【摘要】：仿人機器人因其獨特的外觀結(jié)構(gòu)和靈活強大的功能一直是智能機器人技術(shù)領(lǐng)域中熱門的研究方向。仿人機器人步行功能的實現(xiàn)也為其他上層功能的展開提供了基礎(chǔ)。盡管目前存在一系列針對實現(xiàn)仿人機器人在平整地面環(huán)境下穩(wěn)定步行功能的理論和方法,但是在非平整地面條件下,仿人機器人步行規(guī)劃的效果仍有待提高。針對這個問題,本文對仿人機器人步行規(guī)劃和控制進(jìn)行了研究,提出了在不平整地形環(huán)境下也能有效規(guī)劃出合理落腳點的路徑規(guī)劃算法,同時結(jié)合深度強化學(xué)習(xí)對傳統(tǒng)的預(yù)觀控制方法進(jìn)行改進(jìn),設(shè)計了改進(jìn)的預(yù)觀控制器,讓仿人機器人能夠根據(jù)已經(jīng)規(guī)劃好的路徑平穩(wěn)行走。本文主要的研究工作包括以下幾個方面:1)提出了基于地形環(huán)境的自適應(yīng)路徑規(guī)劃算法。利用傳感器感知地面環(huán)境建立點云地圖,并進(jìn)行參數(shù)化描述。針對不同的地面環(huán)境情況,設(shè)計了多種步態(tài)集合用于自適應(yīng)路徑搜索,高效地完成不平整路面環(huán)境下路徑規(guī)劃的目標(biāo)。2)提出了基于深度強化學(xué)習(xí)和預(yù)觀控制的步態(tài)規(guī)劃方法。首先分析了傳統(tǒng)預(yù)觀控制理論的缺點,同時在深度強化學(xué)習(xí)的基礎(chǔ)上設(shè)計了改進(jìn)預(yù)觀控制算法,從而解決仿人機器人在不平整環(huán)境下平穩(wěn)行走的問題。此外根據(jù)仿人機器人的步行特點,提出機器人行走時的手臂擺動策略,讓機器人的步行運動更加自然和穩(wěn)定。3)設(shè)計了改進(jìn)的適用于仿人機器人的步行控制器。在提出的改進(jìn)預(yù)觀控制算法的基礎(chǔ)上,結(jié)合仿人機器人實際的步態(tài)規(guī)劃和平衡控制方法,描述了一種改進(jìn)的仿人機器人步行控制器,對仿人機器人在不平整地面上的行走進(jìn)行有效地規(guī)劃和控制。4)設(shè)計并實現(xiàn)了一套仿人機器人步行運動系統(tǒng),主要包括地圖創(chuàng)建模塊,路徑規(guī)劃模塊和步行運動模塊,實現(xiàn)了用戶和仿人機器人之間操作上的交互。實驗結(jié)果表明,本文提出的路徑規(guī)劃方法能夠較為有效地在不平整甚至是復(fù)雜環(huán)境下為機器人搜索和規(guī)劃出合理的落腳點;本文提出的基于深度強化學(xué)習(xí)和預(yù)觀控制方法能夠比較成功地對仿人機器人的步行運動進(jìn)行規(guī)劃和控制。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP242
【圖文】：

圖 1-1 仿人機器人模型.2 國內(nèi)外研究現(xiàn)狀.2.1 路徑規(guī)劃研究現(xiàn)狀根據(jù)是否用到環(huán)境信息可以把仿人機器人的路徑規(guī)劃方法大致分為兩類。第一類簡單，無障礙物的環(huán)境下規(guī)劃。通常來說，算法可以根據(jù)提前設(shè)置好的參數(shù)生成適該環(huán)境的落腳點，進(jìn)而產(chǎn)生出一條路徑，幫助機器人在平面，斜坡，甚至是樓梯上規(guī)劃[8-12]。第二類則需要通過傳感器（激光，深度相機等）感知環(huán)境，獲取環(huán)境中物的位置等，為規(guī)劃提供更多的信息。Stumpf 等人[13]提出了一種集合感知建模和 劃的步態(tài)規(guī)劃系統(tǒng)。該系統(tǒng)使用傳感器獲取數(shù)據(jù)從而對周圍環(huán)境進(jìn)行建模。在規(guī)劃中，結(jié)合地面信息對生成的步態(tài)進(jìn)行多重檢查來確保合法性，也可以人為地對步態(tài)進(jìn)行調(diào)整。Kanoulas 等人[14, 15]在文獻(xiàn)[13]的基礎(chǔ)上，用二次曲面擬合不平整的地面具體規(guī)劃時，根據(jù)擬合的曲面調(diào)整落腳點的位姿來獲取最佳結(jié)果。Karkowski 等人 A*算法和 3D 動作集合結(jié)合起來，在展開節(jié)點時，考慮地形的高度，系統(tǒng)地展開合

線性倒立擺模型 (b) 雙連桿的線性倒立擺模型 (c)桌子-小車模型圖 1-2 幾種常見的仿人機器人運動模型圖 1-2(c)所示，桌子-小車模型[30]假設(shè)一個質(zhì)量為 m 的小車，在一張質(zhì)量子邊緣行駛。當(dāng)小車以一定的加速度沖向邊緣時，有一瞬間整個系統(tǒng)保腿與地面接觸的點可以視作整個系統(tǒng)的 ZMP 點。對整個系統(tǒng)建�？梢郧蟆ｎA(yù)觀控制理論[30]就是基于桌子-小車模型所提出來的一種仿人機器人步預(yù)觀控制器利用未來的 ZMP 點信息，對當(dāng)前的系統(tǒng)輸出進(jìn)行調(diào)整來求得而預(yù)觀控制理論用到理想情況下的 ZMP 點信息，容易造成誤差。為了彌獻(xiàn)[31]提出用逆系統(tǒng)計算輔助 ZMP 點，彌補了真實情況和理想之間的誤差器人可以在不平整地面上的平穩(wěn)步行。Urbann 等人[32]修改了預(yù)先定義的步化和預(yù)觀控制器結(jié)合起來，提出了一種能夠讓仿人機器人在擾動下重新恢。文獻(xiàn)[33]采用七連桿模型計算出真實的 ZMP 點，根據(jù)預(yù)先規(guī)劃的 ZMP真實值的差距作為預(yù)觀控制補償系統(tǒng)的輸入，計算出機器人質(zhì)心軌跡的

第二章 相關(guān)技術(shù)概述樹的分辨率。如圖 2-1 所示，如果下面這個大的立方體表示整體的外部空間，把這個大立方體的每個平面平均切成四片，那么這個大立方體就會被分成八個體積相同的小立方體。不斷重復(fù)這個步驟，直到最小的立方體的體積達(dá)到預(yù)先設(shè)定的閾值。那么，按照從最大空間劃分到最小空間的整個過程就能生成一棵八叉樹。其中，最大的立方體是整棵樹的根節(jié)點，最小的立方體（圖 2-1 中藍(lán)色的立方體）則可以視作葉子結(jié)點。在 Octotree中，當(dāng)從上一層節(jié)點走向下一層節(jié)點時，地圖的體積就會擴展為原來的 8 倍。如果葉子節(jié)點的方塊大小為1cm3，那么一棵深度為10的Octotree建模體積大約為810cm3=1073m3，可以看出樹的體積與深度呈指數(shù)關(guān)系，使用更大的深度會導(dǎo)致建模體積增長得非常快。

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 李敬;黃強;余張國;王化平;張思;馬淦;許威;;人體步行規(guī)律與仿人機器人步態(tài)規(guī)劃[J];中國科學(xué):信息科學(xué);2012年09期

相關(guān)博士學(xué)位論文 前1條

1 易江;仿人機器人的步行平衡控制[D];浙江大學(xué);2017年

相關(guān)碩士學(xué)位論文 前7條

1 陳柏良;雙足機器人步態(tài)規(guī)劃及其應(yīng)用研究[D];廣東工業(yè)大學(xué);2018年

2 郭毅;基于ROS和腦電的無人機遠(yuǎn)程控制與實現(xiàn)[D];西安電子科技大學(xué);2018年

3 馮里千;移動機器人自主探索環(huán)境定位導(dǎo)航技術(shù)的研究與實現(xiàn)[D];華南理工大學(xué);2018年

4 張博聞;仿人機器人能量最優(yōu)步態(tài)的測地線方法研究[D];大連交通大學(xué);2017年

5 張雨;仿人機器人的設(shè)計與研究[D];青島科技大學(xué);2017年

6 陳奇石;強化學(xué)習(xí)在仿人機器人行走穩(wěn)定控制上的研究及實現(xiàn)[D];華南理工大學(xué);2016年

7 李通通;基于預(yù)觀控制的仿人機器人步態(tài)規(guī)劃與穩(wěn)定控制[D];北京理工大學(xué);2016年

本文編號：2761807