版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
第3章四足机器人的具身智能实现《具身智能》本章目录3.1四足机器人认知与系统架构3.2四足机器人核心具身技术3.3四足机器人的实践开发与调试2/69本章导读与学习目标导读四足机器人凭借仿生步态、地形适应性强的核心优势,成为具身智能技术落地的核心载体,广泛覆盖工业巡检、应急救援、农业运输、特种作业等多元场景,弥补了轮式机器人在非结构化环境中的作业短板。知识目标:✅掌握四足机器人具身特性、系统架构与核心组成✅理解四足机器人主要具身智能技术原理与控制逻辑✅熟悉四足机器人开发流程、调试方法与验证思路能力目标:✅能分析四足机器人系统架构与各模块功能关系✅能描述并解释环境感知、步态控制等关键技术✅能完成基础算法调试与典型场景的应用验证素养目标:✅树立机器人技术与工程实践相结合的科学理念✅培养严谨规范的机器人开发与调试工程素养✅增强面向复杂场景的创新应用与问题解决意识3/693.1四足机器人认知与系统架构3.1.1四足机器人的具身特性与应用场景1.四足机器人的仿生躯体图3-1所示为四足机器人的典型外观,它包括如下部分:a.头部。具有前向感知与防护外壳。b.激光雷达。可以进行环境感知和避障。c.机身。一般采用碳纤维复合材料、镁铝合金框架,具备抗扭刚性。d.髋关节。具有俯仰、横滚、偏航等自由度执行单元,常见的单关节扭矩为30N・m,俯仰角度范围–90°至+90°,横滚角度范围–45°至+45°,偏航角度范围-180°至+180°。e.大腿。作为承力连杆,内置伺服电机与谐波减速器,确保高传动效率。f.膝关节。单关节常见的扭矩为20N・m,角度范围-120°至+30°。g.小腿。作为末端连杆,一般采用铝合金材质,具有轻量化、抗弯折特点。h.支撑垫。采用高弹性橡胶,具备减振与防滑功能,落地时可吸收大部分冲击能量。i.足端。落地接触面,可更换脚垫和抓地纹。5/693.1.1四足机器人的具身特性与应用场景(续)图3-1四足机器人典型外观表3-1所示是宇树、云深处等几种四足机器人的主要性能参数,包括站立尺寸、整机重量、动力形式、最大载重、续航时间、最大速度、续航里程、最大爬坡、垂直越障和环境传感器等。6/693.1.1四足机器人的具身特性与应用场景(续)本页比较B2、Go2和X20的负载、速度、续航与传感配置,选型应同时考虑机体规模和实际任务。B2的120kg站立载重与40kg持续行走载重对应不同工况,不能混作同一性能指标。表3-1几种四足机器人的主要性能参数名称站立尺寸/mm整机重量/kg动力形式最大载重/kg续航时间/h最大速度/(m/s)续航里程/km最大爬坡/(°)垂直越障/cm环境传感器UnitreeB21098×450×64560.0全电驱动120(站立);40(持续行走)4-66.015-20>4540激光雷达×1深度相机×2光学相机×2UnitreeGo2700×310×40015.0全电驱动102-45.0—4016激光雷达×1光学相机×1“绝影”X20950×470×70053.0全电驱动20(持续作业)2-44.015.0≥3020激光雷达深度相机7/693.1.1四足机器人的具身特性与应用场景(续)Lite3、Spot与ANYmalX的重量、动力形式和传感配置各有不同,轻量化与工业感知能力应结合任务比较。Spot采用电动液压,ANYmalX配置激光雷达、深度相机及光学相机,反映不同平台的技术侧重。表3-1几种四足机器人的主要性能参数名称站立尺寸/mm整机重量/kg动力形式最大载重/kg续航时间/h最大速度/(m/s)续航里程/km最大爬坡/(°)垂直越障/cm环境传感器“绝影”Lite3610×370×44513.7全电驱动5(持续行走)1.5-2.0—2.740—激光雷达深度相机Spot1100×500×19132.7电动液压141.51.6—30—深度相机ANYmalX891×651×87260.1全电驱动—1-21.02.5——激光雷达×1深度相机×6光学相机×28/693.1.1四足机器人的具身特性与应用场景(续)2.全地形自适应运动具身图3-2展示了一个四足机器人在复杂、非结构化地形中实现稳定、自适应运动的技术路径,它将感知、规划、控制、执行等具身智能的核心有机地整合在一起,形成了一个闭环的智能运动系统。图3-2四足机器人的技术路径(1)感知层全地形适应的首要前提是四足机器人对自身状态和外部环境的精确感知。9/693.1.1四足机器人的具身特性与应用场景(续)(2)规划层在感知到地形和自身状态后,规划层负责将高层任务转化为可执行的、适应地形的运动轨迹。(3)控制层规划出的理想轨迹需要通过精确的控制来实现,同时要能应对地形带来的不确定性和扰动。3.四足机器人的应用场景四足机器人凭借其仿生腿部结构的灵活性、复杂地形通过能力,以及相较于轮式、履带式机器人更强的环境适配性,可替代人类完成高危、复杂、低效的作业任务,广泛应用于工业、安防、救援等多个领域。(1)特种救援场景如图3-3所示,作为救援领域的“无人先锋”,四足机器人可深入人类无法抵达的高危区域,规避救援人员伤亡风险,提升救援效率与覆盖面。10/693.1.1四足机器人的具身特性与应用场景(续)四足机器人可搭载红外热成像仪、气体传感器和摄像头,穿越废墟、陡坡与泥泞路段,搜寻人员并检测危险环境。它把现场画面和环境数据实时回传,为救援指挥提供依据,减少人员进入高危区域的风险。图3-3特种救援场景中的四足机器人11/693.1.1四足机器人的具身特性与应用场景(续)(2)工业巡检场景工业领域的管线、设备、厂区各类设施需定期巡检,传统人工巡检效率低、劳动强度大,且部分区域存在高危隐患,四足机器人可实现自主巡检和异常报警,包括数据采集处理存储、设备台账模型管理、巡视业务管理等,如图3-4所示为四足机器人的工业巡检场示意。图3-4四足机器人的工业巡检场示意12/693.1.1四足机器人的具身特性与应用场景(续)(3)安防警戒场景相较于摄像头、门禁等传统安防设备,四足机器人具备移动性优势,可实现大范围、无死角的安防警戒,适配室内外多种复杂场景,提升安防等级。(4)服务与民生场景随着机器人技术的普及,四足机器人逐渐走进民生领域,替代人工完成繁琐、重复性的服务任务,提升服务便捷度。(5)军事应用场景在军事领域,四足机器人凭借其出色的复杂地形通过能力与抗干扰能力,可承担侦察、物资运输、战场辅助等任务,提升战场作战效率,减少士兵伤亡。13/693.1.2四足机器人的机械结构、感知模块和驱动控制单元1.机械结构图3-5所示的机械结构是四足机器人的物理骨架,决定了负载、灵活性与环境适应能力,主要分为躯干、腿部、足部、材料与传动四部分。图3-5四足机器人的机械结构(1)躯干结构分刚性躯干和柔性躯干两种,其中刚性躯干结构简单、控制稳定,通常采用铝合金或碳纤维一体框架。14/693.1.2四足机器人的机械结构、感知模块和驱动控制单元(续)刚性躯干结构简单、控制稳定;柔性躯干采用仿生脊柱,以提升高速步态与越障能力,但设计更复杂。躯干内部还需容纳电池、主控制器和电源管理模块,并兼顾密封与散热。图3-6采用仿生脊柱的四足机器人15/693.1.2四足机器人的机械结构、感知模块和驱动控制单元(续)腿部关键部件通常采用高扭矩无刷伺服电机,配合谐波或行星减速器,兼顾控制精度与力矩密度。髋、膝关节采用对称布局,可降低运动控制复杂性,并根据地形与动作需求选择具体构型。图3-7腿部结构的自由度示意(2)腿部结构四足机器人标准仿生构型为每条腿3个主动自由度,即髋俯仰、髋偏航、膝俯仰,如图3-7所示。16/693.1.2四足机器人的机械结构、感知模块和驱动控制单元(续)髋、膝关节的对称分布,使双前腿与双后腿能够采用相同构型,从而降低运动控制的复杂性。腿部布局有前肘后膝、前膝后肘、前肘后肘和前膝后膝等形式,需结合地形与运动需求选用。图3-8四足机器人腿部关节拓扑构型17/693.1.2四足机器人的机械结构、感知模块和驱动控制单元(续)(3)足部结构四足机器人的足部结构包括踝关节和足端结构两部分。(4)材料与传动四足机器人连杆常用铝合金、碳纤维复合材料;2.感知模块感知是四足机器人的“五官”,通过多传感器融合实现本体状态感知、环境建模与定位等,核心组件如下。图3-9半圆型带弹性足垫18/693.1.2四足机器人的机械结构、感知模块和驱动控制单元(续)(1)惯性测量单元(IMU)集成三轴陀螺仪和三轴加速度计,高端加磁力计,用于四元数/欧拉角等姿态解算、角速度/线加速度测量,是平衡控制的核心。(2)关节与力反馈采用绝对式或增量式关节编码器来测关节的角度与速度,实现关节闭环;(3)环境感知传感器包括激光雷达、视觉模组和超声波、红外传感器。图3-10所示是复杂地形中的四足机器人视觉模组配置,1为前视相机组,主要负责地形的感知任务;图3-10复杂地形中的四足机器人视觉模组配置19/693.1.2四足机器人的机械结构、感知模块和驱动控制单元(续)3.驱动控制单元驱动控制是机器人的“神经与大脑”,分为驱动执行层、实时控制层、决策规划层三层架构,配合通信总线与软件栈。(1)驱动执行层。分布式关节驱动器支持CAN/EtherCAT总线,接收主控制器的力矩/位置指令,输出电流驱动电机,具备过流、过压、过热保护。(2)实时控制层。核心是实时嵌入式控制器,负责步态生成、模型预测控制(MPC)、平衡调节、关节闭环,一般要求毫秒级甚至亚毫秒级响应。(3)决策规划层。采用高性能计算平台,运行ROS/ROS2系统,完成SLAM、路径规划、行为决策、人机交互,软件算法包括基于深度学习的目标检测、强化学习步态优化、多模态感知融合。表3-2所示是小型消费级、中型工业级、大型重载级等三种四足机器人常用选配机械结构、感知模块和驱动控制的差异点。感知模块的频率与精度,是平衡控制与地形自适应的前提;20/693.1.2四足机器人的机械结构、感知模块和驱动控制单元(续)消费级平台侧重简化机构、低成本控制器与开源步态;工业及重载平台增加多传感器融合、实时控制和冗余配置。机械、感知与控制模块应随负载和环境复杂度协同升级,而非孤立选配。表3-2不同四足机器人常用选配模块差异点模块小型消费级四足机器人中型工业级四足机器人大型重载级四足机器人机械机构3D打印件+舵机,12个自由度碳纤维+无刷伺服+谐波减速器,12个自由度钛合金+液压系统,≥16个自由度感知模块IMU+单目相机,无激光雷达IMU+多线激光+深度相机,力传感器双IMU+固态激光+多目视觉,六维力反馈驱动控制树莓派+Arduino,开源步态边缘计算模组+实时控制器,ROS2+MPC多CPU冗余+实时系统,液压伺服闭环21/693.1.3具身智能在四足机器人中的核心作用具身智能的核心是让机器人“扎根物理世界”,通过自身的躯体(机械结构)、感官(感知模块)与环境实时交互,实现“感知-决策-执行”的闭环自主适应,而非单纯依赖预设程序或离线数据。1.重构“感知-决策-执行”闭环,实现动态平衡与姿态自适应四足机器人的核心运行前提是“稳定”,而传统机器人的平衡控制多依赖预设的动力学模型和固定参数,难以应对地面不平、外力干扰等突发情况。2.赋能环境自主认知,突破复杂地形适配瓶颈四足机器人可穿越轮式、履带式机器人无法抵达的复杂地形,但这一优势的发挥,离不开具身智能对环境的自主认知与决策能力——具身智能让机器人从“被动应对环境”转变为“主动认知环境、利用环境”。3.实现任务自主决策,降低人工干预依赖具身智能让四足机器人从“人工遥控、预设程序执行”升级为“自主理解任务、自主规划执行”,尤其适用于救援、巡检等“人类无法实时干预”的高危场景。22/693.1.3具身智能在四足机器人中的核心作用(续)4.强化抗干扰与容错能力,提升作业可靠性四足机器人的作业场景多为复杂、恶劣环境,如火场、矿山、边境,极易出现传感器故障、机械损耗、外力干扰等突发问题,传统机器人遇到此类情况往往会停机或失控,而具身智能通过“躯体感知-动态补偿”的机制,赋予机器人极强的抗干扰与容错能力。5.推动仿生协同优化,挖掘机械结构的潜在能力四足机器人仿生腿部、弹性足端、躯干的机械结构本身具备较强的仿生优势,但传统控制方式难以充分发挥其结构潜力,而具身智能通过“感知-决策-执行”的闭环,实现了机械结构与智能算法的协同优化,让机械结构的优势最大化。23/693.2四足机器人核心具身技术3.2.1基于传感器的环境感知与地图识别1.基于传感器的环境感知四足机器人在行走时,身上装了相机、激光雷达、惯性仪、以及腿部关节传感器等。(1)世界坐标(W)相当于地球参照系,是所有计算的基准;(2)机身坐标(B)是四足机器人自己的身体中心;(3)相机(C)、雷达(L)和惯性仪(I)各自有独立的安装位置,都要校准到机身上;(4)当脚踩到地面时,会生成一个“接触坐标系”(K),帮助判断地形起伏与滑动;(5)识别到新的地面或墙面时,还会临时建立一个“锚点坐标”(A)来防止定位漂移。25/693.2.1基于传感器的环境感知与地图识别(续)相机、雷达和惯性测量单元各有独立安装位置,需要统一校准到机身坐标系。结合接触坐标与锚点坐标,系统整合环境几何和腿部运动信息,判断地形与滑动,并降低定位漂移。图3-11多感官协同定位26/693.2.1基于传感器的环境感知与地图识别(续)2.地图识别图3-12所示是一种基于IMU-LiDAR融合的轻量级实时SLAM算法,能够在计算资源有限的环境下高效地构建PCD点云地图,建立二维栅格地图。地图识别流程如下:(1)传感器数据获取。通过IMU(惯性测量单元)实时采集机器人的加速度、角速度等运动状态信息,用于后续的运动补偿和状态估计;(2)预处理。点云累积是将激光雷达在不同时刻采集的点云数据,结合IMU提供的位姿信息进行拼接,形成连续的环境点云。(3)状态估计。前向/反向传播是基于IMU和点云特征,通过滤波或优化算法,对机器人的位姿进行预测和更新。(4)地图生成。将三维点云投影到二维平面,生成占据栅格地图,直观表示环境的可通行区域和障碍物分布。27/693.2.1基于传感器的环境感知与地图识别(续)IMU提供加速度、角速度等运动状态,激光雷达提供三维点云;预处理后提取平面、边缘等几何特征。系统经状态估计与运动补偿修正位姿,再将点云投影为二维占据栅格,更新地图与障碍物分布。图3-12二维栅格地图建模流程28/693.2.2步态规划与运动控制1.基本概念与核心参数(1)步态等定义步态是四足机器人四条腿按固定时序与轨迹协调运动的周期性模式,决定支撑与摆动顺序、步长、步态频率、足端轨迹。步态示意29/693.2.2步态规划与运动控制(续)(2)关键参数占空比(DutyFactor,β)是单腿处于支撑相的时间占整个周期的比值,较高的占空比意味着每条腿与地面接触的时间较长,从而提高机器人的稳定性,适合于在复杂地形中保持平衡;(3)步态分类按平衡机制可以将步态分为三类,如表3-3所示。静态步态依靠几何稳定,适合崎岖地形与重载;动态步态依靠动力学平衡,适合高速移动。准静态步态在支撑腿数和运动速度之间过渡,可用于速度或地形切换。表3-3步态分类类型核心特征典型步态稳定性速度适用场景静态步态几何稳定,ZMP在支撑多边形内爬行(Crawl)、慢走(Walk)极高低(<0.5m/s)崎岖/未知地形、重载动态步态动力学平衡,利用惯性与动量对角小跑(Trot)、溜步(Pace)、慢跑(Canter)、奔跑(Gallop)中/低高(>1m/s)平坦地形、高速移动准静态步态过渡态,支撑腿数在2–3间切换快步走(Amble)中中速度/地形切换30/693.2.2步态规划与运动控制(续)Crawl、Pace、Trot、Walk的差别体现为四条腿支撑相与摆动相的时序组合。图中粗实线表示着地支撑,粗虚线表示抬腿摆动,长箭头表示机器人运动方向,可据此比较不同步态的运动周期。图3-14不同步态一个周期内运动(前半)31/693.2.2步态规划与运动控制(续)比较四条腿支撑与摆动的组合,可以辨识不同步态在一个周期中的时序规律。静态步态优先保证几何稳定性,通过至少三腿支撑,以及质心投影位于支撑多边形内,维持机器人平衡。图3-14不同步态一个周期内运动(后半)2.静态步态规划32/693.2.2步态规划与运动控制(续)(1)核心原理静态步态时,以几何稳定性优先,也就是任意时刻至少3条腿支撑,形成稳定支撑三角形,并通过质心投影始终落在支撑多边形内保证不倒。图3-15慢走(Walk)步态图相较于Trot步态,Walk步态的运动速度通常较慢,但能通过腿部关节的协同控制实现更高的能量效率。当机器人进入向前迈步的阶段时,右前腿首先抬起并向前迈出。33/693.2.2步态规划与运动控制(续)图3-16一个周期内Walk步态运动Walk步态的占空比采用β=0.75,此时至少有三条腿处于支撑相状态,通过连续形成的三角形支撑区域将重心投影始终约束在稳定域内,特别适用于复杂地形下的可靠行走,并且该状态下四足机器人行走的速度最快。以右前腿为34/693.2.2步态规划与运动控制(续)参考腿,各腿的相位差为=0、=0.25、=0.50、=0.75,各腿的相位差通常按0.25的间隔均匀分布。图3-17Walk步态相位关系图35/693.2.2步态规划与运动控制(续)(2)基于ZMP的静态规划ZMP理论是四足机器人步态控制中的重要理论,用于判断四足机器人足底与地面是否接触和倾斜。当机器人处于静态和动态平衡状态时,重力产生的力矩ZMP为零,这说明机器人的质心投影必须位于足部接触区之内,以确保稳定性。假设为质心坐标,为质心加速度,为足端接触力,为四足机器人总质量,为足端接触力所对应的接触点,重力加速度。(3-1)根据欧拉方程可得:(3-2)根据动量定理和角动量定理可得:(3-3)36/693.2.2步态规划与运动控制(续)其中和分别为四足机器人第部分的线速度和角速度,和分别为四足机器人第部分的质量和惯量矩阵。ZMP的推导过程考虑平坦地面,假设对于所有接触点。根据以上(3-1、3-2、3-3)公式可得:(3-4)将式(3-4)写成分量形式,得到关于轴的牛顿方程:(3-5)联立式(3-4)、式(3-5)两式可得:(3-6)由于,对式(3-6)按分量展开并化简得:37/693.2.2步态规划与运动控制(续)基于牛顿-欧拉方程建立力与力矩关系,将足端接触力的作用归结为x-y平面上的压力中心。接触力在该点产生的合力矩为零,因此压力中心也称为零力矩点;步态规划应使ZMP不越出支撑多边形。(3-7)其中:(3-8)式(3-7)右侧为x-y平面上的压力中心:(3-9)将式(3-9)进行变形得:(3-10)38/693.2.2步态规划与运动控制(续)(3-11)机器人在平坦地面运动,假设,,则可得计算ZMP的常用公式:(3-12)稳定裕度Sm定义为机器人当前状态与不稳定状态之间的距离,可以从质心与支撑基底的关系、ZMP的位置进行测定。39/693.2.2步态规划与运动控制(续)图3-18Walk步态行走简图(3-13)根据点到直线距离易求得、、的值。根据各点坐标易求得三条边方程,再将三条直线的方程化简成直线一般40/693.2.2步态规划与运动控制(续)形式,COG到各边距离为:(3-14)在四足机器人运动过程中,当ZMP位于支撑三角形中,,的值越大,四足机器人的稳定性越高,保证四足机器人运动过程中的稳定性,需要保证。当时,ZMP未落在支撑三角形内部。当时,四足机器人处于临界状态,稳定性较差。(3)其他规划方式基于支撑多边形与质心调整流程是先确定落足点,生成支撑多边形,再计算质心安全区域,确保在支撑多边形内,摆动腿先抬起再前跨最后下落,同步缓慢移动质心至下一支撑多边形,其优点是原理简单、稳定性强、易实现,但缺点是速度低、能量效率差。3.动态步态生成(1)核心原理动态步态的动力学平衡是不依赖持续多腿支撑,而是通过动量和角动量控制、ZMP动态跟踪、模型预测实现稳定,在动态步态控制中允许短暂腾空,其速度与效率更高。41/693.2.2步态规划与运动控制(续)(2)Trot典型步态对角小跑(Trot)时β=0.5,对角腿同步运动,两足交替支撑,具有中高速、效率高的特点,是最常用动态步态。图3-19Trot步态时序图运动周期开始时,右前腿与左后腿首先进入摆动相。42/693.2.2步态规划与运动控制(续)Trot步态中,两组对角腿交替进入支撑相与摆动相:左前腿与右后腿同步,右前腿与左后腿同步。占空比采用β=0.5,支撑和摆动时间相等,并通过姿态调整保持运动过程的稳定。图3-20一个周期内Trot步态运动以左前腿为参考腿,各腿的相位差为=0、=0.5、=0.5、=0。43/693.2.2步态规划与运动控制(续)以左前腿为参考,另一条对角腿与其同相,其余一对对角腿相差半个周期。β=0.5使两组对角腿交替支撑,结合机体姿态调整,在保持稳定的同时完成连续的Trot步态运动。图3-21Trot步态相位关系图44/693.2.2步态规划与运动控制(续)(3)中枢模式发生器(CPG)动物实现运动的关键在于神经系统对肌肉的精确控制,骨骼肌的神经控制系统涉及神经中枢、感受器、效应器,是一个多环伺服系统,如图3-22所示。图3-22神经-肌肉控制原理图3-23中,高层神经中枢由一系列运动中枢组成,包括大脑皮层、基底神经节、脑干和小脑,主要功能是发出运动指令,控制节律运动的起始,选择运动模式,综合CPG(CentralPatternGenerator,中枢模式发生器)的中枢反馈信息、本体感受信息、视觉信息等对运动进行调控,实现复杂环境中的避障、路径规划等高级运动功能。45/693.2.2步态规划与运动控制(续)图3-23动物运动控制网络中枢模式发生器(CPG)是节律运动的中心控制单元,主要功能是产生节律信号,控制效应器实现运动。参考动物的运动控制网络,可以采用CPG控制方法对机器人进行步态控制。46/693.2.2步态规划与运动控制(续)CPG产生稳定的周期性振荡信号,协调肢体和关节的节律运动。工程实现应兼顾形式简单、参数较少、计算量小和易于分析等要求,使控制模型能够稳定生成Trot步态所需的运动信号。图3-24四足机器人实现Trot控制47/693.2.2步态规划与运动控制(续)在Hopf模型中加入足内协调关系,可以生成Trot步态所需的周期波形。各路输出保持稳定的相位关系,使肢体相关部位形成有节律的协同运动,并为机器人步态控制提供连续信号。图3-25在hopf模型中加入足内协调关系生成trot步态波形图48/693.2.2步态规划与运动控制(续)(4)其他控制方式。弹簧-载荷倒立摆模型(SLIP)是将机器人简化为“质心+弹簧腿”,描述奔跑/跳跃的弹性动力学,在应用Trot/Gallop步态的快速轨迹生成、能量效率优化。模型预测控制(MPC)是在线滚动优化,基于动力学模型预测未来状态,求解最优足端力/位置序列,约束ZMP与关节极限,优点是复杂地形适应性强、稳定性好,缺点是计算量大而需高性能控制器。强化学习(RL)是以“速度、稳定、能耗”为奖励,端到端学习从状态到关节动作的映射,如UnitreeGo2、BostonDynamics等采用RL实现敏捷动态步态,其优势是无需精确模型、适应未知环境、可生成复杂步态。4.静态与动态步态对比表3-4所示为四足机器人的静态与动态步态对比,包括支撑腿数、稳定性、最大速度、能量效率、地形适应、实现难度。49/693.2.2步态规划与运动控制(续)静态步态通常保持至少三腿支撑,以较低速度换取几何稳定和较强地形适应性。动态步态可出现少支撑腿或腾空阶段,速度与效率更高,但对动力学模型和实时优化的要求也更高。表3-4静态与动态步态对比维度静态步态(Walk/Crawl)动态步态(Trot/Gallop)支撑腿数≥3≤2(含腾空)稳定性极高(几何保证)中/低(动力学依赖)最大速度<0.5m/s>2m/s(Gallop可达5m/s)能量效率低高(Trot最优)地形适应强(崎岖/障碍)中(偏好平坦)实现难度低高(需动力学与实时优化)50/693.2.3多传感器融合与姿态稳定控制图3-26所示为四足机器人的姿态稳定控制策略框图,选取足端坐标系{b}为动坐标系,将腿部三个真实关节执行器视为一个整体。图3-26四足机器人姿态稳定控制策略框图51/693.2.3多传感器融合与姿态稳定控制(续)1.核心传感器与信息源四足机器人通过安装IMU(惯性测量单元)是判断机体姿态是否稳定的核心数据,关节编码器可以精确测量各关节的角度、角速度,安装在足端的力觉传感器可以检测足地接触力等,用于判断足端是否着地、支撑状态以及外部扰动。2.融合策略与目标状态估计是通过卡尔曼滤波(EKF/UKF)或互补滤波等算法,融合IMU的高频姿态数据与关节编码器的运动学数据、,得到高精度的机体位置、速度、姿态角等在内的系统状态信息。扰动观测是融合足端力传感器数据与动力学模型,实时估计外部扰动和地面接触状态,为控制决策提供依据。3.姿态稳定控制过程四足机器人的姿态稳定控制可以采用分层递阶的控制架构,从高层决策到底层执行,确保在复杂环境中保持稳定运动。52/693.2.3多传感器融合与姿态稳定控制(续)(1)上层模型预测控制(MPC)MPC作为核心决策层,基于机器人的动力学模型,预测系统状态信息。根据系统输入信息,即足地接触力和运动学数据、,以及期望的机身速度和角速度,计算出最优的足端位置、速度,实现最小化跟踪误差并满足约束条件,如足端不打滑、关节力矩限制等。(2)中层虚拟模型控制(VMC)与力位混合控制采用虚拟模型,即构建“虚拟弹簧-阻尼系统”,将复杂的四足机器人机体姿态稳定问题转化为对虚拟力和力矩的跟踪,简化了控制设计,即对于支撑腿,采用力控制,精确跟踪期望的地面反作用力;(3)底层PD关节伺服控制作为执行层,接收中层控制器输出的关节力矩、位置指令,通过PD控制器精确控制每个关节的电机,包括经过位置环,输出期望关节位置,即;经过速度环,输出期望关节速度,即;经过电流/力矩环,输出精确的关节力矩,实现对指令的快速、准确响应。53/693.3四足机器人的实践开发与调试3.3.1四足机器人的典型系统架构图3-27所示为某四足机器人的典型系统架构,采用了软硬件分层、上下位机协同的经典机器人设计范式。图3-27某四足机器人的典型系统架构55/693.3.1四足机器人的典型系统架构(续)1.机械部分采用四足机器人本体,每条腿配置3个关节,总计12个自由度,作为运动学建模的基础。2.驱动与控制关节控制,每个关节采用PD控制(比例-微分控制),这是机械臂和足式机器人中最经典的高精度控制算法,确保关节角度快速、稳定地跟踪指令;图3-28关节控制电气连接3.算法软件运行在UPboard的Linux操作系统上,是整个机器人的“大脑软件”,包含核心算法模块。56/693.3四足机器人的实践开发与调试(续)3.3.1四足机器人的典型系统架构4.外部交互接口采用遥控器通过无线通信发送运动指令,如前进、后退、转弯灯;3.3.2核心算法实现与参数优化1.四足机器人核心算法体系四足机器人的运动控制算法是一个分层级的闭环系统,核心分为步态规划层、运动学解算层、姿态控制层等核心模块,各模块协同实现稳定行走,具体如表3-5所示。57/693.3.2核心算法实现与参数优化表3-5四足机器人的核心算法架构算法层级核心功能核心原理步态生成层规划每条腿的运动轨迹基于周期函数(正弦/余弦)生成足端轨迹,区分支撑相/摆动相,实现对角/三角/漫步等步态逆运动学层足端位置→关节角度转换空间几何解算,将笛卡尔空间目标转换为关节空间角度,满足3/4自由度腿的运动约束姿态控制层保持机身平衡,补偿外部扰动基于PD/PI/PID控制律,结合IMU姿态反馈,实时调整足端高度/关节角度2.核心算法实现逻辑以对角小跑Trot步态为例进行说明如下。(1)步态生成算法逻辑对角小跑步态是四足机器人最常用的基础步态,核心实现逻辑如下:(2)逆运动学解算逻辑58/693.3.2核心算法实现与参数优化(续)以“髋滚-髋偏-膝”3自由度腿为例,解算逻辑如下:二是几何解算步骤,第一步解算髋滚角(绕x轴),通过足端y/z坐标的反正切值确定;(3)姿态控制逻辑姿态控制的核心是通过反馈补偿保持机身水平,逻辑如下:3.四足机器人参数优化方法表3-6所示为优化参数分类,包括步态参数、控制参数和物理参数。59/693.3.2核心算法实现与参数优化(续)表3-6优化参数分类参数类型核心参数取值范围(参考)影响效果步态参数周期T、步高h、步长LT:0.3~1.0s;h:0.03~0.1m稳定性(T越大越稳)、速度(L越大越快)控制参数各关节Kp、Kd根据实际情况取值抗扰动能力(Kp越大响应越快)、震荡(Kd越大越稳)物理参数足端落地缓冲系数0.1~0.8冲击力(系数越大缓冲越好)参数优化的核心目标是在“稳定性、效率、速度”三者间找到最优平衡,主要包括手动调参、基于仿真的自动调参、在线自适应优化、优化效果评估指标。(1)手动调参先定步态参数,再调控制参数,单变量调整,每次只改一个参数。需要注意的是收敛标准,机身倾角方差<±3°,无明显打滑,行走速度达标。60/693.3.2核心算法实现与参数优化(续)(2)基于仿真的自动调参在PyBullet、Gazebo等仿真环境中,通过优化算法迭代调整参数,以“稳定性指标”为优化目标。选择优化算法,其中遗传算法适合多参数、非线性优化,全局搜索能力强;最后进行实物验证,将仿真最优参数移植到实物机器人,微调适配。(3)在线自适应优化实时采集机器人运行数据,动态调整参数以适应环境变化,如地面粗糙度、负载变化。需要注意的是参数调整规则是,若地面粗糙,即足端冲击力>阈值,自动增大步高h;(4)优化效果评估指标优化后需通过量化指标验证效果,核心指标包括:一是稳定性,即机身横滚、俯仰角方差,越小越稳);61/693.3.3虚实迁移调试与典型场景验证图3-29所示为虚实迁移调试与典型场景验证示意,它包含仿生步态特征提取、强化学习仿真训练与部署调试3个阶段。首先,在姿态估计模型对动物运动视频进行关键节点识别之后,仿生步态编码器从中提取步态特征和关键运动模式;其次,在强化学习仿真训练阶段,引入双重几何约束机制,同时设计能量效率与稳定性奖励函数,实现多目标协同优化;最后,将训练所得的控制策略部署至四足机器人平台,通过多地形典型场景测试实验验证方法的有效性。图3-29虚实迁移调试与典型场景验证1.仿生步态特征提取阶段该阶段的核心是从真实动物的运动视频中提取并编码可用于四足机器人模仿的仿生步态特征,为后续强化学习提供参考基准。62/693.3.3虚实迁移调试与典型场景验证(续)(1)数据采集与关键点检测使用专门用于动物姿态估计和行为分析工具DeepLabCut,通过深度学习技术实现对动物运动视频进行逐帧分析,精准定位并提取动物骨骼关键点的三维坐标(x,y,z),这些坐标序列构成了原始的运动轨迹数据。(2)归一化处理对提取的关键点坐标进行归一化,消除不同体型、尺度动物个体间的差异,确保数据的通用性。(3)特征提取与编码特征提前包括关节角度运算、关节速度计算和动态时间规整,编码主要是指特征升维。特征升维是将处理后的角度、速度等低维特征映射到高维空间,形成更具表征力的步态特征数据。(4)输出最终输出为高维的步态特征数据,并可通过极坐标图等方式可视化,直观展示仿生步态的模式。2.强化学习仿真训练阶段该阶段在仿真环境中,利用上一阶段提取的仿生步态特征作为参考,通过强化学习算法训练机器人控制器,使其学会稳定、高效地模仿动物步态。63/693.3.3虚实迁移调试与典型场景验证(续)(1)状态与动作空间定义状态空间:包含机器人本体的姿态、速度、关节状态,以及环境信息等。(2)Actor-Critic网络架构a.Actor网络(策略网络)输入:当前状态。结构:由多层全连接层(Dense)和ELU激活函数组成,最后通过正态分布(Normal)输出动作的概率分布。b.Critic网络(价值网络)输入:当前状态。结构:与Actor类似,输出状态价值函数,用于评估当前状态的优劣。(3)经验回
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年b站晋级模拟试卷目(含答案)
- 2026年建设工程安全b类证题库及参考答案
- 2026年海员甲类考试题库及参考答案
- 2026年城市燃气模拟试卷(含答案)
- 2026年兰州计算机考试题库单选题及答案
- 2026年会务专员笔试题库及参考答案
- 2026年一级计算机上机考试题库单选题带答案
- 2026年烟台交运集团招聘备考题库及参考答案
- 2026年矿业权评估师职业资格考试固体矿产资源勘查与实物量估算练习题及答案
- 2026年延吉烟草考试题库及答案
- 20S515 钢筋混凝土及砖砌排水检查井
- 《工业网络与组态技术》课程标准
- 染色助剂及其应用
- 2024年希望杯六年级一试试题及答案
- 从生活习惯看脑血管病的预防
- 中国移动室分问题排查优化指导手册
- 普通诊所污水、污物、粪便处理方案及周边环境情况说明
- 中考语文复习:阅读理解知识总结及答题技巧与练习题汇编(含答案)
- (6)挤包、穿伞作业指导书
- -三视图的形成及其投影规律(公开课)课件
- GB/T 2492-2017固结磨具交付砂轮允许的不平衡量测量
评论
0/150
提交评论