia University in the City of New York Human movement research, therapeutic, and diagnostic devices, methods, and systems
CN110104216B (zh) * 2019-01-28 2022-09-06 西北工业大学深圳研究院 一种针对运动学冗余双臂空间机器人的协同路径规划方法
US11170551B1 (en) * 2020-05-01 2021-11-09 Adobe Inc. Motion retargeting with kinematic constraints
CN111538949B (zh) * 2020-07-10 2020-10-16 深圳市优必选科技股份有限公司 冗余机器人逆运动学求解方法、装置和冗余机器人
CN112975965B (zh) * 2021-02-24 2022-07-29 深圳市优必选科技股份有限公司 仿人机器人的解耦控制方法、装置和仿人机器人

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6445964B1 (en) * 1997-08-04 2002-09-03 Harris Corporation Virtual reality simulation-based training of telekinegenesis system for training sequential kinematic behavior of automated kinematic machine
CA2397313A1 (en) * 2001-08-09 2003-02-09 The University Of Tokyo Method of generating poses and motions of a tree structure link system
KR20050018545A (ko) * 2003-08-16 2005-02-23 광주과학기술원 로봇의 캘리브레이션 장치 및 그 방법
CN101332604A (zh) * 2008-06-20 2008-12-31 哈尔滨工业大学 人机相互作用机械臂的控制方法
CN101412218A (zh) * 2008-10-28 2009-04-22 北京理工大学 基于人体运动轨迹的机器人节奏性动作的相似性评价方法
CN101508112A (zh) * 2009-03-30 2009-08-19 东南大学 三自由度搬运工业机器人多目标优化设计参数的获取方法
CN101526801A (zh) * 2009-04-17 2009-09-09 天津理工大学 履带式移动机械手的广义***统一动力学建模方法
US20120158183A1 (en) * 2010-12-21 2012-06-21 Samsung Electronics Co., Ltd. Walking robot and control method thereof
CN103019096A (zh) * 2012-11-23 2013-04-03 北京理工大学 一种基于加速度优化的仿人机器人逆动力学控制器
CN103240739A (zh) * 2013-05-07 2013-08-14 武汉科技大学 一种移动机械臂分散集中自主切换控制方法
US10081104B1 (en) * 2015-09-15 2018-09-25 Boston Dynamics, Inc. Determination of robotic step path
CN106891335A (zh) * 2017-03-23 2017-06-27 北京空间飞行器总体设计部 一种空间机器人在轨抓捕过程的柔顺与协调控制方法
CN107253191A (zh) * 2017-05-22 2017-10-17 广州中国科学院先进技术研究所 一种双机械臂***及其协调控制方法
CN107450317A (zh) * 2017-08-16 2017-12-08 北京控制工程研究所 一种空间机械臂自适应动力学协调控制方法
CN110421547A (zh) * 2019-07-12 2019-11-08 中南大学 一种基于估计动力学模型的双臂机器人协同阻抗控制方法
CN111252162A (zh) * 2020-02-24 2020-06-09 北京理工大学 一种双足机器人足部柔顺平衡控制***及方法
CN111716356A (zh) * 2020-06-18 2020-09-29 南京邮电大学 一种仿人多机器人的协作方法
CN111730599A (zh) * 2020-07-08 2020-10-02 深圳市优必选科技股份有限公司 阻抗控制方法、装置、阻抗控制器和机器人

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CONG ZHANG;KAIXIN SHEN;QING WEI;HONGXU MA: "Research on Impedance Control Method of Legged Robot with Gait and Load Adaptive Capability", 《2020 CHINESE AUTOMATION CONGRESS (CAC)》 *
罗健文: "双足机器人建模分析及其运动控制研究", 《中国博士学位论文全文数据库 (信息科技辑)》 *
董博: "面向动态约束的可重构模块机器人力矩估计与分散控制方法研究", 《中国博士学位论文全文数据库 (信息科技辑)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022179213A1 (zh) * 2021-02-24 2022-09-01 深圳市优必选科技股份有限公司 仿人机器人的解耦控制方法、装置和仿人机器人

Also Published As

Publication number Publication date
WO2022179213A1 (zh) 2022-09-01
CN112975965B (zh) 2022-07-29
US20220362929A1 (en) 2022-11-17

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
CN111880544A (zh) 仿人机器人步态规划方法、装置和仿人机器人
CN111506100B (zh) 多足机器人关节控制方法、装置和多足机器人
CN111872941A (zh) 平衡控制方法、装置、仿人机器人及可读存储介质
CN111993391B (zh) 机器人位姿估计方法、装置、仿人机器人及存储介质
CN111309039B (zh) 一种四足机器人姿态控制方法和装置
CN113031639B (zh) 机器人步长处理方法、装置、机器人控制设备及存储介质
CN115586724B (zh) 一种齿轮巡检机器人***自适应分数阶全局滑模控制方法
CN113290559A (zh) 机器人平衡控制方法、装置、机器人控制设备及存储介质
US20230001935A1 (en) Controlling motion of a vehicle
Lee et al. Design, implementation, and flight tests of a feedback linearization controller for multirotor UAVs
Coopmans et al. Fractional-order complementary filters for small unmanned aerial system navigation
CN112975965B (zh) 仿人机器人的解耦控制方法、装置和仿人机器人
Jasim et al. Iterative linear quadratic regulator control for quadrotors leader-follower formation flight
Ivoilov et al. The tilt angle estimation in the inverted pendulum stabilization task
Schulken et al. Model-free sliding mode control algorithms including application to a real-world quadrotor
CN117091592A (zh) 姿态解算方法、姿态解算装置以及计算机存储介质
CN114161402B (zh) 机器人稳定控制方法、模型构建方法、装置和机器人
CN114454981B (zh) 双足机器人的弹跳运动控制方法、装置及双足机器人
CN115042178A (zh) 保证接触安全的机器人强化学习方法、装置、设备及介质
CN113419433A (zh) 一种自平衡电动轮椅欠驱动***跟踪控制器的设计方法
Zhu et al. Proprioceptive-based Whole-body Disturbance Rejection Control for Dynamic Motions in Legged Robots
CN116643501B (zh) 稳定性约束下的空中作业机器人可变阻抗控制方法及***
CN114248804B (zh) 步态规划方法、装置、电子设备及可读存储介质
CN115157271B (zh) 机械臂控制方法、装置、控制终端及存储介质

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231124

Address after: Room 601, 6th Floor, Building 13, No. 3 Jinghai Fifth Road, Beijing Economic and Technological Development Zone (Tongzhou), Daxing District, Beijing, 100176

Patentee after: Beijing Youbixuan Intelligent Robot Co.,Ltd.

Address before: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen UBTECH Technology Co.,Ltd.