仿人机器人步行规划及控制的研究与实现
发布时间：2020-07-19 03:01
【摘要】：仿人机器人因其独特的外观结构和灵活强大的功能一直是智能机器人技术领域中热门的研究方向。仿人机器人步行功能的实现也为其他上层功能的展开提供了基础。尽管目前存在一系列针对实现仿人机器人在平整地面环境下稳定步行功能的理论和方法,但是在非平整地面条件下,仿人机器人步行规划的效果仍有待提高。针对这个问题,本文对仿人机器人步行规划和控制进行了研究,提出了在不平整地形环境下也能有效规划出合理落脚点的路径规划算法,同时结合深度强化学习对传统的预观控制方法进行改进,设计了改进的预观控制器,让仿人机器人能够根据已经规划好的路径平稳行走。本文主要的研究工作包括以下几个方面:1)提出了基于地形环境的自适应路径规划算法。利用传感器感知地面环境建立点云地图,并进行参数化描述。针对不同的地面环境情况,设计了多种步态集合用于自适应路径搜索,高效地完成不平整路面环境下路径规划的目标。2)提出了基于深度强化学习和预观控制的步态规划方法。首先分析了传统预观控制理论的缺点,同时在深度强化学习的基础上设计了改进预观控制算法,从而解决仿人机器人在不平整环境下平稳行走的问题。此外根据仿人机器人的步行特点,提出机器人行走时的手臂摆动策略,让机器人的步行运动更加自然和稳定。3)设计了改进的适用于仿人机器人的步行控制器。在提出的改进预观控制算法的基础上,结合仿人机器人实际的步态规划和平衡控制方法,描述了一种改进的仿人机器人步行控制器,对仿人机器人在不平整地面上的行走进行有效地规划和控制。4)设计并实现了一套仿人机器人步行运动系统,主要包括地图创建模块,路径规划模块和步行运动模块,实现了用户和仿人机器人之间操作上的交互。实验结果表明,本文提出的路径规划方法能够较为有效地在不平整甚至是复杂环境下为机器人搜索和规划出合理的落脚点;本文提出的基于深度强化学习和预观控制方法能够比较成功地对仿人机器人的步行运动进行规划和控制。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242
【图文】：
图 1-1 仿人机器人模型.2 国内外研究现状.2.1 路径规划研究现状根据是否用到环境信息可以把仿人机器人的路径规划方法大致分为两类。第一类简单，无障碍物的环境下规划。通常来说，算法可以根据提前设置好的参数生成适该环境的落脚点，进而产生出一条路径，帮助机器人在平面，斜坡，甚至是楼梯上规划[8-12]。第二类则需要通过传感器（激光，深度相机等）感知环境，获取环境中物的位置等，为规划提供更多的信息。Stumpf 等人[13]提出了一种集合感知建模和 划的步态规划系统。该系统使用传感器获取数据从而对周围环境进行建模。在规划中，结合地面信息对生成的步态进行多重检查来确保合法性，也可以人为地对步态进行调整。Kanoulas 等人[14, 15]在文献[13]的基础上，用二次曲面拟合不平整的地面具体规划时，根据拟合的曲面调整落脚点的位姿来获取最佳结果。Karkowski 等人 A*算法和 3D 动作集合结合起来，在展开节点时，考虑地形的高度，系统地展开合
线性倒立摆模型 (b) 双连杆的线性倒立摆模型 (c)桌子-小车模型图 1-2 几种常见的仿人机器人运动模型图 1-2(c)所示，桌子-小车模型[30]假设一个质量为 m 的小车，在一张质量子边缘行驶。当小车以一定的加速度冲向边缘时，有一瞬间整个系统保腿与地面接触的点可以视作整个系统的 ZMP 点。对整个系统建模可以求。预观控制理论[30]就是基于桌子-小车模型所提出来的一种仿人机器人步预观控制器利用未来的 ZMP 点信息，对当前的系统输出进行调整来求得而预观控制理论用到理想情况下的 ZMP 点信息，容易造成误差。为了弥献[31]提出用逆系统计算辅助 ZMP 点，弥补了真实情况和理想之间的误差器人可以在不平整地面上的平稳步行。Urbann 等人[32]修改了预先定义的步化和预观控制器结合起来，提出了一种能够让仿人机器人在扰动下重新恢。文献[33]采用七连杆模型计算出真实的 ZMP 点，根据预先规划的 ZMP真实值的差距作为预观控制补偿系统的输入，计算出机器人质心轨迹的
第二章 相关技术概述树的分辨率。如图 2-1 所示，如果下面这个大的立方体表示整体的外部空间，把这个大立方体的每个平面平均切成四片，那么这个大立方体就会被分成八个体积相同的小立方体。不断重复这个步骤，直到最小的立方体的体积达到预先设定的阈值。那么，按照从最大空间划分到最小空间的整个过程就能生成一棵八叉树。其中，最大的立方体是整棵树的根节点，最小的立方体（图 2-1 中蓝色的立方体）则可以视作叶子结点。在 Octotree中，当从上一层节点走向下一层节点时，地图的体积就会扩展为原来的 8 倍。如果叶子节点的方块大小为1cm3，那么一棵深度为10的Octotree建模体积大约为810cm3=1073m3，可以看出树的体积与深度呈指数关系，使用更大的深度会导致建模体积增长得非常快。
本文编号：2761807
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242
【图文】：
图 1-1 仿人机器人模型.2 国内外研究现状.2.1 路径规划研究现状根据是否用到环境信息可以把仿人机器人的路径规划方法大致分为两类。第一类简单，无障碍物的环境下规划。通常来说，算法可以根据提前设置好的参数生成适该环境的落脚点，进而产生出一条路径，帮助机器人在平面，斜坡，甚至是楼梯上规划[8-12]。第二类则需要通过传感器（激光，深度相机等）感知环境，获取环境中物的位置等，为规划提供更多的信息。Stumpf 等人[13]提出了一种集合感知建模和 划的步态规划系统。该系统使用传感器获取数据从而对周围环境进行建模。在规划中，结合地面信息对生成的步态进行多重检查来确保合法性，也可以人为地对步态进行调整。Kanoulas 等人[14, 15]在文献[13]的基础上，用二次曲面拟合不平整的地面具体规划时，根据拟合的曲面调整落脚点的位姿来获取最佳结果。Karkowski 等人 A*算法和 3D 动作集合结合起来，在展开节点时，考虑地形的高度，系统地展开合
线性倒立摆模型 (b) 双连杆的线性倒立摆模型 (c)桌子-小车模型图 1-2 几种常见的仿人机器人运动模型图 1-2(c)所示，桌子-小车模型[30]假设一个质量为 m 的小车，在一张质量子边缘行驶。当小车以一定的加速度冲向边缘时，有一瞬间整个系统保腿与地面接触的点可以视作整个系统的 ZMP 点。对整个系统建模可以求。预观控制理论[30]就是基于桌子-小车模型所提出来的一种仿人机器人步预观控制器利用未来的 ZMP 点信息，对当前的系统输出进行调整来求得而预观控制理论用到理想情况下的 ZMP 点信息，容易造成误差。为了弥献[31]提出用逆系统计算辅助 ZMP 点，弥补了真实情况和理想之间的误差器人可以在不平整地面上的平稳步行。Urbann 等人[32]修改了预先定义的步化和预观控制器结合起来，提出了一种能够让仿人机器人在扰动下重新恢。文献[33]采用七连杆模型计算出真实的 ZMP 点，根据预先规划的 ZMP真实值的差距作为预观控制补偿系统的输入，计算出机器人质心轨迹的
第二章 相关技术概述树的分辨率。如图 2-1 所示，如果下面这个大的立方体表示整体的外部空间，把这个大立方体的每个平面平均切成四片，那么这个大立方体就会被分成八个体积相同的小立方体。不断重复这个步骤，直到最小的立方体的体积达到预先设定的阈值。那么，按照从最大空间划分到最小空间的整个过程就能生成一棵八叉树。其中，最大的立方体是整棵树的根节点，最小的立方体（图 2-1 中蓝色的立方体）则可以视作叶子结点。在 Octotree中，当从上一层节点走向下一层节点时，地图的体积就会扩展为原来的 8 倍。如果叶子节点的方块大小为1cm3，那么一棵深度为10的Octotree建模体积大约为810cm3=1073m3，可以看出树的体积与深度呈指数关系，使用更大的深度会导致建模体积增长得非常快。
【参考文献】
相关期刊论文 前1条
1 李敬;黄强;余张国;王化平;张思;马淦;许威;;人体步行规律与仿人机器人步态规划[J];中国科学:信息科学;2012年09期
相关博士学位论文 前1条
1 易江;仿人机器人的步行平衡控制[D];浙江大学;2017年
相关硕士学位论文 前7条
1 陈柏良;双足机器人步态规划及其应用研究[D];广东工业大学;2018年
2 郭毅;基于ROS和脑电的无人机远程控制与实现[D];西安电子科技大学;2018年
3 冯里千;移动机器人自主探索环境定位导航技术的研究与实现[D];华南理工大学;2018年
4 张博闻;仿人机器人能量最优步态的测地线方法研究[D];大连交通大学;2017年
5 张雨;仿人机器人的设计与研究[D];青岛科技大学;2017年
6 陈奇石;强化学习在仿人机器人行走稳定控制上的研究及实现[D];华南理工大学;2016年
7 李通通;基于预观控制的仿人机器人步态规划与稳定控制[D];北京理工大学;2016年
本文编号：2761807
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2761807.html
