仿人机器人平衡技巧学习与优化研究及实验验证

Walking is the basic skill of a humanoid robot. Most of the current walking control methods adopt pre-defined foot and center of mass trajectories, and control the robot with simplifed dynamics model. These methods usually cannot resist with external disturbance and lack adaptation to the environment changes, and therefore can be hardly used in real on-field applications. This research will study mechanism of the balancing skills in human walking, and explore control method of using active balancing skills to resist with external disturbance under unstructured and uncertain environment. The research contents include: (1) Dynamics modeling of local-acceleration balancing skills and supporting-polyhedron modification balancing skills; (2) Control architecture and mechanism of multiple balancing skills cooperation; (3) Sample-efficient online skill learning algorithm when the analytical gradient of cost function does not exist; (4) Experimental design and validation for typical environment and typical behavior. The project is targeted at exploring new theory and technology of humanoid walking control, breaking through the bottle-neck of humanoid robot real application, and solving the basic and key problem of the adaptation of humanoid walking control. The result is critical for the production of new-generation humanoid robot, development of on-field and sevice robot, assisting robot and space robot etc.

行走是仿人机器人的基本技能。目前的行走控制方法大多通过预先规划脚掌和质心轨迹，基于简化的动力学模型进行控制。这类预先定义轨迹的控制方法缺乏对外部扰动和环境参数变化的主动适应能力，无法应用于真实的现场环境。本研究拟借鉴人类鲁棒行走中的各种平衡技巧的机理，探索仿人机器人在非结构、不确定环境下通过主动平衡技巧抵抗外部扰动的控制方法。研究内容包括：（1）局部加速平衡技巧和修改支撑多面体平衡技巧的动力学建模;（2）多平衡技巧控制结构及协同机理；（3）无解析梯度信息情况下的高效在线技巧学习算法；（4）针对典型环境、典型行为的实验设计与验证。项目意在探索仿人机器人行走控制新的理论和方法，突破仿人机器人真实应用瓶颈，解决仿人机器人最基础也是最关键的行走控制环境适应性问题。这对研制新一代高性能仿人机器人，促进现场和服务机器人、助老助残机器人及空间机器人的开发和应用都具有极其重要的意义。

足式机器人由于能够完成更为复杂的行为、跨越障碍与沟壑等不连续地面，相对轮式机器人更能适应自然与人类社会环境，因此具有更为广阔的应用价值。本研究借鉴了人类鲁棒行走中的各种平衡技巧的机理，探索仿人机器人在非结构、不确定环境下通过主动平衡技巧抵抗外部扰动的控制方法，取得了一系列的研究成果，部分研究成果如下：（1）提出了基于自修正的三维倒立摆模型(LIPM)的仿人机器人行走控制方法，利用策略梯度下降法对倒立摆的输入参数进行优化和修正，使得机器人在受到较大外力冲击或地面条件发生改变的情况下，能够及时地调整步态和身体姿态，并获取平衡。（2）研究了基于分解动量控制法的机器人运动规划，利用分解动量控制法(RMC)建立了机器人关节空间与动量之间的线性关系，同时基于冗余系统多任务优先级框架，将动量规划任务引入任务空间，与机器人末端轨迹跟踪任务相结合，实现了平衡的全身运动。（3）提出了一套灵活、统一的仿人机器人局部加速平衡技巧的模型和算法，提出了技巧学习和平衡技巧实时优化方法。提出一种基于异方差稀疏高斯过程模型(HSpGP)的落脚点补偿器和模型的局部更新方法，局部更新方法具有计算复杂度小、学习速率快的优点，为仿人机器人落脚点补偿器的在线学习提供了数学基础。（4）提出了仿人机器人固有约束模型与避免策略，实现平衡技巧与约束避免的融合。针对仿人机器人的鲁棒行走问题，设计了典型实验，开展仿人机器人鲁棒行走控制的实验测试与验证。按计划完成了项目预定的全部研究内容，针对本项目研究内容和关键问题，在国际/国内杂志发表论文15篇，在国内外学术会议发表论文13篇，提交国家发明专利和软件著作权8项，授权3项。举办国际会议一次。通过本项目培养了研究生9名，其中毕业博士2名，在读博士5名，毕业硕士2名，培养青年教师2名。融入本项目研究成果的同济大学仿人机器人足球队连续四年荣获Robocup标准平台组全国冠军，并获2018年世界杯标准平台组季军，取得国内机器人足球队在该组别的历史最好成绩。部分成果支持编写专著一本，支持获上海市自然科学一等奖1项。项目突破了仿人机器人真实应用瓶颈，解决了仿人机器人最基础也是最关键的行走控制平衡问题。这对研制新一代高性能仿人机器人，促进现场和服务机器人、助老助残机器人及空间机器人的开发和应用都具有极其重要的意义。

内容获取失败，请点击重试