关键词：
仿人机器人
双足步态
动态运动控制
最优控制
拟人运动
动力学不匹配
摘要：
仿人机器人是一类具备接近人类外形特征和运动能力,并且拥有感知、学习和认知能力的机器人,能适应人类的非结构工作环境,具有广泛的应用价值。然而,在非结构环境中的非平稳地形和随机不确定干扰是阻碍仿人机器人应用的两大难题。本文以自主开发的双足仿人机器人平台为对象,受到人类自适应环境协调身体姿态稳定运动的启发,以实现在非结构环境中稳定移动和拟人运动为研究目的。开展研究路线为,首先实现仿人机器人鲁棒运动,再进一步提高运动控制算法的自适应性,最后实现仿人机器人动作的拟人化。这一过程需要解决仿人机器人平台稳定行走、动态跳跃、自适应控制和动作拟人化等问题。主要工作包括以下几个部分:
(1)针对仿人机器人小足底支撑域面积在非结构环境容易失稳摔倒的问题,本文提出了一种在扰动状态下结合模型预测控制器更新末端足步落脚点步态序列的方法。该方法首先基于倒立摆模型协调下肢关节自由度生成非稳定的基本步态模式,通过捕获点反馈扰动的合力方向来动态调整足步落脚点,使得机器人躯干保持稳定状态,随后基于模型预测控制在线重规划求解质心和零力矩点轨迹。实验结果表明,与基于模型的步态模式生成方法相比,本文提出的方法能够更稳定地规划和跟踪质心和末端点的位置和速度轨迹,同时单步轨迹规划的求解效率更高。
(2)针对倒立摆模型无法协调上肢关节自由度生成稳定动态的跳跃运动的问题,本文提出了一种结合稳定性判据的全身轨迹优化方法。该方法将跳跃运动划分为离线运动规划和轨迹跟踪两个阶段。在离线运动规划阶段输入控制序列和约束稳定条件,然后基于差分动态规划的全身轨迹优化最优控制算法求解非连续的高动态运动控制序列。在轨迹跟踪阶段基于逆动力学与关节状态反馈跟踪上一阶段控制序列。实验结果表明,相较于弹簧倒立摆模型算法,所提出的方法实现了跳跃运动规划,并且在同等跳跃高度下实现了更稳定的跳跃着地。
(3)针对非结构环境下运动控制方法需要参数辨识不具有自适应性的问题,本文提出了结合人形动作对称特性和周期性的运动学习方法。该方法通过仿人机器人运动模型的先验知识,惩罚机器人在学习过程中学习到的不规范动作,减少学习过程中陷入局部最优的概率进而提高了数据的采样利用率。随后针对仿真运动策略部署到实际机器人泛化能力不足与鲁棒性差的问题,基于仿真过程中引入动力学参数域随机化的方法,实现了机器人样机上在非平稳路面的行走运动。实验结果表明,对比无先验信息学习的运动控制器,本文的控制方法具有双足台阶行走和行走抗推恢复能力,同时具有行走的周期性和对称性,避免了冗余动作生成的问题。
(4)针对机器人与人体模型之间存在的动力学不匹配问题,本文提出了基于隐式残差力矩的动力学不匹配补偿方法。该方法引入人体动作捕捉信息进一步提升了机器人运动的拟人度。首先通过动作重定向方法,将动作捕捉数据从人体结构映射到了机器人模型上,减少了形态学上的差异,提高了动作的还原度。然后基于在动作空间中添加外部力矩补偿动力学不匹配,使得机器人动作与重定向后的动作帧在形态学上更相似。实验结果表明,相较于现有学习方法,所提方法具有更高的学习效率和奖励值,通过并成功在仿人机器人样机上实现了拟人化的步态。
综上所述,本文系统性研究了仿人机器人运动特性,实现了非结构环境下的抗扰动、跳跃、走台阶和拟人运动,这些研究为机器人后续适应复杂环境下的任务作业提供了基础。
欢迎来到三峡大学图书馆！
