下载文档原格式
人体步行捕捉下的双足机器人跟随步行与实验吴伟国;栗华;高力扬【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2017(049)001【摘要】Respect to the issue of serving humanoid robots following human,walking pattern generation based on human walking capturing is studied,and experimental study of following walking between a biped robot and human is conducted.Considering the motion capability limitation of the robot,human walking patterns obtained online by PS three-dimensional capture system are matched to the robot in kinematics aspect to generate robots' walking patterns and to build a library for them.Similarities between the robot and human are defined by parameters in both the Cartesian space and the joint space.The similarity based method of choosing walking patterns online and the "joint angle distance" based method of pattern transition are proposed to solve the problem of following walking with varying velocity.Finally,the experiments of biped robot following different people are conducted,in which stable walking is achieved.The following distance error is in the range of ±52 mm during the following process and the position error is no more than ±10 mm after the following process ended.%为深入研究服务型仿人机器人实时跟随人步行的问题,提出了基于人体步行运动捕捉的双足机器人步行样本生成方法,并进行了机器人-人跟随步行实验.对PS三维运动捕捉系统在线获取的人体步行样本进行运动学匹配并考虑机器人关节极限约束条件后,得到机器人步行样本,构建机器人仿人步行的样本库;根据笛卡尔空间和关节空间内的运动参数定义机器人与人的步行相似度综合评价,提出基于相似度评价的在线样本检索方法,以“关节角距离”为评价选取拼接点,实现样本在线拼接的样本过渡方法,解决了机器人跟随人进行变速步行的问题;完成了双足机器人跟随不同人进行稳定步行的实验,跟随过程中的距离误差不超过-±52 mm,跟随结束后的位置误差不超过±10 mm.【总页数】9页(P21-29)【作者】吴伟国;栗华;高力扬【作者单位】哈尔滨工业大学机电工程学院,哈尔滨150001;哈尔滨工业大学机电工程学院,哈尔滨150001;哈尔滨工业大学机电工程学院,哈尔滨150001【正文语种】中文【中图分类】TP242.6【相关文献】1.人体步行捕捉下的双足机器人跟随步行与实验 [J], 吴伟国;栗华;高力扬2.有挠性驱动单元的双足机器人研制与步行实验 [J], 侯月阳;吴伟国;高力扬3.基于3-D步行序列的双足机器人步态规划及实验研究 [J], 陈建芳;丁加涛;肖晓晖4.不确定性扰动下双足机器人动态步行的自适应鲁棒控制 [J], 袁海辉; 葛一敏; 甘春标5.城市公共环境空间视域下的商业步行街POE对比分析——以广州上下九步行街与成都东郊记忆步行街的对比为例 [J], 郭思远; 徐芯蕾; 钱可敦因版权原因，仅展示原文概要，查看原文内容请购买。
双足机器人拟人步态规划与稳定性研究一、内容概要本文针对双足机器人的拟人步态规划与稳定性展开深入研究。
文章首先介绍了双足机器人的发展背景与现状，指出了当前双足机器人研究领域中存在的问题与挑战。
在此基础上，文章重点探讨了双足机器人的拟人步态规划原理和稳定性控制方法。
拟人步态规划部分详细阐述了如何根据双足机器人的解剖结构、动力学特性以及运动目标，设计出符合人类行走特性的步态规划算法。
稳定性控制方法则主要研究了在各种行走状态下，如何通过调整双足机器人的肢体姿势和关节角度，以提高其行走稳定性和舒适性。
为实现拟人步态规划的稳定控制，文章提出了一种基于仿生学原理的优化控制策略。
该策略结合了模糊逻辑控制和梯度下降法的思想，能够根据实时采集的双足机器人姿态数据，动态调整控制参数，从而实现步态规划与稳定控制的有效结合。
为了验证所提算法的有效性，文章在仿真环境中进行了大量的实验验证。
实验结果表明，与传统控制方法相比，所提出的仿生优化控制策略在双足机器人的拟人步态规划和稳定性控制方面具有显著的优势。
文章总结了研究成果，并展望了未来双足机器人研究的发展方向。
指出通过进一步研究双足机器人的感知与认知能力，实现更高程度的自主步态规划和适应性操控，将是未来研究的重点和难点。
1. 双足机器人的发展和应用前景随着科技的不断发展，机器人已经逐渐成为我们生活中不可或缺的一部分。
双足机器人作为一种模仿人类行走方式的高科技产品，吸引了广泛关注。
双足机器人的发展可以追溯到上世纪六十年代，但直到近年来，随着控制理论、传感器技术及材料科学等领域的飞速进步，双足机器人才得到了快速发展。
尤其是近年来，一系列突破性的研究成果面世，如Boston Dynamics公司推出的双足机器人“大狗”(BigDog)，以及最新的“阿尔法”(Alpha)和“里约”(Rio)双足机器人，充分展示了双足机器人在运动性能、稳定性和自主导航等方面的潜力。
尽管双足机器人在实验室环境中已取得令人瞩目的成果，但其在实际应用中仍面临诸多挑战，特别是在复杂的地形环境下，如何保证双足机器人的稳定性和安全性成为了亟待解决的问题。
摘要摘要驱动技术，人工智能，高性能计算机等最新技术已经使双足机器人有了粗略模拟人体运动的灵巧性，能够进行舞蹈展示，乐器演奏，与人交谈等。
然而这与投入实际应用所需求的能力还有不小差距。
主要体现在缺乏与人类相近的平衡能力和步伐协调能力，对工作环境要求高，在非结构化环境中适应能力差。
因此，本文以自主研制的双足机器人为研究对象，重点研究了双足机器人的平衡控制，阻抗控制以及步态规划等内容。
本文首先简要介绍了自主研制的双足机器人的软硬件构架，建立了ADAMS 和Gazebo仿真来协助对控制算法性能预测和优化并减少对物理机器人的危险操作。
接着分析了双足机器人的正逆运动学并引入运动学库KDL来简化运动学运算。
稳定的平衡控制对于双足机器人而言在目前还是个不小的挑战。
本文就此研究了两种处理平衡的阻抗调节方案。
一种是基于LQR的固定阻抗模型，这种方案简单有效，但存在易产生振动的问题，本文结合滤波改善了平衡控制效果。
另一种是基于增强学习的自适应阻抗模型。
该方法可以在不知道系统内部动态信息的情况下利用迭代策略在线得到最优解，是对前述LQR方法的进一步优化。
随后本文通过仿真和实验进行了验证并分析了优缺点。
步态规划是机器人运动控制中最基础的一环。
本文从五连杆平面机器人入手对其运动控制进行了研究。
首先采用基于ZMP的多项式拟合法实现了机器人平地行走的步态规划。
然后分析其动力学模型并利用PD控制器进行运动仿真，就仿真中出现双腿支撑阶段跟踪误差较大的问题提出了PD与径向基神经网络混合控制的新策略。
再次通过仿真证实该方案能够减小跟踪误差。
最后，本文利用前述多项式拟合法对实验平台的物理机器人进行静态行走和上楼梯的步态规划。
针对上楼梯的步态规划的特殊性，本文提出了分段拟合来实现各关节的协同规划，并引入了躯干前倾角来辅助身体平衡。
由于时间所限，本文实现了双足机器人的稳定步行实验，上楼梯实验还尚缺稳健性，这将作为下一步的工作。
关键词：双足机器人，平衡控制，步态规划，ADAMS仿真，增强学习IABSTRACTDriving technology, artificial intelligence, high-performance computers and other latest technology has enable bipedal robots to roughly emulate the motor dexterity of humans, able to dance show, musical instruments, and talking. However, this ability still have big gap between putting into practical application. Mainly reflected in the lack of the ability of balance, and the coordination of walking. High demands on the working environment, poor adaptability in unstructured environments. In this paper, the self-developed bipedal humanoid robot is researched, and the balance control, impedance control and gait planning are mainly studied.This paper first introduces the hardware and software architecture of the biped robot, and establishes the ADAMS and Gazebo simulation to assist in the prediction and optimization of the performance of the control algorithm, so as to reduce the risk operation of the physical robot and avoiding the potential risks. Then the forward kinematics and inverse kinematics of the biped robot are analyzed and the kinematic library KDL is introduced to simplify the kinematic operation.Stable balance control is still a challenge for biped robots. In this paper, we present two schemes for impedance adjustment when dealing with the balance. One is the fixed impedance model, which is simple and effective, but there is a problem of vibration, a filter is combined in this paper to improve the balance control effect. The other is an adaptive impedance model based on integral reinforcement learning. This method can obtain the optimal solution online by using the policy iteration without knowing the dynamic information of the system. It is a further optimization of the LQR method. Then the scheme is simulated and experimented, and the advantages and disadvantages are analyzed.Gait planning is the most basic part of robot motion control. First, a simplified five-link planar robot model is established to facilitate the study. Then, the ZMP-based polynomial fitting method is used to realize the gait planning of the robot's horizontal walking. Then the dynamic model is analyzed and the PD controller is used to simulate the motion. A new strategy of PD and RBF neural network hybrid control is proposed to reduce the tracking error during DSP. Again, the simulation results show that the scheme can reduce the tracking error.IIFinally, this paper applies the polynomial fitting method to carry on the static walking and the stairway gait planning of the physical robot of the experimental platform. In view of the particularity of the gait planning of the stairs, this paper proposes a partition fitting to realize the cooperative planning of each joint and introduces the trunk leaning forward to assist the body balance. Due to time constraints, this paper has achieved a stable walking experiment of bipedal robots, and the stair experiment is still lacking in robustness, which will be the next step of the work.Keywords: biped robot, balance control, gait planning, ADAMS simulation, reinforcement learningIII目录第一章绪论 (1)1.1 研究工作的背景与意义 (1)1.2 国内外研究历史和发展态势 (2)1.2.1双足机器人的发展现状 (2)1.2.2双足机器人平衡控制概况 (6)1.2.3机器人阻抗控制概况 (7)1.2.4双足机器人步态规划及运动控制概况 (8)1.3 本文的主要工作 (9)1.4 本论文的结构安排 (10)第二章双足机器人控制系统架构与仿真平台设计 (11)2.1 双足机器人机体结构 (11)2.2 双足机器人控制系统框架设计 (13)2.2.1硬件系统设计 (13)2.2.2控制软件设计 (15)2.3 双足机器人仿真平台的设计 (16)2.3.1机器人系统常用仿真软件 (16)2.3.2ADAMS虚拟样机建模 (17)2.3.3G AZEBO模型建立 (18)2.4 本章小结 (19)第三章双足机器人运动学建模分析 (20)3.1 双足机器人位姿的描述 (20)3.2 正向运动学求解 (21)3.3 逆运动学求解 (22)3.4 五连杆平面机器人的运动仿真 (26)3.4.1开源运动学和动力学库KDL (26)3.4.2基于KDL的双足机器人运动学仿真 (26)3.5 本章小结 (27)第四章双足机器人站姿下的平衡控制 (28)4.1 双足机器人的平衡控制策略 (28)4.2 双足机器人的踝关节平衡策略 (30)IV4.2.1基于倒立摆的固定阻抗模型 (31)4.2.2基于增强学习的自适应阻抗模型 (33)4.3 仿真结果 (38)4.3.1固定阻抗与自适应阻抗仿真结果及对比 (38)4.3.2仿真算法的进一步优化 (41)4.4 实验结果 (43)4.4.1实验设计 (43)4.4.2实验结果与分析 (44)4.5 本章小结 (47)第五章五连杆双足机器人行走步态规划及控制 (48)5.1 步态规划依据和方法 (48)5.1.1步态规划的依据 (48)5.1.2离线步态规划的方法 (49)5.2 五连杆平面机器人模型的建立 (49)5.2.1五连杆模型简介 (50)5.2.2五连杆的运动学与动力学模型 (51)5.3 五连杆机器人的步态规划 (53)5.3.1摆动腿的轨迹规划 (53)5.3.2髋关节的轨迹规划 (55)5.3.3轨迹规划展示 (56)5.4 基于PD控制器的五连杆运动控制 (57)5.4.1PD控制器设计 (58)5.4.2仿真实验结果及分析 (59)5.5 基于RBFNN的五连杆运动控制 (61)5.5.1基于动力学模型的控制分析 (61)5.5.2RBF神经网络控制器设计 (62)5.5.3仿真实验结果及分析 (64)5.6 本章小结 (65)第六章双足机器人步态规划与实验 (66)6.1 双足机器人步态规划的约束 (66)6.2 双足机器人静态行走的步态规划 (66)6.2.1步行准备阶段运动规划 (67)6.2.2周期步行阶段运动规划 (69)V6.2.3步态仿真验证 (71)6.2.4双足机器人步行实验 (73)6.3 双足机器人上楼梯的步态规划 (73)6.3.1起步阶段运动规划 (73)6.3.2上楼梯双腿支撑阶段运动规划 (74)6.3.3跨两层台阶运动规划 (75)6.3.4双足机器人上楼梯仿真及实验 (76)6.4 本章小结 (78)第七章全文总结与展望 (79)7.1 全文总结 (79)7.2 后续工作展望 (80)致谢 (81)参考文献 (82)攻读硕士学位期间取得的成果 (87)VI第一章绪论第一章绪论1.1 研究工作的背景与意义上世纪60年代初，工业机器人和自主移动机器人成为现实，为实现大规模自动化生产，降低制造成本提升产品质量做出了巨大贡献。
《双足机器人步态规划与控制研究》篇一一、引言随着科技的飞速发展，双足机器人逐渐成为机器人领域的研究热点。
步态规划与控制作为双足机器人的核心技术，其研究对于提高机器人的运动性能、稳定性和灵活性具有重要意义。
本文将就双足机器人步态规划与控制的研究进行深入探讨，以期为相关领域的研究者提供一定的参考。
二、双足机器人步态规划1. 步态规划的基本概念步态规划是指为双足机器人设计合理的行走方式，使其能够模拟人类行走的姿态和动作。
步态规划的目的是使机器人能够在各种环境下稳定行走，同时保持一定的运动速度和灵活性。
2. 步态规划的方法目前，双足机器人的步态规划方法主要包括基于规则的方法、基于优化的方法和基于学习的方法。
基于规则的方法是通过设定一系列规则来控制机器人的行走，如基于零力矩点的步态规划方法；基于优化的方法是通过优化算法来寻找最优的步态，如基于遗传算法的步态优化；基于学习的方法则是通过机器学习技术来使机器人学习人类的行走方式。
3. 步态规划的挑战与解决方案在步态规划过程中，需要解决的主要问题是机器人的稳定性和灵活性。
为了解决这些问题，研究者们提出了多种方法，如采用多级控制系统、引入力反馈技术、优化机器人的结构等。
此外，还需要考虑机器人的运动范围、能耗等问题，以实现高效的步态规划。
三、双足机器人控制技术1. 控制系统的基本构成双足机器人的控制系统主要包括传感器、控制器和执行器。
传感器用于获取机器人的状态信息，如位置、速度、力等；控制器根据传感器的信息对机器人的运动进行规划和控制；执行器则负责驱动机器人的关节运动。
2. 控制算法的研究与应用常见的双足机器人控制算法包括PID控制、模糊控制、神经网络控制等。
PID控制算法简单易行，适用于大多数情况；模糊控制则能够处理不确定性和非线性问题；神经网络控制则能够模拟人类的思维过程，使机器人具有更高的智能性。
在实际应用中，需要根据机器人的具体需求和环境选择合适的控制算法。
《双足机器人步态规划与控制研究》篇一一、引言随着科技的不断进步，双足机器人已经成为现代机器人技术研究的热点之一。
双足机器人以其类似人类的行走方式，具有更高的灵活性和适应性，在服务、救援、军事等领域具有广泛的应用前景。
然而，要实现双足机器人的稳定行走，需要进行步态规划和控制研究。
本文旨在探讨双足机器人步态规划与控制的相关问题，以期为双足机器人的研究与应用提供一定的理论依据和技术支持。
二、双足机器人步态规划步态规划是双足机器人行走的基础，它决定了机器人的行走方式、速度和稳定性。
目前，常见的步态规划方法包括基于规则的方法、基于优化的方法和基于学习的方法。
1. 基于规则的步态规划基于规则的步态规划是根据预先设定的规则和逻辑，使机器人按照一定的步态行走。
这种方法简单易行，但需要针对不同的环境和任务进行规则调整，具有一定的局限性。
针对双足机器人的步态规划，需要考虑到机器人的身体结构、关节运动范围、地面情况等因素，制定出合适的步态规划规则。
2. 基于优化的步态规划基于优化的步态规划是通过建立数学模型，利用优化算法求解最优的步态。
这种方法可以根据机器人的任务和环境变化，自动调整步态参数，具有更好的适应性和灵活性。
常见的优化算法包括遗传算法、粒子群算法、动态规划等。
3. 基于学习的步态规划基于学习的步态规划是通过学习人类或其他生物的行走方式，使机器人模仿或自主学习步态。
这种方法需要大量的学习数据和计算资源，但可以使机器人具有更高的智能和灵活性。
常用的学习方法包括深度学习、强化学习等。
三、双足机器人控制研究双足机器人的控制是实现稳定行走的关键。
目前，常见的控制方法包括基于模型的控制、基于学习的控制和混合控制。
1. 基于模型的控制基于模型的控制是根据机器人的运动学和动力学模型，利用控制器对机器人进行控制。
这种方法需要建立准确的模型，并针对不同的任务和环境进行调整。
常见的控制器包括PID控制器、模糊控制器、神经网络控制器等。
机器人双足步态控制方法的研究与实现第一章绪论在过去几年中，机器人技术得到了长足的发展，已经越来越多地应用于制造业、医疗、军事、物流等领域。
与此同时，双足机器人也在逐渐增加相关应用领域。
随着科技的发展，双足机器人已经成为人类研究和开发的核心领域之一。
在人机交互方面，双足机器人可以更好地模仿人类步态，同样双足机器人也可以在危险的环境中或已经不适用于人类的环境中工作，如铁路维护、搜救行动和灾难应对等。
在双足机器人应用领域中，步态控制是一个非常重要的研究方向。
如何建立双足机器人的步态并对其控制，就是该领域的重要研究内容之一，是该领域研究的重点。
本文旨在对双足机器人步态控制方法的研究和实现进行分析和探讨。
第二章双足机器人步态控制的相关研究现状步态控制是双足机器人研究领域的重点，其研究现状主要包括以下方面：2.1 基本控制方法双足机器人的步态控制主要有两种基本方法：一种是基于动力学模型的控制方法，一种是基于模糊理论的控制方法。
基于动力学模型的控制方法，可以通过建立系统的动力学模型、控制器模型和仿真系统模型来实现。
基于模糊理论的控制方法，其主要特点是可以提高系统的自适应性和鲁棒性，从而提高系统的运动稳定性。
这种方法主要应用于模糊控制算法中，可以较好地解决系统中的死区和不确定性问题。
2.2 步态规划方法双足机器人的步态规划方法主要有基于参数曲线、基于较多来源等多种方法。
基于参数曲线的步态规划方法可以将双足机器人的运动轨迹细分为不同的部分并进行分析，从而得到实现步态控制的参数和条件。
基于多方面来源的步态规划方法则可以充分利用不同信息来源，如IMU、视觉甚至声音等，从而达到更为精确的运动控制效果。
2.3 双足机器人的步态仿真和实验研究在步态仿真和实验研究中，通常使用一些经典的运动过程和PID控制，通过建立双足机器人的运动模型，使用MATLAB、Simulink等工具进行建模和仿真，实现对双足机器人的控制和仿真操作。
计算机研究与发展ISSN 1000-1239/CN 11-1777/T PJournal of Computer Research and Development 42(5):728～733,2005 收稿日期:2003-12-10;修回日期:2004-11-17 基金项目:国家“八六三”高技术研究发展计划基金项目(2003AA420010-03);国家“九七三”重点基础研究发展规划基金项目(G2002cb312205);国家自然科学基金项目(60174018,60305008,90205008)双足机器人步态控制研究方法综述胡凌云 孙增圻(清华大学计算机科学与技术系智能技术与系统国家重点实验室 北京 100084)(huly02@mails .tsing hua .edu .cn )Survey on Gait Control Strategies for Biped RobotHu Lingyun and Sun Zeng qi(State Key Laboratory of Intelligent Technology and Systems ,Department of Computer Science and Technolo gy ,Tsinghua Uni -versity ,Beijing 100084)Abstract As humanoid robots shift from research lab to human living environment ,biped robots play a more important role in recent research .Peoples are attracted by biped robots for the difficulties in g ait con -trol since their dy namic equations are high -order highly -coupled and nonlinear .This paper presented the ba -sic concepts in biped g ait and major research methods in the filed of biped g ait optimizatio n and control .Characters of three major models including inverted pendulum ,passive g ait model and mass -spring model are tho roughly discussed .Advantages and disadvantages of all these three models are exhibited by compari -so n .Follow ed w ith it ,the two kinds of usually used constraints ,stability criterion and energy constraintare introduced w ith abundant exam ples .For stability criterion ,zero moment point (ZMP )criterion as the most useful constraints in biped gait generation research is em phasized .Finally three intelligent control methods (neuron netw ork ,fuzzy logic and genetic alg orithm )w ith their combination methods (fuzzy neu -ro n network ,genetic neuron network and so on )were introduced at the end of this paper .Key words biped robot ;model ;constraint ;intelligent control摘 要 概括地介绍了双足机器人步态控制领域内的主要研究思路.详细阐述了基于双足动力学特征的3种建模方法,包括倒立摆模型、被动步态模型、质量弹簧模型的特点.另外讨论了两种常用的约束条件(稳定判据与能量约束)和3种智能控制方法(神经元理论、模糊逻辑与遗传算法)在双足机器人步态控制中的研究情况.关键词 双足机器人;模型;约束;智能控制中图法分类号 TP181 引 言双足机器人是一门由仿生学、机械设计和加工、计算机控制理论和人工智能等多种学科形成的交叉学科.与轮式和多足机器人相比,双足机器人更加适应于复杂的地形并且具有更加灵活的运动方向和速度变化范围,因此得到了广大研究学者的关注.但是双足机器人更加精巧的机械结构对机器人的稳定控制也提出了更高的要求.文献[1]在1995年总结了6条有腿机器人动态控制的难点,包括非线性化的状态空间、重力场的作用、未知环境的影响、复杂的多输入多输出控制、随时间而变化的动态特性和连续与离散相结合的控制方法.而双足机器人作为腿数比较少的一种多腿机器人,有分析和控制自身运动的难点.首先双足机器人是一个多自由度的复杂机械结构,其动力学方程具有非线性、高阶和强耦合的特点,现有的数学模型和解析算法不足以得到完整和精确的步态解.另外除可控的有驱动自由度以外,双足系统脚板与地面之间存在无驱动的自由度[2].这个自由度的控制对机器人的姿态稳定具有重要的意义.最后双足机器人不同特性的步态周期切换也是自然步态生成中的一个难点.双足机器人的步态由静态的双脚支撑期和动态的单脚支撑期组成.在步行过程中,双足机器人从稳定的双脚支撑过渡到不稳定的单脚支撑,相应的控制结构从闭环切换到开环.另外从机器人的跑步运动我们可以看到,机器人在腾空状态依然可以保持动态平衡,也就是说机器人的步行控制不能平行的移植到机器人的跑步控制当中.这为多模型系统的稳定控制和平滑控制制造了更多的困难.这里提到的动静态步行是评价步态的一个基本参数.从重心位置出发,静态步行定义为重心的投影处于支撑腿组成的多边形中;动态步行则对重心的投影没有位置要求.另一种定义则是从占空比出发.其中占空比定义为双脚支撑期在整个步态周期中所占比例[3].当占空比达到一定标准时,认为这种步态属于静态步行,具体标准值和实际机器人物理参数有关.通常认为静态步行β的下限值是0.25.另外为了提高机器人步行速度和能量利用效率,一般设计β≤0.2.实验证明,当双脚支撑期只占一个步态周期的20%以下时,可以获得比较满意的步速和能量利用效率.2 研究方法迄今为止,对双足机器人的基本研究思路可以分为基于仿生学原理和基于动态控制原理两种类型.这两种不同思路的研究方法在双足机器人的步态设计和规划中都有广泛应用.2.1 仿生学原理基于仿生学的双足步态研究主要通过测量和分析人类的步行运动,研究双足步行的基本原理,将得到的一些基本步态特征运用到双足步行机器人控制当中.早在1901年文献[4]通过观察人类和40多种动物的运动过程,研究了包括马等8种动物的运动步法,得到了它们的步态模式.他的研究揭示了动物的简单步法模型,开辟了从仿生学角度研究双足步态的先河.随后文献[5]将行为模仿的思想运用到机器人VT的控制方法当中.通过模仿学习表达非线性动力学差分方程,形成控制策略.采用的局部权重回归算法保证了学习的收敛性.这种研究的思路也被本田公司运用到阿西莫机器人的步态规划当中,通过离线研究人类步态运动的特性,形成简单的步态模式,然后经过在线调整误差控制机器人最终步态.另一个仿生学的重要贡献是在大多数动物脑组织中发现控制运动节奏的中央模式发生单元(c en-tral pattern generator).这促使一部分研究学者[6]尝试将这一结构引用到双足步态中.1999年文献[7]用中央模式发生器控制机器人手臂运动完成简单的杂耍动作,这位学者还从人类步行机构得到启示,设计了弹性关节解决了双足步行关节冲击的问题.他们的成功吸引了越来越多的学者开始这一方向的研究.2.2 动态控制原理基于仿生学原理算法的可行性完全依赖于步态数据.而机器人的具体步态和实际物理参数相关,要得到大量适用于已知机器人的步行数据并不是一件容易的事情.并且各个不同机器人之间的数据不具有共享性,因此算法不具有适用性.这使得大量学者转而开始机器人动态控制的研究.这种研究思路从各个关节力矩的控制方面考虑双足机器人的步态控制,通过研究刚性连杆结构的动力学特征对各个关节施加驱动力矩带动机器人步行运动.在这种研究思路下,众多的研究群体又提出了基于模型和非模型两种步态规划和控制策略.2.2.1 基于模型的控制基于模型的双足控制借鉴已知的物理模型特性对双足机器人模型进行大胆简化,建立了倒立摆模型、被动步态模型、质量弹簧模型和Acrabat模型等实用的控制模型.倒立摆模型是Hemami等人[8]于20世纪70年代后期提出的一种双足机器人控制模型.最初的模型在二维空间借鉴一阶倒立摆,将倒立摆的杆和机器人的腿进行对应,将双足机器人踝关节的力矩驱动看做是倒立摆的基底关节驱动,从而把双足机器729胡凌云等:双足机器人步态控制研究方法综述人的步行过程和倒立摆的直立摆动过程对应起来. 1984年文献[9]首次以函数的形式表达机器人的步态,并通过单步的反馈控制拟合倒立摆模型biper的动力学控制参数.1987年文献[10]设计了具有倒立摆特性的双足机器人,用状态反馈控制双足机“MeltranII”的质心沿约束线运动,使得其水平动力学方程近似为线性倒立摆模型.在随后的应用中,倒立摆模型逐步发展为3维情况下多级倒立摆,并逐步加入对踝关节和脚板的考虑,模型也越来越接近实际机器人的双足模型.但是鉴于倒立摆的特性,该模型只适用于腿部质量和惯量都非常小的情况.而实际机器人一般不能达到这个要求,因此该模型一般用于生成双足的参考步态轨迹.在此基础上通过结合其他控制算法对轨迹进行稳定性和能量消耗等方面的修正.加拿大的McGeer[11]是最早开始被动式双足机器人研究的学者之一,早期采用被动步态理念设计的双足机器人双腿为直杆结构,没有膝关节.每条腿上一个小电机用来控制腿部的伸缩.在没有任何主动控制和能量供给的情况下,可完全通过重力作用实现斜坡上的动态步行.此后文献[12]在Geer的被动式机器人基础上增加了膝关节和相应的控制系统,并开始3维空间的被动式步态研究.他们的研究表明,在机器人下肢质量分布没有达到理想状态的情况下,需要附加控制系统完成神经肌肉的功能来保证机器人的稳定性,由此可见,下肢质量和长度的分布对机器人步态有非常明显的影响.一些机器人的理想质量分布在1984年[13]从更加有利于动力学方程线性化和稳定性控制的角度进行了明晰的阐述.质量弹簧模型是M IT的Pratt[14]提出的一种非常新颖的双足机器人结构模型.M IT有腿实验室最初的机器人设计采用的是液压式动力机构,通过压缩空气或者机械弹簧产生腿部行走需要的弹力.这种结构能够快速产生比较高的能量密度和力,但需要良好的密封装置和较大的阻尼控制.考虑到这些缺陷,他们转而开发了质量弹簧模型.这种新设计的机构由弹簧和阻尼单元组成,信噪比小,零飘小,并且解决了常用的电机-连杆模型中不可连续变速的问题.而且将力的控制转换成了位置的控制,消除了高扭矩力下冲击力对齿轮和电机的不良作用.在这个弹性关节结构上,Pratt等人设计的虚拟模型控制(virtual model control)的策略用于将高层的任务级指令解析成底层的可执行控制命令,各部件需要的力矩由对应的虚拟单元产生.这一控制策略被运用到机器人Spring Turkey和Spring Flamingo上,由于采用了虚拟现实蹬一些技术,机器人的步态自然、稳定,这在其他机器人身上是难以做到的.除了基于模型的控制以外,另一个重要的研究方向是基于非模型的双足步态控制策略.2.2.2 基于非模型的控制基于非模型的控制策略从机器人步行运动的约束入手,一般从机器人的稳定性和能量两个方面对双足步行运动加以控制.(1)稳定性约束为实现稳定的双足步态,众多的研究学者提出了适用于不同模型的稳定判据,如CoP(中心压力判据)、ZMP(零力矩点判据)和FRI(脚板转动指示法)等[15].其中,Vukobratovic[16]提出的ZMP稳定判据是应用最广泛的一种.人类动态行走过程方面的研究表明,人类动态的行走平衡不是因为具有比较大的脚底支撑面,而是因为身体各部分复杂的协调作用.因为在考虑动态平衡时,地面的反作用力最终可以等效成一对力N和力矩M对脚底的作用.这个支撑点就是零力矩点(ZMP点).这里M依赖ZMP的选择,如果能够使得ZMP取在双脚支撑范围以内,就可以使M 变为0.换句话说,机器人的动态平衡完全取决于ZMP点的位置,而与重心位置无关.ZMP稳定判据为人们研究动态稳定提供了可行的法则.通常的研究预先离线设定理想ZM P轨迹,然后通过调整关节扭矩力或者动量补偿使得实际ZM P轨迹和理想ZM P轨迹吻合.日本早稻田大学的WL-12RIII是最早使用6维力传感器获得双足ZMP轨迹的机器人.但是由于结构和重量的问题,传感器安装在小腿,需要通过数学转换消除踝关节的影响才能获得实际ZMP.日本本田公司的P 系列机器人也都是采用6维力力矩传感器构建ZMP测量系统的.文献[17]通过学习上身的轨迹修正实际ZMP轨迹的方法.文献[18]根据预定踝关节轨迹调整髋关节的两个参数获得具有最大ZMP 稳定余度的ZM P轨迹.文献[19]通过预测机器人行为和ZMP的变化防止翻滚现象.他们的实验结果充分证明了ZM P稳定判据的可靠性.(2)能量约束除了稳定性以外,机器人的能量消耗也被不少研究学者作为机器人的一种约束对双足步态进行控730计算机研究与发展 2005,42(5)制研究.早在1989年,文献[20]就研究了能量与关节角度和肌肉模型的关系;随后,文献[21]描述了理想双足机的一类特殊轨迹“势能守衡轨道”.1987年,文献[22]对双足机器人在单脚支撑期和双脚支撑之间过渡期的碰撞过程进行了详细的建模,建立了碰撞冲击力与碰撞前后关节角度变化的关系函数,通过线性的关节角速度控制和非线性的位置控制实现了机器人SD-2平稳的着地过程.2001年,文献[23]研究了被动步态的能量消耗和稳定性,提出了虚拟被动动态步行的概念.在水平面上通过对机器人施加虚拟重力作用,在没有其他扭矩力作用情况下使其完成步行.由于虚拟重力场非常接近实际行走需要的最小作用,机器人的步态呈现非常自然的状态.但是这种方法将虚拟重力作用作为惟一的控制输入,没有涉及其他如稳定的因素,随后Ya-makita改进了算法,在双足约束中加入对ZMP位置的约束形成了新的控制策略.以上介绍的各个研究方法的分类并非完全独立的,鉴于各个算法都存在一定的优势和缺陷,目前实际机器人采用的步态控制算法一般都结合了两种或者两种以上的研究思路.例如,文献[24]将倒立摆模型和ZM P稳定判据结合起来提出采用重力补偿的倒立摆模型计算机器人步行所需扭矩力.随后依据倒立摆模型的启示,他又设计出对站立腿进行扭矩力计算(快变子系统)而对摆动腿实施阻尼控制(慢变子系统)的混和控制方法,并将其中的慢变子系统简化成一阶倒立摆模型.另外文献[25]提出了通过多种稳定约束修正起始参考轨迹的方法,这个算法由于过于复杂,不适于快速的动态步行.3 智能控制算法以上提到的研究思路为实际机器人的步态规划搭建了合理的研究模型和理论背景,在此之上,正确的引入智能化的控制算法无疑将改进算法的适用性和鲁棒性.鉴于传统智能控制算法如连接主义、模糊逻辑、遗传算法具有强大的自学习、自适应和容错能力,它们都被逐步引入到各个模型的控制中.神经网由于具有大量平行计算和非线性映射的能力,被广泛应用到双足步行的控制及动静态平衡和不同地形环境的适应中.1988年文献[26]通过倒立摆模型得到完整步态的动力学模型来优化Hop-field网完成控制器的设计.1992年文献[27]将机器人SD-2的每个关节用一个关节神经元加以表达,通过学习,神经网完成脚底力与对应关节角需要调整角度之间的关系.同年文献[28]在一个三连杆的简单机器人上面实现了分层神经网控制器.对应于3个杆,3个神经网分别用于控制身体姿态、脚的着地和在脚在空中的姿态.文献[29]的作者是运用神经网对机器人步态进行控制最成功的学者之一.最初他采用监督学习训练3个CMAC神经网的自适应学习,分别控制机器人前后平衡,左右侧摆和位姿的连续变化.为了实现变速的快速步行,在新一代的UNH上Miller增加了加速度传感器和两个固定状态的陀螺仪、在结构上增加了步态发生器,动力学模块和两个CMAC神经网.这5个CMAC网中一个负责纠正左右倾斜,一个负责纠正前后髋关节,两个负责调整机器人速度以符合前设的轨迹要求,最后一个负责改变踝关节左右滚动.由于采用了前设轨迹、反馈控制和在线TD(temporal difference)学习,机器人速度可以达到0.12m s.另外一些用神经网控制步态轨迹的例子包括在线性倒立摆模型上用时间反向传播神经网生成关节轨迹[30].除了神经网以外,由于模糊逻辑在知识表达方面的优势也被不少学者运用到双足步态的生成和控制上面.文献[31]利用模糊变增益控制机器人双脚支撑期;文献[32]利用机器人运动参数选择模糊控制增益;文献[33]在再励学习中引入模糊反馈,对“快跌倒”,“比较稳定”,“很慢”等状态进行表达;文献[34]将模糊控制器引入机器人位置和力的控制中,研究了恶劣地形下机器人步态的生成.另一个重要的智能控制方法是遗传算法.文献[35]和文献[36]都以最小能量消耗和ZMP稳定判据作为约束,通过遗传算法自动生成双足步态轨迹.文献[37]研究了通过遗传算法体调整双足步态生成中PD控制的局部增益.由于遗传算法一般需要比较长的进化过程,对于双足机器人这样一个对时间要求比较高的系统来说,如果不解决进化速度问题,只适用于离线规划中.对比这3种智能控制算法可以看到,由于神经网适用性广,功能强大而获得比较多的应用,在高阶动力学和逆动力学函数拟合、模型函数和误差学习以及轨迹参数在线规划方面都有成功的应用.而对于Ⅰ型模糊逻辑如果没有合理设计隶属度函数,往往无法正确地表达人类步行规律,因此需要结合神经网对模糊逻辑的具体隶属度函数的参数进行学习和调整,这使得一些研究人员把目光转向Ⅱ型模糊逻辑和模糊神经网[38].相对前两者智能算法,遗传731胡凌云等:双足机器人步态控制研究方法综述算法在双足机器人步态控制方面的应用比较少,这和遗传算法本身的速度和资源消耗有很大关系,如果不对遗传算法做适应性改进,是很难应用到双足系统的实时控制当中.不过把遗传算法作为寻找能量和稳定性最优解仍然是一个不错的离线步态规划的方法.另外根据实际机器人步态规划的需要,各个智能控制算法的结合体如模糊神经网、神经元模糊逻辑、神经元遗传算法等也相继出现在双足步态的控制当中.4 总 结本文概括地介绍了双足步态控制的3种模型、2种约束和3种智能控制算法.除了代表性的研究模型以外,各约束的具体应用内容和智能控制算法的特点也在本文有详细阐述.值得指出的是,除了列举的国外的研究情况以外,国内对于双足机器人的研究也取得了令人鼓舞的成就.其中包括北京理工大学开发的BHR-1,国防科技大学开发的“先行者”,清华大学开发的THBIP-1等.这都激励着更多的同行研究人员投入到双足机器人的研究中来,为国内的双足系统研究做出更大的贡献.参考文献1J.E.Pratt.Virtual model control of a biped w alking robot: [master's diss ertation].Cambridge,M A:M assachusetts Insti-tute of Technology,19952A.Gos w ami.Postural stability of biped robots and the foot-rota-tion indicator point.International Jou rnal of Robotics Research,1999,18(6):523～5333H.Adachi.Development of quad ruped walking robots and their gait study.Journal of Robotics and M echatronics,1993,6(5): 548～5604E.M uyb ridge.Animals in M otion.New York:Dow er Publ ica-tions,19015A.J.Ijspeert.M ovement imitation w ith nonlinear dynamical sys-tems in humanoid robots.In:Proc.the IEEE Int'l Conf.onRobotics and Automation.Omnipress:United states of America,2002.1398～14036G.Taga.A model of the neuro-musculo-skeletal system for human locomotion in emergency of bas ic gait.Biological Cybernetics,1995,73(2):97～1117M.M.W ill ianmson.Robot arm control exploiting natural dynam-ics:[Ph.D.diss ertation].Camb ridge,M A:M assachusetts In-stitute of Technology,19998H.Hemami.Reduced order models for biped locomotion.IEEE Trans.Systems M an Cybernetics,1978,8(4):321～3519H.M iura.Dynamic w alk of a biped.International Journal of Robotics Research,1984,3(20):60～7410S.Kajita,K.Tani.S tudy of dynamic biped locomotion on rugged terrain:Derivation and application of the linear inverted pendulum mode.IEE E Int'l Conf.on Robotics Automation,Sacramento, California,199111T.M cGeer.Passive dynamic w alking.International Jou rnal Robotics Research,1990,9(2):62～8212S.H.C ollins.A three-dimensional passive-dynamic w alking robot with two legs and knees.International Journal of Robotics Re-s earch,2001,7(20):607～61513S Kajita.Balancing a humanoid robot using back drive cons erved torque control and direct angul ar momen tum feedback.In:Proc.Int'l Conf.Robotics and Automation.Korea:Kyung Hee Infor-mation Printing Co,Ltd,2001.3376～338214J.E.Pratt.Exploiting inherent robustness and natu ral dynamics in the control of bipedal walking robots:[Ph.D.dis sertation].Cambridge,M A:M assachusetts Institute of Technology,2000 15D.Katic,M.Vukobratovic.Survey of intell igent control tech-niques for humanoid robots.Journal of Intelligent and Robotics Systems,2003,37(2):117～14116M.Vukobratovic.Bipedal locomotion dynamics,stability,control and application.In:Scientific Fundamentals of Robotics.New York:Springer-Verlag,199017Q.Li.Learning con trol of compensative trunk motion for biped walking robot based on ZM P stability criterion.IEEE RS J Int'l Conf.on Intell igent Robots and Systems,Nice,France,199218Q.Huang.S tability compensation of a mobil e manipulator by ma-nipulator motion feasibil ity and planning.Advanced Robotics, 1999,1(13):25～4019D.A.Rey.On-line automatic tip over prevention for mobile ma-nipulators.IEEE RSJ Int'l Conf.Intelligent Robots and S ys-tem s,Grenoble,France,1997.1273～127820M.G.Pandy,N.Berme.Quantitative assessment of gait deter-minants du ring single stance via a th ree-dimens ional model-Par1 Normal gait.Jou rnal of Biomechanics,1989,22(6-7):717～724 21S.Kajita.Dynamic walking control of a biped robot along a poten-tial energy conserving orbit.IEEE Trans.Robotics and Automa-tion,1992.431～43822Y.F.Zheng,F.R.Sias.Design and motion control of practical biped robots.International J ournal of Robotics and Automation, 1988,3(2):70～7823M.Yamakita,F.Asano.Extended passive velocity field control with variable velocity fields for a knee biped.Advanced Robotics, 2001,15(2):139～16824J.H.Park,K.D.Kim.Biped robot w alking using gravity-com-pensated inverted pendulum mode and computed torque control.In:Proc.the IEEE Int'l Conf.Robotics and Automation.Om ni-press:United S tates of America,1998.3528～353325Yokoi,et a l.Experimental study of humanoid robot HRP-1S.In-732计算机研究与发展 2005,42(5)ternational Journal of Robotics Research ,2004,23(4 5):351～36226S .Kitamura .Appl ication of the neural netw ork for the trajectory intelligence .T he IEEE SM E Int 'l Conf .Advanced Intell igen t ,M echatronics ,Atlanta ,Georgia ,USA ,199927W .Salatian .Reinforcement learning for a biped robot to climb us -ing neu ral networks in static learning .The IEEE Int 'l Conf .Robotics and Automation ,Nice ,France ,199228H .Wang .A neuromorphoc controller for a three controller for a three link biped robot .IEEE T rans .Systems M an and Cybernet -ics ,1992,22(10):164～16929W .T .M iller III .Real -time neural netw ork control of a biped w alking robot .IEE E Control System M agazine ,1994,14(2):41～4830J .G .Juang ,C .S .Lin .Gait s ynthesis of a biped robot using back propagation th rough time algorithm .The IEE E Int 'l Conf .Neu ral Networks ,Washington ,DC ,USA ,199631C .L .S hih .Fuzzy l ogic force control for a biped robot .The IEEE Int 'l Symposium on In telligent Control ,Arl ington ,Virginia ,USA ,199132E .Kubica ,D .Wang ,D .Winter .Feedforward and deterministic fuzzy control of bal ance and posture during human gait .In :Proc .the IEEE Int 'l Conf .Robotics and Au tomation .Korea :Kyung Hee Information Printing Co ,Ltd ,2001.2293～229833C .Zhou ,Q .M eng .Dynamic balance of a biped robot using fuzzy reinforcement learning agents .Fuzzy Sets and Systems ,2003,134(1):169～18734A .Yang ,K .H .Loe .Fuzzy position force control of a robot leg w ith a flexible gear system .In :Proc .the 2001IEEE Conf .Robotics and Automation .Korea :Kyung Hee Information Print -ing Co ,Ltd ,2002.2159～216435A .J .Ijspeert .Trajectory formation for imitation w ith nonl inear dynamical systems .In :Proc .the IEEE RSJ In t 'l Conf .Intelli -gent Robots and Systems .M aui ,Hawaii ,USA :IEEE Operations Center ,2001.752～75736G .Capi .A neural netw ork implementation of biped robot optimal gait du ring walking generated by genetic algorithm .T he 9th M editerranean Conf .Control and Automation ,Dubrovnik ,Croat -ia ,200137K .Nagasaka .Acquisition of visually guided sw ing motion based on genetic algorithms and neural netw orks in tw o -armed bipedal robot .In :Proc .the IEEE Int 'l Conf .Robotics and Automation .Korea :Kyung Hee Information Printing Co ,Ltd ,2001.2944～294838J .G .Juang .Fuzzy neural netw orks approaches for robotic gait synthes is .IEEE Trans .Systems M an Cybernetics ,2000,30(4):594～601Hu Lingyun ,born in 1979.Received her master 's degree in computer science and technology depart -ment ,Xi 'an Jiaotong University ,Shannxi ,China in 2002.She has been a Ph .D .candidate in the Department of Computer Science and Technology ,Tsinghua University since 2002.Her current re -search interests include stable gait planning and intelligent learning for biped robot ,stability criterion extraction and generation .胡凌云,1979年生,博士,主要研究方向为双足机器人稳定步态规划与智能学习、稳定判据的提取与生成.Sun Zengqi ,born in 1943.He is currently a senior IEEE member and a professor in T s -ing hua U niversity .His main research inter -ests are computer control theo ry and applica -tion ,networ k control ,intelligent control and robo t .孙增圻,1943年生,教授,博士生导师,主要研究方向为计算机控制理论及其应用、网络控制、智能控制、机器人学.Research BackgroundT he control o f bipedal w alking robo ts has been a research topic fo r about 3decades .V arious kinds of intelligent methods like neural network ,fuzzy logic and evolution algorithm have been introduced into this research area with different kinds of robot model such as inverted pendulum ,passive gait model and so o n .In this paper ,survey of cur rent research in this area is briefly introduced .Based on it ,our lab has desig ned a biped robo t LU NA fo r the humanoid game in RoboCup competition .T his small robot has totally 12deg ree freedom and can carry out straig ht walking ,turning ,kicking and o ther skills required for robo t soccer g ame .A stable g ait g eneration algorithm based on T -S ty pe fuzzy learning net method is proposed on the biped plant .M ore research w ork related to it is being under way in our lab .T his w ork is jointly suppor ted by the National Key Project for Basic Research o f China (grant No .G 2003cb312205)and the Na tio nal Science Foundation of China (g rant N o .60174018,90205008,60305008).733胡凌云等:双足机器人步态控制研究方法综述。
