[發明專利]一種仿人機器人步態平衡模型建立的方法

在審

• 申請號: 201910176217.0
• 申請日: 2019-03-08
• 公開（公告）號: CN109968355A
• 公開（公告）日: 2019-07-05
• 發明（設計）人: 于建均;李晨;左國玉;王洋;阮曉鋼;李緒晨
• 申請（專利權）人: 北京工業大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明涉及一種人體示教與機器學習相結合的仿人機器人步態規劃方法，屬于人工智能與機器人控制領域。本發明將人體示教和支持向量回歸學習算法相結合應用在仿人機器人的步態規劃中，基于支持向量回歸算法構建仿人機器人步態平衡泛化模型，將人體完成步行動作時的關節角度和ZMP信息輸入步態平衡泛化模型，可直接得到經穩定性補償的關節角度。引用WOA優化模型的參數以使模型得到最優的泛化效果，完善步態平衡模型的性能。利用步態平衡泛化模型得到的關節角度驅動NAO仿人機器人可使其完成穩定步行動作。本發明降低了仿人機器人步態模仿算法的復雜度，提高了實時性，并且保留了仿人機器人步行動作的穩定性和擬人性。

技術領域

本發明涉及一種仿人機器人步態平衡模型建立的方法，屬于人工智能與機器人控制領域。

背景技術

仿人機器人由于擁有與人體結構相似的雙足式結構，可以較好的適應輪式機器人難以適應的高低落差較大的地形場景，且在崎嶇多變的地形環境中機動性好，因此仿人機器人可以代替人類在復雜和危險的環境下工作，同時也被廣泛應用到服務，醫療康復和教育娛樂等多個領域。因此仿人機器人的研究也就成為了機器人領域的重要研究方向之一，目前傳統依據仿人動力學模型進行步態規劃有著計算量大，環境適應性差，運動模式單一的缺點，使用人體示教的方式可以使仿人機器人步行動作自然，并且可以通過示教不同的動作提高環境適應性，但由于仿人機器人與人體質量分布不同若要保持穩定需要進行關節補償角的計算，計算量大的問題并沒有得到根本解決，使用機器學習構建“模型”思想，則大大減少了傳統算法的運算量和計算過程，但是動作仍然存在僵硬單一的缺點。

面對上述仿人機器人步態規劃存在的問題，考慮將人體示教與機器學習相結合，構建仿人機器人步態平衡泛化模型。通過對人體步行動作的信息采集，將示教信息輸入到步態平衡泛化模型中，通過訓練可以直接由模型輸出經穩定性補償后的關節角度驅動仿人機器人完成穩定步行，使其能在大大減少計算量的同時保留步行動作的自然性和穩定性。

雖然通過人體示教與機器學習相結合的方式能解決傳統算法存在的問題，但由于機器學習算法模型具體構建的問題，如何使構建出的步態平衡模型具有良好的泛化能力成為了關鍵問題，仿人機器人步態平衡模型的構建面臨如下三個具體問題：(1)由于體感采集器的限制，需要選擇一種小樣本的機器學習算法作為步態平衡模型的基礎(2)需要使用優化算法，選取機器學習算法中的最佳參數，使模型的泛化效果最佳(3)需要在人體示教動作中提取并選擇合適的示教信息作為步態平衡模型的輸入。針對以上存在的問題，提出一種仿人機器人步態平衡模型構建的方法，使仿人機器人通過人體示教數據輸入步態平衡模型直接得到經穩定性補償的機器人關節角度，使仿人機器人實現穩定且自然的步行動作。

發明內容

本發明將機器學習與人體示教相結合，提出一種仿人機器人步態平衡泛化模型的構建方法。流程如圖1所示，捕捉人體運動過程的骨骼點數據，通過空間向量法計算人體運動的關節角度信息和ZMP信息，應用傳統算法計算穩定性補償角度構成測試集和訓練集，基于支持向量回歸算法構建步態平衡泛化模型，對模型輸入人體示教信息，使用WOA對模型的三個參數進行尋優得到最佳泛化效果的參數，通過模型可直接泛化得到經穩定性補償后的機器人的關節角度，以此驅動機器人可完成穩定自然的步行動作。具體實現過程如下：

(1)使用Kinect2.0采集人體在平地中完成穩定步行動作的25個關節的空間位置(Kinect坐標系中的x，y，z)序列，并使用空間向量法求取各個關節的角度，以左腿為例需求取左踝關節俯仰角和滾動角，左膝關節俯仰角以及左胯關節俯仰角和滾動角5個自由度，共進行全身19個自由度的關節角度計算。

(2)ZMP(零力矩點)判據是判定仿人機器人行走是否穩定的關鍵信息，由于人體示教的行走動作為穩定動作，因此將示教行走時支撐腳骨骼點(foot right或foot left)的三維坐標作為人體示教的x向，y向，z向ZMP信息。