CN113359791B - 机器人控制方法、装置、计算机可读存储介质及机器人 - Google Patents
机器人控制方法、装置、计算机可读存储介质及机器人 Download PDFInfo
- Publication number
- CN113359791B CN113359791B CN202110583417.5A CN202110583417A CN113359791B CN 113359791 B CN113359791 B CN 113359791B CN 202110583417 A CN202110583417 A CN 202110583417A CN 113359791 B CN113359791 B CN 113359791B
- Authority
- CN
- China
- Prior art keywords
- robot
- strategy
- interference
- zero moment
- moment point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 210000004394 hip joint Anatomy 0.000 claims description 64
- 230000001133 acceleration Effects 0.000 claims description 48
- 238000011217 control strategy Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 22
- 210000001624 hip Anatomy 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 210000002683 foot Anatomy 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0891—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for land vehicles
-
- 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)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (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
本申请属于机器人技术领域,尤其涉及一种机器人控制方法、装置、计算机可读存储介质及机器人。所述方法包括:确定机器人的零力矩点测量值;在预设的抗干扰策略集合中选取与所述零力矩点测量值对应的目标抗干扰策略子集;按照所述目标抗干扰策略子集对所述机器人进行控制。通过本申请,将多种不同的抗干扰策略构成一个抗干扰策略集合,在机器人的行走过程中,即可根据其零力矩点测量值从中选取最优的抗干扰策略子集,并按照该策略子集对机器人进行控制,使得机器人能够在各种复杂的干扰场景之间灵活切换。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种机器人控制方法、装置、计算机可读存储介质及机器人。
背景技术
双足机器人踏步或行走时,容易受到外界环境或人为因素的干扰,导致机器人摔倒。现有技术中,可以通过某些特定的策略来对抗干扰,并将机器人恢复至稳定状态,但这些策略往往只是针对某种单一的干扰场景,在其它干扰场景则难以适用,灵活性较差。
发明内容
有鉴于此,本申请实施例提供了一种机器人控制方法、装置、计算机可读存储介质及机器人,以解决现有的机器人控制方法灵活性较差的问题。
本申请实施例的第一方面提供了一种机器人控制方法,可以包括:
确定机器人的零力矩点测量值;
在预设的抗干扰策略集合中选取与所述零力矩点测量值对应的目标抗干扰策略子集;
按照所述目标抗干扰策略子集对所述机器人进行控制,包括:若所述目标抗干扰策略子集中包括迈步策略,则计算所述机器人的质心至支撑点的长度与所述机器人的髋关节实际角度的乘积,并将所述乘积与预设的圆频率的比值的相反数作为所述机器人的迈步步长;控制所述机器人按照所述迈步步长进行运动。
在第一方面的一种具体实现中,所述在预设的抗干扰策略集合中选取与所述零力矩点测量值对应的目标抗干扰策略子集,可以包括:
若所述零力矩点测量值小于或等于预设的第一阈值,则从所述抗干扰策略集合中选取质心柔顺策略作为所述目标抗干扰策略子集;
若所述零力矩点测量值大于所述第一阈值且小于预设的第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略和髋关节控制策略作为所述目标抗干扰策略子集;
若所述零力矩点测量值大于所述第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略、髋关节控制策略和迈步策略作为所述目标抗干扰策略子集。
在第一方面的一种具体实现中,若所述目标抗干扰策略子集中包括质心柔顺策略,则所述按照所述目标抗干扰策略子集对所述机器人进行控制,可以包括:
根据下式计算所述机器人的质心加速度:
其中,xc为所述机器人的质心实际位置,为所述机器人的质心期望位置,/>为所述机器人的质心实际速度,/>为所述机器人的质心期望速度,pm为所述零力矩点测量值,/>为所述机器人的零力矩点期望值,Kp1为预设的位置增益系数,Kd1为预设的速度增益系数,Kz1为预设的零力矩点增益系数,/>为所述机器人的质心加速度;
控制所述机器人按照所述质心加速度进行运动。
在第一方面的一种具体实现中,若所述目标抗干扰策略子集中包括髋关节控制策略,则所述按照所述目标抗干扰策略子集对所述机器人进行控制,可以包括:
根据下式计算所述机器人的髋关节角加速度:
其中,θm为所述机器人的髋关节实际角度,θd为所述机器人的髋关节期望角度,为所述机器人的髋关节实际角速度,/>为所述机器人的髋关节期望角速度,pm为所述零力矩点测量值,p′boundary为所述机器人的零力矩点边界值,Kp2为预设的角度增益系数,Kd2为预设的角速度增益系数,Kz2为预设的零力矩点增益系数,/>为所述机器人的髋关节角加速度;
控制所述机器人按照所述髋关节角加速度进行运动。
在第一方面的一种具体实现中,所述机器人控制方法还可以包括:
根据下式设置所述第一阈值和所述第二阈值:
其中,为所述机器人的前脚掌距离,z为所述机器人的质心高度,g为重力加速度,J为所述机器人的上身转动惯量,/>为所述机器人的髋关节最大角加速度,m为所述机器人的质量,/>为所述第一阈值,/>为所述第二阈值。
本申请实施例的第二方面提供了一种机器人控制装置,可以包括:
零力矩点确定模块,用于确定机器人的零力矩点测量值;
抗干扰策略选取模块,用于在预设的抗干扰策略集合中选取与所述零力矩点测量值对应的目标抗干扰策略子集;
机器人控制模块,用于按照所述目标抗干扰策略子集对所述机器人进行控制,包括:若所述目标抗干扰策略子集中包括迈步策略,则计算所述机器人的质心至支撑点的长度与所述机器人的髋关节实际角度的乘积,并将所述乘积与预设的圆频率的比值的相反数作为所述机器人的迈步步长;控制所述机器人按照所述迈步步长进行运动。
在第二方面的一种具体实现中,所述抗干扰策略选取模块可以包括:
第一策略子集选取单元,用于若所述零力矩点测量值小于或等于预设的第一阈值,则从所述抗干扰策略集合中选取质心柔顺策略作为所述目标抗干扰策略子集;
第二策略子集选取单元,用于若所述零力矩点测量值大于所述第一阈值且小于预设的第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略和髋关节控制策略作为所述目标抗干扰策略子集;
第三策略子集选取单元,用于若所述零力矩点测量值大于所述第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略、髋关节控制策略和迈步策略作为所述目标抗干扰策略子集。
在第二方面的一种具体实现中,所述机器人控制模块可以包括:
质心柔顺控制单元,用于若所述目标抗干扰策略子集中包括质心柔顺策略,则根据下式计算所述机器人的质心加速度:
其中,xc为所述机器人的质心实际位置,为所述机器人的质心期望位置,/>为所述机器人的质心实际速度,/>为所述机器人的质心期望速度,pm为所述零力矩点测量值,/>为所述机器人的零力矩点期望值,Kp1为预设的位置增益系数,Kd1为预设的速度增益系数,Kz1为预设的零力矩点增益系数,/>为所述机器人的质心加速度;控制所述机器人按照所述质心加速度进行运动。
在第二方面的一种具体实现中,所述机器人控制模块可以包括:
髋关节控制单元,用于若所述目标抗干扰策略子集中包括髋关节控制策略,则根据下式计算所述机器人的髋关节角加速度:
其中,θm为所述机器人的髋关节实际角度,θd为所述机器人的髋关节期望角度,为所述机器人的髋关节实际角速度,/>为所述机器人的髋关节期望角速度,pm为所述零力矩点测量值,p′ boundary为所述机器人的零力矩点边界值,Kp2为预设的角度增益系数,Kd2为预设的角速度增益系数,Kz2为预设的零力矩点增益系数,/>为所述机器人的髋关节角加速度;控制所述机器人按照所述髋关节角加速度进行运动。
在第二方面的一种具体实现中,所述机器人控制装置还可以包括:
阈值设置模块,用于根据下式设置所述第一阈值和所述第二阈值:
其中,为所述机器人的前脚掌距离,z为所述机器人的质心高度,g为重力加速度,J为所述机器人的上身转动惯量,/>为所述机器人的髋关节最大角加速度,m为所述机器人的质量,/>为所述第一阈值,/>为所述第二阈值。
本申请实施例的第三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,所述计算机程序被处理器执行时实现上述任一种机器人控制方法的步骤。
本申请实施例的第四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上述任一种机器人控制方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在机器人上运行时,使得机器人执行上述任一种机器人控制方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例确定机器人的零力矩点测量值;在预设的抗干扰策略集合中选取与所述零力矩点测量值对应的目标抗干扰策略子集;按照所述目标抗干扰策略子集对所述机器人进行控制。通过本申请实施例,将多种不同的抗干扰策略构成一个抗干扰策略集合,在机器人的行走过程中,即可根据其零力矩点测量值从中选取最优的抗干扰策略子集(即目标抗干扰策略子集),并按照该策略子集对机器人进行控制,使得机器人能够在各种复杂的干扰场景之间灵活切换。
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的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种机器人控制方法的一个实施例流程图;
图2为弹簧阻尼模型的示意图;
图3为机器人受到外力扰动前后的示意图;
图4为各个抗干扰策略的切换示意图;
图5为本申请实施例中一种机器人控制装置的一个实施例结构图;
图6为本申请实施例中一种机器人的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
机器人在受到外部扰动力作用时,维持平衡状态就需要在未完全失稳的情况下由内部力矩抵消扰动力的影响。机器人在稳定状态下其足底与地面接触,对于小干扰,只需在脚踝处施加补偿扭矩即可。但是,随着干扰的增加,必须考虑更多的身体平衡策略,弯曲上身会产生额外的扭矩以抵抗外力干扰带来的影响。如果干扰太大,则可以通过迈步进行整机状态调整以保持稳定。
在本申请实施例中,针对不同程度的外力干扰情况,分别预先设置了相对应的抗干扰策略,形成一个抗干扰策略集合。在机器人的行走过程中,即可根据实际的外力干扰情况从中选取最优的抗干扰策略子集,并按照该策略子集对机器人进行控制,使得机器人能够在各种复杂的干扰场景之间灵活切换。
为了便于叙述,在本申请实施例中可以预先建立世界坐标系,在该坐标系下,机器人的前向为x轴,侧向为y轴,纵向为z轴。需要注意的是,本申请实施例是针对机器人在x轴方向的运动进行分析,如无特殊说明,以下内容中使用的零力矩点(Zero Moment Point,ZMP)、位置、速度、加速度等物理量均指代这些物理量在x轴方向上的分量。
请参阅图1,本申请实施例中一种机器人控制方法的一个实施例可以包括:
步骤S101、确定机器人的零力矩点测量值。
零力矩点测量值可以通过机器人足部的力传感器及力矩传感器测量得到,在本申请实施例中,可以将零力矩点测量值作为机器人所受外力干扰的大小的衡量指标。零力矩点测量值越大,则机器人所受外力干扰也越大,反之,零力矩点测量值越小,则机器人所受外力干扰也越小
步骤S102、在预设的抗干扰策略集合中选取与零力矩点测量值对应的目标抗干扰策略子集。
在本申请实施例中,抗干扰策略集合中可以包括质心柔顺策略、髋关节控制策略和迈步策略。
若零力矩点测量值小于或等于预设的第一阈值,则从抗干扰策略集合中选取质心柔顺策略作为目标抗干扰策略子集;
若零力矩点测量值大于第一阈值且小于预设的第二阈值,则从抗干扰策略集合中选取质心柔顺策略和髋关节控制策略作为目标抗干扰策略子集;
若零力矩点测量值大于第二阈值,则从抗干扰策略集合中选取质心柔顺策略、髋关节控制策略和迈步策略作为目标抗干扰策略子集。
步骤S103、按照目标抗干扰策略子集对机器人进行控制。
对于质心柔顺策略而言,其质心的控制是通过柔顺控制器来实现的,当受到外力干扰时,通过柔顺控制器进行质心轨迹的调整,以抵抗干扰。在本申请实施例中,可以将机器人的质心期望位置和质心实际位置之间的关系等效为如图2所示的弹簧阻尼模型。
基于这一模型,将零力矩点作为接触力项,则可以根据下式计算机器人的质心加速度:
其中,xc为机器人的质心实际位置,为机器人的质心期望位置,/>为机器人的质心实际速度,/>为机器人的质心期望速度,pm为零力矩点测量值,/>为机器人的零力矩点期望值,xc和/>可以通过传感器测量得到,/>和/>可以根据实际情况进行设置,Kp1为预设的位置增益系数,Kd1为预设的速度增益系数,Kz1为预设的零力矩点增益系数,这些增益系数的具体取值均可以根据实际情况进行设置,/>为机器人的质心加速度。
由于机器人足部尺寸的限制,在质心柔顺策略下,质心加速度应满足以下限制条件:
其中,pf为预设的零力矩点前向边界值,pb为预设的零力矩点后向边界值,g为重力加速度,z为机器人的质心高度。
在通过以上过程计算得到质心加速度之后,即可控制机器人按照该质心加速度进行运动。
对于髋关节控制策略而言,其髋关节的控制是通过控制机器人上身的姿态角来实现的,可以根据下式计算机器人的髋关节角加速度:
其中,θm为机器人的髋关节实际角度,θd为机器人的髋关节期望角度,为机器人的髋关节实际角速度,/>为机器人的髋关节期望角速度,p′ boundary为机器人的零力矩点边界值,θm和/>可以通过传感器测量得到,步行过程中,机器人上身的期望姿态为直立,因此θd和/>均设置为零,p′ boundary的具体取值可以根据实际情况进行设置,Kp2为预设的角度增益系数,Kd2为预设的角速度增益系数,Kz2为预设的零力矩点增益系数,这些增益系数的具体取值均可以根据实际情况进行设置,/>为机器人的髋关节角加速度。机器人受到外界干扰后,通过上述过程产生髋关节角加速度,以抵抗外界干扰。在外界干扰消失后,由于髋关节期望角度为零,从而可以控制机器人姿态回正。
髋关节角加速度同样受到足部尺寸的限制,在本申请实施例中,可以根据下式来限定髋关节控制策略的范围:
其中,J为机器人的上身转动惯量,为机器人的髋关节最大角加速度,m为机器人的质量。
在通过以上过程计算得到髋关节角加速度之后,即可控制机器人按照该髋关节角加速度进行运动。
对于迈步策略而言,可以基于捕获点(Capture Point,CP)来设置迈步步长。其中,捕获点满足如下式所示的关系:
其中,ξ为捕获点,ω为圆频率,且
当ξ=0时,则有:
在受到外力扰动后,上式则变为:
其中,和/>分别为在受到外力扰动后的质心期望位置和质心期望速度。
图3所示为机器人受到外力扰动前后的示意图,在扰动前后,机器人满足如下所示的关系:
其中,L′为在受到外力扰动后机器人的质心至支撑点的长度,此处可以将其近似等于在受到外力扰动前机器人的质心至支撑点的长度(记为L),θm一般较小,接近于0,cos(θm)近似为1,则上式可以简化为:
此时,可以根据下式计算机器人的迈步步长:
其中,Δx即为机器人的迈步步长。
在通过以上过程计算得到迈步步长之后,即可控制机器人按照迈步步长进行运动。
在本申请实施例的一种具体实现中,还可以对第一阈值和第二阈值的具体取值进行设置。对于相同的后向和前向边界条件(pf,pb),在髋关节控制策略下,机器人的质心加速度具有较大的变化范围,而在质心柔顺策略下,机器人的质心加速度具有较小的变化范围,当机器人的零力矩点超过足部的支撑范围后,机器人通过迈步保持稳定。
图4所示即为各个抗干扰策略的切换示意图。其中,为机器人的前脚掌距离,也即踝关节中心到足部前边缘的水平方向的距离,/>为第一阈值,也即质心柔顺策略和髋关节控制策略的分界,/>为第二阈值,也即髋关节控制策略和迈步策略的分界,第一阈值和第二阈值的具体取值可以根据下式进行设置:
当时,机器人仅采用质心柔顺策略,适应较小的外力扰动;
当时,机器人在质心柔顺策略的基础上增加髋关节控制策略,通过增加髋关节转动以抵抗外力扰动;
当时,机器人在质心柔顺策略和髋关节控制策略的基础上增加迈步策略保持稳定。
综上所述,本申请实施例确定机器人的零力矩点测量值;在预设的抗干扰策略集合中选取与所述零力矩点测量值对应的目标抗干扰策略子集;按照所述目标抗干扰策略子集对所述机器人进行控制。通过本申请实施例,将多种不同的抗干扰策略构成一个抗干扰策略集合,在机器人的行走过程中,即可根据其零力矩点测量值从中选取一个最优的抗干扰策略子集(即目标抗干扰策略子集),并按照该策略子集对机器人进行控制,使得机器人能够在各种复杂的干扰场景之间灵活切换。
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。
对应于上文实施例所述的一种机器人控制方法,图5示出了本申请实施例提供的一种机器人控制装置的一个实施例结构图。
本实施例中,一种机器人控制装置可以包括:
零力矩点确定模块501,用于确定机器人的零力矩点测量值;
抗干扰策略选取模块502,用于在预设的抗干扰策略集合中选取与所述零力矩点测量值对应的目标抗干扰策略子集;
机器人控制模块503,用于按照所述目标抗干扰策略子集对所述机器人进行控制。
在本申请实施例的一种具体实现中,所述抗干扰策略选取模块可以包括:
第一策略子集选取单元,用于若所述零力矩点测量值小于或等于预设的第一阈值,则从所述抗干扰策略集合中选取质心柔顺策略作为所述目标抗干扰策略子集;
第二策略子集选取单元,用于若所述零力矩点测量值大于所述第一阈值且小于预设的第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略和髋关节控制策略作为所述目标抗干扰策略子集;
第三策略子集选取单元,用于若所述零力矩点测量值大于所述第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略、髋关节控制策略和迈步策略作为所述目标抗干扰策略子集。
在本申请实施例的一种具体实现中,所述机器人控制模块可以包括:
质心柔顺控制单元,用于若所述目标抗干扰策略子集中包括质心柔顺策略,则根据下式计算所述机器人的质心加速度:
其中,xc为所述机器人的质心实际位置,为所述机器人的质心期望位置,/>为所述机器人的质心实际速度,/>为所述机器人的质心期望速度,pm为所述零力矩点测量值,/>为所述机器人的零力矩点期望值,Kp1为预设的位置增益系数,Kd1为预设的速度增益系数,Kz1为预设的零力矩点增益系数,/>为所述机器人的质心加速度;控制所述机器人按照所述质心加速度进行运动。
在本申请实施例的一种具体实现中,所述机器人控制模块可以包括:
髋关节控制单元,用于若所述目标抗干扰策略子集中包括髋关节控制策略,则根据下式计算所述机器人的髋关节角加速度:
其中,θm为所述机器人的髋关节实际角度,θd为所述机器人的髋关节期望角度,为所述机器人的髋关节实际角速度,/>为所述机器人的髋关节期望角速度,pm为所述零力矩点测量值,p′ boundary为所述机器人的零力矩点边界值,Kp2为预设的角度增益系数,Kd2为预设的角速度增益系数,Kz2为预设的零力矩点增益系数,/>为所述机器人的髋关节角加速度;控制所述机器人按照所述髋关节角加速度进行运动。
在本申请实施例的一种具体实现中,所述机器人控制模块可以包括:
迈步控制单元,用于若所述目标抗干扰策略子集中包括迈步策略,则根据下式计算所述机器人的迈步步长:
其中,L为所述机器人的质心至支撑点的长度,为所述机器人的髋关节实际角度,ω为预设的圆频率,Δx为所述机器人的迈步步长;控制所述机器人按照所述迈步步长进行运动。
在本申请实施例的一种具体实现中,所述机器人控制装置还可以包括:
阈值设置模块,用于根据下式设置所述第一阈值和所述第二阈值:
其中,为所述机器人的前脚掌距离,z为所述机器人的质心高度,g为重力加速度,J为所述机器人的上身转动惯量,/>为所述机器人的髋关节最大角加速度,m为所述机器人的质量,/>为所述第一阈值,/>为所述第二阈值。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,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。
图6示出了本申请实施例提供的一种机器人的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图6所示,该实施例的机器人6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个机器人控制方法实施例中的步骤,例如图1所示的步骤S101至步骤S103。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块501至模块503的功能。
示例性的,所述计算机程序62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61中,并由所述处理器60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62在所述机器人6中的执行过程。
本领域技术人员可以理解,图6仅仅是机器人6的示例,并不构成对机器人6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6还可以包括输入输出设备、网络接入设备、总线等。
所述处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、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)或者其它可编程逻辑器件、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61可以是所述机器人6的内部存储单元,例如机器人6的硬盘或内存。所述存储器61也可以是所述机器人6的外部存储设备,例如所述机器人6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61还可以既包括所述机器人6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述机器人6所需的其它程序和数据。所述存储器61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/机器人和方法,可以通过其它的方式实现。例如,以上所描述的装置/机器人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来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。所述计算机可读存储介质可以包括: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,Random Access 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,所述计算机可读存储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,计算机可读存储介质不包括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 (7)
1.一种机器人控制方法,其特征在于,包括:
确定机器人的零力矩点测量值;
若所述零力矩点测量值小于或等于预设的第一阈值,则从预设的抗干扰策略集合中选取质心柔顺策略作为目标抗干扰策略子集;若所述零力矩点测量值大于所述第一阈值且小于预设的第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略和髋关节控制策略作为所述目标抗干扰策略子集;若所述零力矩点测量值大于所述第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略、髋关节控制策略和迈步策略作为所述目标抗干扰策略子集;
按照所述目标抗干扰策略子集对所述机器人进行控制,包括:若所述目标抗干扰策略子集中包括迈步策略,则计算所述机器人的质心至支撑点的长度与所述机器人的髋关节实际角度的乘积,并将所述乘积与预设的圆频率的比值的相反数作为所述机器人的迈步步长;控制所述机器人按照所述迈步步长进行运动。
2.根据权利要求1所述的机器人控制方法,其特征在于,若所述目标抗干扰策略子集中包括质心柔顺策略,则所述按照所述目标抗干扰策略子集对所述机器人进行控制,包括:
根据下式计算所述机器人的质心加速度:
其中,xc为所述机器人的质心实际位置,为所述机器人的质心期望位置,/>为所述机器人的质心实际速度,/>为所述机器人的质心期望速度,pm为所述零力矩点测量值,/>为所述机器人的零力矩点期望值,Kp1为预设的位置增益系数,Kd1为预设的速度增益系数,Kz1为预设的零力矩点增益系数,/>为所述机器人的质心加速度;
控制所述机器人按照所述质心加速度进行运动。
3.根据权利要求1所述的机器人控制方法,其特征在于,若所述目标抗干扰策略子集中包括髋关节控制策略,则所述按照所述目标抗干扰策略子集对所述机器人进行控制,包括:
根据下式计算所述机器人的髋关节角加速度:
其中,θm为所述机器人的髋关节实际角度,θd为所述机器人的髋关节期望角度,为所述机器人的髋关节实际角速度,/>为所述机器人的髋关节期望角速度,pm为所述零力矩点测量值,p′ boundary为所述机器人的零力矩点边界值,Kp2为预设的角度增益系数,Kd2为预设的角速度增益系数,Kz2为预设的零力矩点增益系数,/>为所述机器人的髋关节角加速度;
控制所述机器人按照所述髋关节角加速度进行运动。
4.根据权利要求1至3中任一项所述的机器人控制方法,其特征在于,还包括:
根据下式设置所述第一阈值和所述第二阈值:
其中,为所述机器人的前脚掌距离,z为所述机器人的质心高度,g为重力加速度,J为所述机器人的上身转动惯量,/>为所述机器人的髋关节最大角加速度,m为所述机器人的质量,/>为所述第一阈值,/>为所述第二阈值。
5.一种机器人控制装置,其特征在于,包括:
零力矩点确定模块,用于确定机器人的零力矩点测量值;
抗干扰策略选取模块,用于若所述零力矩点测量值小于或等于预设的第一阈值,则从预设的抗干扰策略集合中选取质心柔顺策略作为目标抗干扰策略子集;若所述零力矩点测量值大于所述第一阈值且小于预设的第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略和髋关节控制策略作为所述目标抗干扰策略子集;若所述零力矩点测量值大于所述第二阈值,则从所述抗干扰策略集合中选取质心柔顺策略、髋关节控制策略和迈步策略作为所述目标抗干扰策略子集;
机器人控制模块,用于按照所述目标抗干扰策略子集对所述机器人进行控制,包括:若所述目标抗干扰策略子集中包括迈步策略,则计算所述机器人的质心至支撑点的长度与所述机器人的髋关节实际角度的乘积,并将所述乘积与预设的圆频率的比值的相反数作为所述机器人的迈步步长;控制所述机器人按照所述迈步步长进行运动。
6.一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4中任一项所述的机器人控制方法的步骤。
7.一种机器人,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4中任一项所述的机器人控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583417.5A CN113359791B (zh) | 2021-05-27 | 2021-05-27 | 机器人控制方法、装置、计算机可读存储介质及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583417.5A CN113359791B (zh) | 2021-05-27 | 2021-05-27 | 机器人控制方法、装置、计算机可读存储介质及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113359791A CN113359791A (zh) | 2021-09-07 |
CN113359791B true CN113359791B (zh) | 2024-06-18 |
Family
ID=77527838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110583417.5A Active CN113359791B (zh) | 2021-05-27 | 2021-05-27 | 机器人控制方法、装置、计算机可读存储介质及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113359791B (zh) |
Families Citing this family (1)
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 (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112276950A (zh) * | 2020-10-21 | 2021-01-29 | 乐聚(深圳)机器人技术有限公司 | 抗扰动模型训练、控制方法、装置、设备、机器人及介质 |
CN112486170A (zh) * | 2020-11-23 | 2021-03-12 | 深圳市优必选科技股份有限公司 | 机器人控制方法、装置、计算机可读存储介质及机器人 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5355064A (en) * | 1992-03-04 | 1994-10-11 | Honda Giken Kogyo Kabushiki Kaisha | Control system for legged mobile robot |
JP4905041B2 (ja) * | 2006-10-06 | 2012-03-28 | 富士通株式会社 | ロボット制御装置 |
WO2009067458A1 (en) * | 2007-11-21 | 2009-05-28 | Honda Motor Co., Ltd. | Learning capture points for humanoid push recovery |
JP5071140B2 (ja) * | 2008-02-14 | 2012-11-14 | トヨタ自動車株式会社 | 脚式ロボット、及びその制御方法 |
US20120316682A1 (en) * | 2011-06-10 | 2012-12-13 | Samsung Electronics Co., Ltd. | Balance control apparatus of robot and control method thereof |
CN110053684B (zh) * | 2019-04-24 | 2021-06-01 | 哈尔滨理工大学 | 一种适于斜坡路面的爬行机器人腿部装置及控制 |
CN111015653B (zh) * | 2019-12-13 | 2021-06-04 | 深圳市优必选科技股份有限公司 | 机器人控制方法、装置、计算机可读存储介质及机器人 |
CN112051735B (zh) * | 2020-08-19 | 2022-03-29 | 大连理工大学 | 仿人机器人步行控制方法 |
-
2021
- 2021-05-27 CN CN202110583417.5A patent/CN113359791B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112276950A (zh) * | 2020-10-21 | 2021-01-29 | 乐聚(深圳)机器人技术有限公司 | 抗扰动模型训练、控制方法、装置、设备、机器人及介质 |
CN112486170A (zh) * | 2020-11-23 | 2021-03-12 | 深圳市优必选科技股份有限公司 | 机器人控制方法、装置、计算机可读存储介质及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN113359791A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111015653B (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
CN111377004B (zh) | 一种双足机器人步态控制方法以及双足机器人 | |
CN111098300B (zh) | 一种机器人平衡控制方法、装置、可读存储介质及机器人 | |
US20230271656A1 (en) | Robot state estimation method, computer-readable storage medium, and legged robot | |
US20220203522A1 (en) | Control method for robot, computer-readable storage medium and robot | |
CN113253607B (zh) | 上楼梯的步态规划方法、装置、可读存储介质及机器人 | |
CN113290559B (zh) | 机器人平衡控制方法、装置、机器人控制设备及存储介质 | |
CN110986928B (zh) | 光电吊舱三轴陀螺仪漂移实时修正方法 | |
WO2009067458A1 (en) | Learning capture points for humanoid push recovery | |
CN111208809B (zh) | 机器人步态规划方法及终端设备 | |
CN113031579B (zh) | 双足机器人的行走控制方法、装置及双足机器人 | |
WO2022134144A1 (zh) | 一种机器人质心规划方法、装置、可读存储介质及机器人 | |
CN113064433A (zh) | 机器人迈步控制方法、装置、机器人控制设备及存储介质 | |
CN113050616A (zh) | 一种双足机器人行走的控制方法及双足机器人 | |
CN113359791B (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
CA3086559C (en) | Method for predicting a motion of an object, method for calibrating a motion model, method for deriving a predefined quantity and method for generating a virtual reality view | |
CN112060078A (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
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 | |
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 | |
WO2022105023A1 (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
CN109866217B (zh) | 机器人里程定位方法、装置、终端设备及计算机存储介质 | |
CN112597612B (zh) | 机器人优化方法、装置、终端设备及计算机可读存储介质 | |
CN112731951A (zh) | 一种机器人平衡控制方法、装置、可读存储介质及机器人 | |
CN114454981B (zh) | 双足机器人的弹跳运动控制方法、装置及双足机器人 | |
CN113246124B (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 |
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 |