[發明專利]一種仿人機器人摔倒預測方法

在審

• 申請號: 202010150780.3
• 申請日: 2020-03-06
• 公開（公告）號: CN111291831A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 黃強;吳桐;陳學超;余張國;秦鳴悅;李慶慶
• 申請（專利權）人: 北京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京智造力知識產權代理有限公司 32382
• 代理人: 杜丹

本發明提供了一種仿人機器人摔倒預測方法，采集機器人朝向不同方位摔倒和穩定時的狀態數據，形成SVM訓練數據集并訓練得到SVM分類器；將機器人的狀態數據輸入訓練好的SVM分類器，SVM分類器輸出分類結果；在SVM分類器輸出分類結果后的判斷緩沖時間內，統計被判斷為即將摔倒的周期占總控制周期數的比例，根據比例輸出最終確定機器人摔倒預測結果。本發明獲取訓練數據集的方法簡單且能夠應用在機器人運動時的摔倒預測方法。

技術領域

本發明涉及仿人機器人技術領域，尤其涉及一種仿人機器人摔倒預測方法。

背景技術

盡管現今仿人機器人在平整地面無擾動環境能夠很好的穩定行走，但在受較大擾動時機器人常常因為不穩定導致摔倒。機器人需要具有針對擾動的檢測機制，即仿人機器人需要及時檢測是否會發生摔倒情況，從而阻止摔倒發生或采取保護動作減少機器人的損傷。

現有技術中，雖然也有相關仿人機器人摔倒預測的方法，如論文“Zero StepCapturability for Legged Robots in Multicontact”描述一種使用摩擦錐約束進行摔倒預測的方法，能夠在穩定站立時進行摔倒預測。再有論文“learning to predicthumanoid fall”描述了一種使用機器學習方法對仿人機器人摔倒進行預測的方法。該方法采用決策樹預測模型進行預測，能夠實現機器人在運動過程中預測摔倒。

目前基于物理模型的摔倒預測方法存在僅在機器人穩定站立時才能得到較好效果的問題，接觸點發生滑動則不能準確預測。基于機器學習的方法需要用到包括COM位移、角動量等運動數據，比較難以獲得。并且該方法根據腳底與地面的接觸狀態不同需要訓練16個分類器，一方面需要獲得大量摔倒過程中的數據作為訓練數據集，另一方面收集數據時容易損壞機器人。

發明內容

針對現有技術中存在不足，本發明提供了一種仿人機器人摔倒預測方法，通過較為簡單的方法獲取訓練數據集，又能夠應用在機器人運動時的摔倒預測方法。

本發明是通過以下技術手段實現上述技術目的的。

一種仿人機器人摔倒預測方法，采集機器人朝向不同方位摔倒和穩定時的狀態數據，形成SVM訓練數據集并訓練得到SVM分類器；將機器人的狀態數據輸入訓練好的SVM分類器，SVM分類器輸出分類結果；在SVM分類器輸出分類結果后的判斷緩沖時間內，統計被判斷為即將摔倒的周期占總控制周期數的比例，根據比例輸出最終確定機器人摔倒預測結果。

進一步，獲取所述狀態數據的方法為：在機器人穩定站立時，向某一個方向用力推動機器人使之摔倒，截取開始用力至機器人完全倒地之間的所有狀態數據作為摔倒數據集并打上摔倒標簽；選擇合適的推力，使機器人盡量接近不穩定的邊緣但未摔倒，同樣獲取狀態數據作為穩定數據集并打上穩定的標簽，并將帶有標簽的摔倒數據集和穩定數據集作為SVM分類器的訓練數據集；

進一步，所述狀態數據包括機器人x軸、y軸、z軸的速度和加速度以及ZMP與當前支撐面邊界的距離，并組成7維特征向量；

進一步，所述ZMP與當前支撐面邊界的距離的計算方法是根據腳底力、力矩數據計算得出機器人ZMP位置，同時根據機器人速度方向以及腿部各關節角度計算得出ZMP與當前支撐面邊界的距離；

進一步，在分類器每次做出摔倒判斷后的0.2s為所述判斷緩沖時間。

進一步，當SVM分類器判斷為摔倒的周期占比大于90％，則最終判斷為即將摔倒，否則仍判斷為穩定。

有益效果：

1、本發明主要解決的技術問題是仿人機器人受到外界擾動時的摔倒預測問題，即在機器人倒地前一段時間內做出摔倒預警，提示機器人轉換運動狀態或執行保護動作保護關鍵部位不受損壞。