CN113134833A - 机器人及其步态控制方法和装置 - Google Patents

机器人及其步态控制方法和装置 Download PDF

Info

Publication number
CN113134833A
CN113134833A CN202110338119.XA CN202110338119A CN113134833A CN 113134833 A CN113134833 A CN 113134833A CN 202110338119 A CN202110338119 A CN 202110338119A CN 113134833 A CN113134833 A CN 113134833A
Authority
CN
China
Prior art keywords
robot
mass
gait
track
optimized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110338119.XA
Other languages
English (en)
Inventor
周江琛
麻星星
刘益彰
陈春玉
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.)
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 CN202110338119.XA priority Critical patent/CN113134833A/zh
Publication of CN113134833A publication Critical patent/CN113134833A/zh
Priority to PCT/CN2021/125039 priority patent/WO2022205840A1/zh
Pending legal-status Critical Current

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
    • B25J9/1656—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
    • B25J9/1602—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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Manipulator (AREA)

Abstract

本申请属于机器人领域，提出了一种机器人及其步态控制方法和装置，该方法包括：获取机器人在当前时刻的状态信息；根据所述状态信息，结合机器人的参考轨迹，确定预先设定的三质点的步态优化模型对应的优化目标函数和约束模型；根据所述优化目标函数和约束模型，确定所述机器人的优化的躯干质心轨迹和摆动腿轨迹；根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制。由于本申请在进行步态控制时联合了摆动腿轨迹和躯干质心轨迹，与仅采用调整落脚点位置的方法相比，能够更好的承受外界干扰，提高机器人移动的稳定性。

Description

机器人及其步态控制方法和装置
技术领域
本申请属于机器人领域，尤其涉及一种机器人及其步态控制方法和装置。
背景技术
步态是指机器人的每条腿按照一定的顺序和轨迹的运动过程，是确保双足机器人能够稳定移动的重要因素。
目前的双足机器人的步态生成过程中，一般将机器人等效为位于腰部位置的单质点模型。采用三维线性倒立摆模型进行步态规划和控制。受到扰动后，一般采用调整落脚点位置的方法，使倒立摆躯干质心轨迹动态连续，从而抵抗所受到的扰动。
然而，由于双足机器人整体质量分布较为均匀，等效的单质点模型与机器人样机有较大的模型误差，通过落脚点位置调整来承受扰动的能力较小，难以适应较大外界干扰。
发明内容
有鉴于此，本申请实施例提供了一种机器人及其步态控制方法和装置，以解决现有技术中由于双足机器人整体质量分布较为均匀，等效的单质点模型与机器人样机有较大的模型误差，通过落脚点位置调整来承受扰动的能力较小，难以适应较大外界干扰的问题。
本申请实施例的第一方面提供了一种机器人的步态控制方法，所述方法包括：
获取机器人在当前时刻的状态信息；
根据所述状态信息，结合机器人的参考轨迹，确定预先设定的三质点的步态优化模型对应的优化目标函数和约束模型，所述三质点包括躯干质点、摆动腿质点和支撑腿质点；
根据所述优化目标函数和约束模型，确定所述机器人的优化的躯干质心轨迹和摆动腿轨迹；
根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制。
结合第一方面，在第一方面的第一种可能实现方式中，所述三质点的步态优化模型为：
Figure BDA0002998349430000021
其中，[px,py]T表示机器人前向和侧向的零力矩点位置，Imbx,Istx,Iswx分别表示机器人的躯干、机器人的支撑腿、机器人的摆动腿绕x轴的转动惯量，Imby,Isty,Iswy分别表示机器人的躯干、机器人的支撑腿、机器人的摆动腿绕y轴的转动惯量，
Figure BDA0002998349430000022
，mb、mst、msw分别表示机器人的躯干、支撑腿和摆动腿的质量，θbx、θstx、θswx分别表示矢状面躯干的俯仰角、支撑腿与竖直平面的夹角、摆动腿与竖直平面的夹角，θby、θsty、θswy分别表示冠状面躯干的横滚角、支撑腿与竖直平面的夹角、摆动腿与竖直平面的夹角，角度逆时针方向为正方向，zb、zst、zsw、xc、yc、g分别表示躯干躯干质心高度、支撑腿质心高度、摆动腿质心高度、质心前向位置、侧向位置和重力加速度。
结合第一方面，在第一方面的第二种可能实现方式中，获取机器人在当前时刻的状态信息，包括：
根据公式
Figure BDA0002998349430000023
确定所述机器人在当前的k+1时刻的状态信息
Figure BDA0002998349430000031
其中，
Figure BDA0002998349430000032
表示第k时刻的机器人腰部状态矢量，表示第k时刻所述确定的机器人的控制输入矢量，w∈{xc,yc}表示质心位置，
Figure BDA0002998349430000033
为机器人质心的状态向量，A和B为常系数矩阵且
Figure BDA0002998349430000034
结合第一方面，在第一方面的第三种可能实现方式中，所述优化目标函数为：
Figure BDA0002998349430000035
式中：αW,βW,γW,δS分别是位置误差惩罚系数、加速度代价系数、控制输入代价系数和足部落脚点误差惩罚系数，为保证二次型系数矩阵正定性，以上系数均设置为大于零。
Figure BDA0002998349430000036
代表预测时域内腰部质心在地面投影位置和高度的参考值。
Figure BDA0002998349430000037
和
Figure BDA0002998349430000038
分别代表预测时域所利用的未来Nf个步行周期(除当前支撑周期外)的实际落脚点和参考落脚点位置s∈{dx,dy},dx、dy分别为x方向和y方向的足部位置。
结合第一方面，在第一方面的第四种可能实现方式中，所述约束模型包括：
Figure BDA0002998349430000039
其中，
Figure BDA00029983494300000310
为采样时域内所有采样时刻对应的零力矩点，
Figure BDA00029983494300000311
为采样时域内所有采样时刻对应的足部落脚点，
Figure BDA00029983494300000312
和
Figure BDA00029983494300000313
为前向零力矩点约束下边界和上边界。
结合第一方面，在第一方面的第五种可能实现方式中，根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制，包括：
根据所述优化的质心轨迹和摆动腿轨迹，结合机器人的运动学模型，确定机器人的步态控制参数；
根据所获取的机器人的步态控制参数，对机器人进行步态控制。
结合第一方面的第五种可能实现方式，在第一方面的第六种可能实现方式中，根据所获取的机器人的步态控制参数，对机器人进行步态控制，包括：
根据所获取的机器人的步态控制参数，在当前时刻的下一采样时刻对机器人进行步态控制。
本申请实施例的第二方面提供了一种机器人的步态控制装置，所述装置包括：
状态信息获取单元，用于获取机器人在当前时刻的状态信息；
优化模型确定单元，用于根据所述状态信息，结合机器人的参考轨迹，确定预先设定的三质点的步态优化模型对应的优化目标函数和约束模型，所述三质点包括躯干质点、摆动腿质点和支撑腿质点；
优化单元，用于根据所述优化目标函数和约束模型，确定所述机器人的优化的躯干质心轨迹和摆动腿轨迹；
步态控制单元，用于根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制。
本申请实施例的第三方面提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述方法的步骤
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面任一项所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请通过预先设定的包括躯干质点、摆动腿质点和支撑腿质点的步态优化模型生成机器人的状态信息和参考轨迹对应的优化目标函数和约束模型，根据所述优化目标函数和约束模型确定机器人的躯干质心轨迹和摆动腿轨迹，根据所确定的躯干质心轨迹和摆动腿轨迹进行机器人步态控制。由于本申请在进行步态控制时联合了摆动腿轨迹和躯干质心轨迹，与仅采用调整落脚点位置的方法相比，能够更好的承受外界干扰，提高机器人移动的稳定性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种机器人的步态控制方法的实现流程示意图；
图2是本申请实施例提供的机器人的质点分布示意图；
图3是本申请实施例提供的机器人步态控制框图；
图4是本申请实施例提供的一种机器人的步态控制装置的示意图；
图5是本申请实施例提供的机器人的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
在机器人步态控制时，一般是将机器人等效为位于腰部位置的单质点模型，采用三维线性倒立摆模型进行步态规划和控制。在受到扰动时，一般仅采用调整落脚点位置的方法，使倒立摆质心轨迹动态连续，从而来抵抗外界扰动。
然而，双足机器人的整体质量一般分布较为均匀，等效的单质点模型与机器人实际情况有较大的模型误差。仅靠落脚点位置调整的方式来承受扰动的方法，难以适应外界产生的较大扰动。
为解决上述问题，本申请实施例提出了一种机器人的步态控制方法，如图1所示，该方法包括：
在S101中，获取机器人在当前时刻的状态信息。
在本申请实施例中，所述机器人的步态控制方式，可以为滚动时域的控制方式。即可以对于每个采样时刻，根据该采样时刻的第N时刻所确定的步态控制数据，作为第N+1采样时刻的输入。所述输入结合机器人在第N+1采样时刻所采集的状态信息，确定机器人在当前时刻的状态信息。如此重复，可不断更新机器人的输入参数。
比如，当前时刻为第k+1时刻，确定第k+1时刻的状态信息
Figure BDA0002998349430000061
可以根据公式：
Figure BDA0002998349430000062
来确定。其中，k为自然数，
Figure BDA0002998349430000063
表示第k时刻的机器人腰部状态矢量，
Figure BDA0002998349430000064
表示机器人在第k时刻的腰部质心前向、侧向和竖直方向的三阶微分，即第k时刻所述确定的机器人的控制输入矢量，A和B为常系数矩阵且
Figure BDA0002998349430000065
在S102中，根据所述状态信息，结合机器人的参考轨迹，确定预先设定的三质点的步态优化模型对应的优化目标函数和约束模型，所述三质点包括躯干质点、摆动腿质点和支撑腿质点。
其中，所述参考轨迹可以为机器人预先设定的移动路径。
所述三质点的步态优化模型中的三质点，可以如图2所示，分别表示机器躯干的质点、摆动腿质点和支撑腿质点。
通过引入角动量变化，三质点的步态优化模型对应的零力矩位置方程为：
Figure BDA0002998349430000071
其中，[px,py]T表示机器人前向和侧向的零力矩点位置，Imbx,Istx,Iswx分别表示机器人的躯干、机器人的支撑腿、机器人的摆动腿绕x轴的转动惯量，Imby,Isty,Iswy分别表示机器人的躯干、机器人的支撑腿、机器人的摆动腿绕y轴的转动惯量，
Figure BDA0002998349430000072
，mb、mst、msw分别表示机器人的躯干、支撑腿和摆动腿的质量，θbx、θstx、θswx分别表示矢状面躯干的俯仰角、支撑腿与竖直平面的夹角、摆动腿与竖直平面的夹角，θby、θsty、θswy分别表示冠状面躯干的横滚角、支撑腿与竖直平面的夹角、摆动腿与竖直平面的夹角，角度逆时针方向为正方向，zb、zst、zsw、xc、yc、g分别表示躯干躯干质心高度、支撑腿质心高度、摆动腿质心高度、质心前向位置和侧向位置、重力加速度。。
在本申请的实现方式中，为了实现连续机器人质心轨迹生成并能够进行优化控制，在优化目标中引入质心位置跟踪、足部落脚点控制和质心加速度优化。基于三质点的步态优化模型所提出的优化目标函数可以表示为：
Figure BDA0002998349430000073
式中：αW,βW,γW,δS分别是位置误差惩罚系数、加速度代价系数、控制输入代价系数和足部落脚点误差惩罚系数(为保证二次型系数矩阵正定性，以上系数均设置为大于零)。
Figure BDA0002998349430000074
代表预测时域内腰部质心在地面投影位置和高度的参考值。
Figure BDA0002998349430000075
和
Figure BDA0002998349430000076
分别代表预测时域所利用的未来Nf个步行周期(除当前支撑周期外)的实际落脚点和参考落脚点位置，s∈{dx,dy},dx、dy分别为x方向和y方向的足部位置。
基于零力矩点稳定性理论，为了使机器人保持稳定状态，在机器人移动过程中，机器人的零力矩点应当保持在机器人足部所确定多边形区域内。由于双足机器人在移动过程中以单足相为主，且单足相(即单足支撑状态)时期支撑面较小，单足支撑阶段支撑多边形稳定区域较小，而双足支撑过程中的零力矩点的稳定区域较大。因此，可以仅考虑单足支撑状态简化约束形式。
以前向运动为例，在预测时域内，零力矩点位置应当满足约束模型：
Figure BDA0002998349430000081
其中，
Figure BDA0002998349430000082
为采样时域内所有采样时刻对应的零力矩点，
Figure BDA0002998349430000083
为采样时域内所有采样时刻对应的足部落脚点，
Figure BDA0002998349430000084
和
Figure BDA0002998349430000085
为前向零力矩点约束下边界和上边界。
将所述约束模型与零力矩点方程结合，可得二次型约束模型。
在S103中，根据所述优化目标函数和约束模型，确定所述机器人的优化的躯干质心轨迹和摆动腿轨迹。
根据所述优化目标函数的优化目标，结合所述约束模型，可以计算得到质心轨迹、摆动腿轨迹的优化结果。
在S104中，根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制。
根据所优化的躯干质心轨迹，结合机器人参数和运动学模型，可以进行逆运动学求解，确定机器人的足部落脚点位置。根据摆动腿轨迹和中部落脚位置对机器人进行步态控制。相对于仅进行机器人落脚位置的步态控制，本申请在此基础上结合机器人摆动腿轨迹的控制，从而能够更为稳定的控制机器人移动。
在本申请实施例中，根据所述优化目标函数结合所述约束模型，可得到预测时域内的最优输入序列。如图3所示，可以将第k时刻得到的最优输入序列中的第一个优化控制的步态参数，作为第k+1时刻的输入，结合参考轨迹，动态优化模型、优化目标函数、约束模型进行优化计算，得到第k+1时刻的最优输入序列。如此重复，可以不断的更新输入的控制参数。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图4为本申请实施例提供的一种机器人的步态控制装置的示意图，如图4所示，该装置包括：
状态信息获取单元401，用于获取机器人在当前时刻的状态信息；
优化模型确定单元402，用于根据所述状态信息，结合机器人的参考轨迹，确定预先设定的三质点的步态优化模型对应的优化目标函数和约束模型，所述三质点包括躯干质点、摆动腿质点和支撑腿质点；
优化单元403，用于根据所述优化目标函数和约束模型，确定所述机器人的优化的躯干质心轨迹和摆动腿轨迹；
步态控制单元404，用于根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制。
图4所示的机器人的步态控制装置，与图1所示的机器人的步态控制方法对应。
图5是本申请一实施例提供的机器人的示意图。如图5所示，该实施例的机器人5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如机器人的步态控制程序。所述处理器50执行所述计算机程序52时实现上述各个机器人的步态控制方法实施例中的步骤。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述机器人5中的执行过程。
所述机器人可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是机器人5的示例，并不构成对机器人5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器51可以是所述机器人5的内部存储单元，例如机器人5的硬盘或内存。所述存储器51也可以是所述机器人5的外部存储设备，例如所述机器人5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述机器人5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种机器人的步态控制方法，其特征在于，所述方法包括：
获取机器人在当前时刻的状态信息；
根据所述状态信息，结合机器人的参考轨迹，确定预先设定的三质点的步态优化模型对应的优化目标函数和约束模型，所述三质点包括躯干质点、摆动腿质点和支撑腿质点；
根据所述优化目标函数和约束模型，确定所述机器人的优化的躯干质心轨迹和摆动腿轨迹；
根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制。
2.根据权利要求1所述的方法，其特征在于，所述三质点的步态优化模型为：
Figure FDA0002998349420000011
其中，[px,py]T表示机器人前向和侧向的零力矩点位置，Imbx,Istx,Iswx分别表示机器人的躯干、机器人的支撑腿、机器人的摆动腿绕x轴的转动惯量，Imby,Isty,Iswy分别表示机器人的躯干、机器人的支撑腿、机器人的摆动腿绕y轴的转动惯量，
Figure FDA0002998349420000012
，mb、mst、msw分别表示机器人的躯干、支撑腿和摆动腿的质量，θbx、θstx、θswx分别表示矢状面躯干的俯仰角、支撑腿与竖直平面的夹角、摆动腿与竖直平面的夹角，θby、θsty、θswy分别表示冠状面躯干的横滚角、支撑腿与竖直平面的夹角、摆动腿与竖直平面的夹角，角度逆时针方向为正方向，zb、zst、zsw、xc、yc、g分别表示躯干质心高度、支撑腿质心高度、摆动腿质心高度、质心前向位置、侧向位置和重力加速度。
3.根据权利要求1所述的方法，其特征在于，获取机器人在当前时刻的状态信息，包括：
根据公式
Figure FDA0002998349420000021
确定所述机器人在当前的k+1时刻的状态信息
Figure FDA0002998349420000022
其中，
Figure FDA0002998349420000023
表示第k时刻的机器人腰部状态矢量，
Figure FDA0002998349420000024
表示第k时刻所述确定的机器人的控制输入矢量，w∈{xc,yc}表示质心位置，
Figure FDA0002998349420000025
为机器人质心的状态向量，A和B为常系数矩阵且
Figure FDA0002998349420000026
4.根据权利要求1所述的方法，其特征在于，所述优化目标函数为：
Figure FDA0002998349420000027
式中：αW,βW,γW,δS分别是位置误差惩罚系数、加速度代价系数、控制输入代价系数和足部落脚点误差惩罚系数，
Figure FDA0002998349420000028
代表预测时域内腰部质心在地面投影位置和高度的参考值，W(k)表示预测时域内腰部质心在地面投影位置和高度的实际值，
Figure FDA0002998349420000029
和
Figure FDA00029983494200000210
分别代表预测时域所利用的未来Nf个步行周期的实际落脚点和参考落脚点位置，s∈{dx,dy}，dx、dy分别为x方向和y方向的足部位置，
Figure FDA00029983494200000211
为机器人质心的状态向量，(xc,yc,zc)表示机器人质心位置，θbx,θby分别表示机器人冠状面躯干的俯仰角和横滚角。
5.根据权利要求1所述的方法，其特征在于，所述约束模型包括：
Figure FDA0002998349420000031
其中，
Figure FDA0002998349420000032
为采样时域内所有采样时刻对应的零力矩点，
Figure FDA0002998349420000033
为采样时域内所有采样时刻对应的足部落脚点，
Figure FDA0002998349420000034
和
Figure FDA0002998349420000035
为前向零力矩点约束下边界和上边界。
6.根据权利要求1所述的方法，其特征在于，根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制，包括：
根据所述优化的质心轨迹和摆动腿轨迹，结合机器人的运动学模型，确定机器人的步态控制参数；
根据所获取的机器人的步态控制参数，对机器人进行步态控制。
7.根据权利要求6所述的方法，其特征在于，根据所获取的机器人的步态控制参数，对机器人进行步态控制，包括：
根据所获取的机器人的步态控制参数，在当前时刻的下一采样时刻对机器人进行步态控制。
8.一种机器人的步态控制装置，其特征在于，所述装置包括：
状态信息获取单元，用于获取机器人在当前时刻的状态信息；
优化模型确定单元，用于根据所述状态信息，结合机器人的参考轨迹，确定预先设定的三质点的步态优化模型对应的优化目标函数和约束模型，所述三质点包括躯干质点、摆动腿质点和支撑腿质点；
优化单元，用于根据所述优化目标函数和约束模型，确定所述机器人的优化的躯干质心轨迹和摆动腿轨迹；
步态控制单元，用于根据所述优化的躯干质心轨迹和摆动腿轨迹对所述机器人进行步态控制。
9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202110338119.XA 2021-03-30 2021-03-30 机器人及其步态控制方法和装置 Pending CN113134833A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110338119.XA CN113134833A (zh) 2021-03-30 2021-03-30 机器人及其步态控制方法和装置
PCT/CN2021/125039 WO2022205840A1 (zh) 2021-03-30 2021-10-20 机器人及其步态控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110338119.XA CN113134833A (zh) 2021-03-30 2021-03-30 机器人及其步态控制方法和装置

Publications (1)

Publication Number Publication Date
CN113134833A true CN113134833A (zh) 2021-07-20

Family

ID=76810130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110338119.XA Pending CN113134833A (zh) 2021-03-30 2021-03-30 机器人及其步态控制方法和装置

Country Status (2)

Country Link
CN (1) CN113134833A (zh)
WO (1) WO2022205840A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113858207A (zh) * 2021-10-27 2021-12-31 乐聚(深圳)机器人技术有限公司 人形机器人的倒地控制方法、装置、电子设备及存储介质
CN114115295A (zh) * 2021-12-28 2022-03-01 深圳市优必选科技股份有限公司 机器人运动规划方法及装置、机器人控制设备和存储介质
CN114376811A (zh) * 2021-12-13 2022-04-22 深圳市优必选科技股份有限公司 轮椅及其控制方法、装置及计算机可读存储介质
CN114888802A (zh) * 2022-05-16 2022-08-12 军事科学院***工程研究院卫勤保障技术研究所 一种用于并联机器人恒平控制的数据处理方法及装置
WO2022205840A1 (zh) * 2021-03-30 2022-10-06 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
CN115705048A (zh) * 2021-08-06 2023-02-17 北京小米移动软件有限公司 足式机器人的控制方法、装置、机器人及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001239480A (ja) * 1999-12-24 2001-09-04 Honda Motor Co Ltd 移動ロボットの制御装置
CN108009680A (zh) * 2017-11-30 2018-05-08 航天科工智能机器人有限责任公司 基于多目标粒子群算法的仿人机器人步态规划方法
CN110039544A (zh) * 2019-04-28 2019-07-23 南京邮电大学 基于三次样条插值的仿人足球机器人步态规划
CN111891252A (zh) * 2020-08-06 2020-11-06 齐鲁工业大学 一种四足仿生机器人的身体姿态斜坡自适应控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101847009B (zh) * 2010-05-28 2011-12-14 广东工业大学 两足机器人步态能效优化方法
US9044859B2 (en) * 2013-10-31 2015-06-02 Disney Enterprises, Inc. Method for gait generation and tracking control for a bipedal walking robot
CN106292288B (zh) * 2016-09-22 2017-10-24 同济大学 基于策略梯度学习法的模型参数修正方法及修正器
CN108345211A (zh) * 2017-01-23 2018-07-31 深圳市祈飞科技有限公司 双足仿人机器人及其非线性步态规划方法以及控制方法
CN108333931B (zh) * 2018-01-25 2020-10-02 北京理工大学 一种面向崎岖地形的四足机器人双层结构步态规划方法
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001239480A (ja) * 1999-12-24 2001-09-04 Honda Motor Co Ltd 移動ロボットの制御装置
CN108009680A (zh) * 2017-11-30 2018-05-08 航天科工智能机器人有限责任公司 基于多目标粒子群算法的仿人机器人步态规划方法
CN110039544A (zh) * 2019-04-28 2019-07-23 南京邮电大学 基于三次样条插值的仿人足球机器人步态规划
CN111891252A (zh) * 2020-08-06 2020-11-06 齐鲁工业大学 一种四足仿生机器人的身体姿态斜坡自适应控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周江琛: "基于三质点模型的双足步行能耗优化与稳定控制", 《万方数据知识服务平台》 *
周江琛: "基于变质心高度策略的双足机器人变步长步态规划", 《中南大学学报(自然科学版)》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022205840A1 (zh) * 2021-03-30 2022-10-06 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
CN115705048A (zh) * 2021-08-06 2023-02-17 北京小米移动软件有限公司 足式机器人的控制方法、装置、机器人及存储介质
CN115705048B (zh) * 2021-08-06 2023-11-14 北京小米机器人技术有限公司 足式机器人的控制方法、装置、机器人及存储介质
CN113858207A (zh) * 2021-10-27 2021-12-31 乐聚(深圳)机器人技术有限公司 人形机器人的倒地控制方法、装置、电子设备及存储介质
CN114376811A (zh) * 2021-12-13 2022-04-22 深圳市优必选科技股份有限公司 轮椅及其控制方法、装置及计算机可读存储介质
CN114376811B (zh) * 2021-12-13 2024-02-13 深圳市优必选科技股份有限公司 轮椅及其控制方法、装置及计算机可读存储介质
CN114115295A (zh) * 2021-12-28 2022-03-01 深圳市优必选科技股份有限公司 机器人运动规划方法及装置、机器人控制设备和存储介质
CN114115295B (zh) * 2021-12-28 2023-08-18 深圳市优必选科技股份有限公司 机器人运动规划方法及装置、机器人控制设备和存储介质
CN114888802A (zh) * 2022-05-16 2022-08-12 军事科学院***工程研究院卫勤保障技术研究所 一种用于并联机器人恒平控制的数据处理方法及装置
CN114888802B (zh) * 2022-05-16 2023-08-08 军事科学院***工程研究院卫勤保障技术研究所 一种用于并联机器人恒平控制的数据处理方法及装置

Also Published As

Publication number Publication date
WO2022205840A1 (zh) 2022-10-06

Similar Documents

Publication Publication Date Title
CN113134833A (zh) 机器人及其步态控制方法和装置
CN109987169B (zh) 双足机器人的步态控制方法、装置、终端设备及介质
US9449416B2 (en) Animation processing of linked object parts
Lee et al. Locomotion control for many-muscle humanoids
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
US20220203521A1 (en) Control method for robot, computer-readable storage medium and robot
CN111736615B (zh) 一种步态规划方法、装置、计算机可读存储介质及机器人
CN112536796B (zh) 机器人控制方法、装置、计算机可读存储介质及机器人
CN115128960B (zh) 一种基于深度强化学习双足机器人运动控制方法及***
CN107578461B (zh) 一种基于子空间筛选的三维虚拟人体物理运动生成方法
CN112731953A (zh) 机器人控制方法、装置、计算机可读存储介质及机器人
CN114641375A (zh) 动态规划控制器
Valenzuela et al. Optimally scaled hip-force planning: A control approach for quadrupedal running
US7336281B2 (en) Optimizing ergonomic movement of a virtual dummy
CN113524177B (zh) 一种足式机器人的控制方法
CN108614427A (zh) 一种四足机器人应激控制方法和装置
CN107121128B (zh) 一种足式机器人地形参数的测量方法及***
Uchida et al. Using Gröbner bases to generate efficient kinematic solutions for the dynamic simulation of multi-loop mechanisms
CN114489104A (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
WO2022105023A1 (zh) 机器人控制方法、装置、计算机可读存储介质及机器人
CN111844013A (zh) 机器人步态规划方法、装置、机器人及存储介质
Li et al. A real-time planning and control framework for robust and dynamic quadrupedal locomotion
CN114700948B (zh) 基于发散运动分量的下肢外骨骼机器人控制***
CN114454981A (zh) 双足机器人的弹跳运动控制方法、装置及双足机器人
CN108803378B (zh) 数据处理方法、装置、飞行模拟器及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210720

RJ01 Rejection of invention patent application after publication