【技术实现步骤摘要】
一种多足机器人运动规划方法
本专利技术涉及人工智能
，具体涉及一种从虚拟到现实的多足机器人运动规划方法。
技术介绍
随着科技的发展和探索，人类生产生活对机器人的使用越来越多，而多足机器人作为移动机器人的一种，具有的地形适应能力强、运动方式多样和稳定性好等优点，在多种领域都有着广泛的应用。其中，对于多足机器人运动规划方法的研究一直是领域内的热点。但是目前的研究方法中，对机器人及障碍物的数学建模过程和相关约束条件的数学化均较为繁琐，且针对不同的足式机器人和不同的研究场景，需要进行复杂的参数调整。虽然能够实现避障和目标可达，但是该类算法的复杂度较高，通用性较差，且一旦障碍物发生变化，参数的实时调整难度较大，因此算法的灵活性较差。目前传统的算法中，对包含障碍物场景的复杂度普遍较低，而实际场景中，障碍物类别更多，随机性更大。在面对障碍物种类繁多、障碍物可移动的场景时，目前的多足机器人运动规划算法有着应用场景相对简单、算法迁移性较差等局限性。在进行多足机器人的运动规划方法研究时，从虚拟到现实是一种可行性较强...
【技术保护点】
1.一种多足机器人运动规划方法，其特征在于，所述运动规划方法包括：/n采集常见障碍物的图像信息；/n根据所述图像信息获取所述常见障碍物的三角网状图；/n基于所述三角网状图构建所述常见障碍物的模型库，并将所述常见障碍物的模型库导入虚拟仿真软件中构建虚拟运动规划实验场景；/n在所述虚拟运动规划实验场景中构建虚拟多足机器人，并根据深度强化学习算法设计所述虚拟多足机器人的状态空间和动作空间；/n根据所述状态空间和所述动作空间设计基于所述深度强化学习算法的神经网络结构和奖励函数；/n在所述虚拟运动规划实验场景中对所述虚拟多足机器人进行运动规划任务的仿真训练，获取运动规划神经网络模型；...
【技术特征摘要】
1.一种多足机器人运动规划方法，其特征在于，所述运动规划方法包括：
采集常见障碍物的图像信息；
根据所述图像信息获取所述常见障碍物的三角网状图；
基于所述三角网状图构建所述常见障碍物的模型库，并将所述常见障碍物的模型库导入虚拟仿真软件中构建虚拟运动规划实验场景；
在所述虚拟运动规划实验场景中构建虚拟多足机器人，并根据深度强化学习算法设计所述虚拟多足机器人的状态空间和动作空间；
根据所述状态空间和所述动作空间设计基于所述深度强化学习算法的神经网络结构和奖励函数；
在所述虚拟运动规划实验场景中对所述虚拟多足机器人进行运动规划任务的仿真训练，获取运动规划神经网络模型；
实体多足机器人将实际状态信息无线传输至上位机，所述上位机根据所述实际状态信息和训练后的所述运动规划神经网络模型返回相应的动作信息至所述实体多足机器人，并由所述实体多足机器人的下位机执行。
2.如权利要求1所述的一种多足机器人运动规划方法，其特征在于，根据所述深度强化学习算法设计所述虚拟多足机器人的所述状态空间包括：
获取所述虚拟多足机器人前方部分地形范围内的二维地形信息；
获取所述虚拟多足机器人的每个足尖坐标；
获取所述虚拟多足机器人的运动规划目标点坐标。
3.如权利要求2所述的一种多足机器人运动规划方法，其特征在于，根据所述深度强化学习算法设计所述虚拟多足机器人的所述动作空间包括：
根据所述虚拟多足机器人的基本步态，设计以所述虚拟多足机器人步长，步高，转角为参数的三维动作；
所述神经网络结构输出所述三维动作后，基于相关步态函数进行步态规划。
4.如权利要求3所述的一种多足机器人运动规划方法，其特征在于，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。