偏心轮腿六足机器人四足步态规划

提出了一种适用于偏心轮腿六足机器人的直行四足步态规划.以一个运动周期为例,分析了偏心轮腿六足机器人直行过程中5个阶段的运动状态,以及每个运动状态中偏心轮腿步态的参数变化并用状态矩阵加以描述.将该步态用于所设计的偏心轮腿六足机器人,在驱动电机的控制下,能保证机器人的直行前进.     

四足机器人自由步态规划建模与算法实现

针对四足机器人的越障自由步态规划问题,提出了一种改进的离散化四足机器人步态规划模型,该模型可通过设置相关参数准确模拟实际物理模型,并且可以根据障碍物的分布密集程度改变候选落足点数以提高机器人对地形的适应能力;根据此模型建立了基于A*算法的步态规划算法,对步态序列进行稳定性检测和碰撞检测,并设计了以步数最少为目标的评价函数,以使规划的步态稳定、与障碍无碰撞且总步数最少。实验结果表明:该算法计算量小、规划时间短,规划一个20步的越障步态仅拓展了78个节点,用时0.019s;机器人以最少的步数安全地通过了给定的含障碍物的地形,从而验证了所提模型的有效性及算法的优越性,ADAMS和Simulink联合仿真进一步验证了所规划的自由步态是可行的。     

四足步行机器人步态规划及稳定性研究

本文综述了国内外四足步行机器人的发展状况和研究成果,论证了机器人稳定性是机器人研究的关键技术,而且针对当前存在的技术分析及算法都很难达到很好的稳定效果的问题,提出一种新的研究足式机器人稳定性的力位混合控制方法。     

仿生四足机器人对角步态规划及稳定性分析

本文以仿生四足机器人作为研究对象,为改善对角步态的稳定性,提出了通过改变对角步态中支撑足的初始位置来提高机器人运动稳定性的方法。通过支撑足位置参数n来改变其初始支撑位置,仿真表明:n从0开始递增直至0.3,稳定性逐渐提高;在 n=0.3附近翻转角达到最小,机身偏转最小,稳定性最好;n>0.3之后稳定性又逐渐减弱;此外在步态规划中研究发现以复合摆线作为足端轨迹相比于椭圆曲线更有利于机器人行走的稳定性。仿真与实验证明了该方法的准确性以及可行性。因此,通过调整支撑足的初始位置以及选择复合摆线作为足端轨迹能使机器人的稳定性有较大提高,为仿生四足机器人的对角快速稳定行走奠定基础。     

双足机器人步态规划与运动仿真

把双足机器人步行过程划分为5个阶段,通过正逆解方法求得行走过程中的5个关键姿态,并对其进行插值,得到不同步态时各个关节的运动轨迹;利用该方法规划出双足机器人步行的3种步态,通过中间过渡姿态的引入实现了不同步态之间的平稳转换;在Webots仿真平台上实现NAO机器人3种步态行走及不同步态之间的转换,验证方法的可行性.     

提升四足机器人行走稳定性的对角步态规划方法

针对四足机器人在采用对角步态行走中容易失稳的问题,提出了通过改变对角步态中支撑足的初始位姿来改善并提升运动稳定性的方法.结合零力矩原理,找到四足机器人支撑足最佳初始膝关节转角θ₁和髋部前向关节转角θ₂,从而确定四足机器人支撑足的最佳初始位姿.仿真表明:四足机器人运动采用不同初始位姿时,运动过程中的稳定性不同.当取最佳初始位姿时,四足机器人的机身偏转量最小,稳定性最好.由此证明,通过调整支撑足的初始状态可以有效提高四足机器人在采用对角步态行走过程中的稳定性.      

四足机器人转向与斜向运动规划理论及方法

为实现四足机器人在平面上的稳定平顺的转向与斜向运动,提出了一种基于参数化坐标变换矩阵的规划方法. 通过D-H法建立了四足机器人的运动学模型,分别求得机器人机体坐标系在两种运动中的参数化坐标变换矩阵,并通过参数的调整来完成机器人运动的规划. 最后对四足机器人在平面上的转向与斜向运动进行了仿真,仿真结果表明,该方法能够实现四足机器人在平面上的连续、平稳的转向与斜向运动.      

液压四足机器人关键步态参数优化

针对四足液压仿生机器人walk步态中足端轨迹规划问题,提出了通过优化步高和步长这两个关键步态参数来提高机器人行走稳定性的方法。通过聚合交叉的方法进行实验设计,用速度和步长及仿真得到的评价函数值进行三维曲面拟合,用速度截取所拟合的曲面得到不同速度下的最优步长。较优的步高确定采用二分法。步高和步长的优化效果用评价函数和Adams仿真进行验证,其中评价函数的构造充分考虑了表征机器人机身姿态平稳性的多组参数;四足机器人行走的仿真实验表明使用所述方法优化后的步态参数进行足端轨迹规划,得到的机器人静步态具有优异的运动性能表现。      

仿生六足机器人步态规划策略实验研究

采用日本弓背蚁进行常规步态实验学研究和仿生学探索,通过对高速数字摄像机采样结果的判断和分析,发现了蚂蚁后足的滑行过程并定义为“滑动相“.此外,还针对蚂蚁直线前进步态给出了合理的步态关系表达式,通过与周期规则步态的对比证明了该式的现实可行性,为仿生六足机器人进行周期不规则步态的规划奠定了理论基础.所采用的实验学研究和仿生学探索相结合的方法能有效提高仿生机器人的技术水平.     

离散化四足机器人自由步态控制方法

为了实现离散化四足机器人自由步态的控制,提出一种新的基于中枢神经模式发生器(CPG)的自由步态控制方法。介绍了离散化四足机器人模型,在已确定的地形中,设定四足机器人起始点与抵达点的状态。将连续步态按照离散化步态完成排序,形成排序集合。在此基础上,利用中枢神经模式发生器CPG,采用周期性振荡信号对离散化四足机器人腿部各关节进行控制,给出单独神经元模型。为了便于分析,使用互抑神经元构成的振荡器对神经元的输出信号进行改善,通过该振荡器产生规律的振荡信号,以控制离散化四足机器人完成自由步态移动。实验结果表明,所提方法能够有效控制离散化四足机器人实现自由步态移动。     

基于虚拟仿真的四足机器人步态分析

根据观察动物行走的特点,完成一种四足机器人的行走过程仿真分析。在三维软件Pro／E中建立四足机器人分析模型,导入仿真软件MSC．ADAMS中添加约束和动力,以一定形式的步态效果实现了四足机器人在平面上的行走过程,并以机器狗模型为例子分析了它的稳定性以及在行走过程中各部分动作产生的影响。     

四足步行机器人动步态特征辨识算法

针对四足机器人行走动步态的研究，提出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的聚类算法。该算法依据其特征对步态数据进行聚类，并利用求重心的方法，获取特征模型，大大简化了调试工作。     

变拓扑六重四面体机器人步态规划与仿真

变拓扑多面体机器人是一个多闭链多耦合的连杆机构,现有的变拓扑多面体机器人的步态规划仅仅是根据几何关系来计算,没有考虑运动方向改变和实时计算连杆变化量的复杂性。针对上述问题,提出将变拓扑六重四面体机器人的步态规划与中枢模式发生器(central patten generator,CPG)相结合,其运动方向由有限状态机确定,即确定连杆运动的次序;而CPG网络产生的信号直接驱动变拓扑六重四面体机器人的连杆运动。利用ADAMS进行仿真,实验结果表明利用算法变拓扑六重四面体机器人能根据CPG输出的信号实现翻滚运动。     

4足机器人腿部机构运动学分析及步态规划

为提高足式机器人的承载能力与运行稳定性,提出了一种基于3UPR并联机构的4足机器人,并对其运动性能进行分析.运用螺旋理论对该机构进行自由度分析,通过位置反解模型对机器人腿部机构进行运动学分析,得到驱动进给量和驱动速度.通过ADAMS仿真与理论计算结果的数据对比,验证模型建立的正确性.通过求解速度雅克比矩阵对机构进行奇异性分析.根据单腿的运动轨迹,对机器人进行对角步态规划.结果表明该机构具有X、Z方向转动和Y方向移动的3个自由度.该机构不存在奇异位置,且具有良好的运动性能.步态仿真结果表明,机器人可以在平地上实现平稳运动,前进速度达到135 mm/s.     

基于零力矩点的四足机器人非平坦地形下步态规划与控制

为提升四足机器人在非平坦地形中的行走能力,根据零力矩点理论分析机器人行进过程的稳定条件,利用稳定裕度的概念,在支撑多边形中求取最优稳定点来规划零力矩点. 为避免walk步态中频繁调整躯干姿态导致的能耗和行进速度损失,提出了在次优支撑三角形中求取最优稳定点的方法. 针对斜坡地形中机器人运动性和稳定性的矛盾,设计了综合性能更高的躯干姿态和支撑点位置. 为适应不同坡度和躯干角度,通过对零冲击足端轨迹规划方法进行改进,实现了以目标支撑点为中心的斜坡零冲击规划目标. 仿真试验结果表明,该规划控制方法能够实现机器人在不同斜坡中的稳定行走.      

基于深度仲裁策略的四足机器人步态学习

复现高等生物的学习过程是机器人研究的一个重要研究方向,研究人员已探索出一些常用的基于行动者评价器（actor critic,AC）网络的强化学习算法可以完成此任务,但是还存在一些不足.针对深度确定性策略梯度（deep deterministic policy gradient,DDPG）存在着Q值过估计导致恶化学习效果的问题,受到大脑前额叶皮质层仲裁机制的启发,提出了一种深度仲裁行动者评价器（deep arbitration actor critic,DAAC）算法,其中包含两套评价网络,通过仲裁机制进行择优选取评价网络去更新策略参数,有效解决了Q值过估计的问题,该算法使得四足机器人成功复现了仿生的步态学习过程.通过仿真实验,将DAAC算法与DDPG、软行动者评价器（soft actor critic,SAC）、近端策略优化(proximal policy optimization,PPO)三种算法进行了对比实验,实验证明经DAAC训练的四足机器人步态在奖励值、机体稳定性和速度三个方面都有更好的表现,有效验证了算法的优越性.     

基于时序分析的四足机器人对称步态变换

提出了一种四足机器人一般步态的时序分析方法．该方法使用8个参数描述一般步态：步态周期、前双腿落地之间的滞后时间、后双腿落地之间的滞后时间、同侧双腿之间的滞后时间以及各条腿的负荷系数．运用该方法分析了常用对称步态,经过归一化处理后得到了一个跨步周期中各腿着地和抬起的时间序列．证明了匀速情况下具有等负荷系数的两种对称步态之间只需要一个步态周期就能够完成步态变换,从而得到变换步态中各腿着地和抬起的时间序列．计算实例表明了该方法适用于分析对称步态变换．     

四足机器人步态参数优化及探索性行走策略

为实现四足机器人在复杂的地形环境、有限的能量供应和不可预知的干扰下运动稳定,提高四足机器人穿越复杂地形的能力,采用了粒子群优化算法对经典步行步态参数进行优化,提出了一种易于实现、能适应不同地形的探索性步态. 所提出的探索步态不需要立体视觉或激光雷达所感测到的任何地形信息,机器人通过IMU传感器和足端力传感器接触地面来感知地形. 针对提出的优化方法和步态策略进行了仿真和实验,验证了所提出的探索性步态在穿越不平坦地形时的运动能力.      

基于机器学习与视觉的四足机器人步态精确监测方法

为保证四足机器人在复杂地形中能准确行进,对其步态实时监测方法进行了研究,提出一种基于机器学习和双目视觉的步态精确监测方法。首先为降低视觉残影误差,从已知步态轨迹“动中取静”确定对足端的最佳观测点位。此外,为补偿视觉系统误差所致足端位姿测量误差,提出一种基于深度神经网络的足端位姿精确预测方法。最后仿真结果表明所设计神经网络有99.68%的概率能达到0.025 mm足端位置预测精度,可满足实时、高精度监测要求。此方法将机器学习的泛化能力与视觉系统复杂误差来源相结合,使视觉方法实现了高精度测量,为足式机器人步态实时精确监测提供了新思路,进而为其足端精确定位及步态周期性保持提供了有益的方法参考。