基于神经振荡器的机器人节律运动控制方法及系统技术方案

本发明专利技术提供了一种基于神经振荡器的机器人节律运动控制方法及系统，包括：获取机器人的当前状态，以及由神经振荡器产生的相位和频率；依据获取的当前状态、相位和频率，以及预设的强化学习网络，得到控制指令，对机器人进行控制；其中，预设的强化学习网络中包括动作空间、模式形成网络和神经振荡器；本发明专利技术设计的由神经振荡器和模式形成网络组成的控制结构，能确保期望的节律运动行为的形成；同时，设计的关节位置增量的动作空间能有效加速节律运动强化学习训练进程，解决了现有无模型强化学习学习时，奖励函数设计耗时、困难的问题。困难的问题。困难的问题。

【技术实现步骤摘要】
基于神经振荡器的机器人节律运动控制方法及系统


[0001]本专利技术属于机器人控制
，尤其涉及一种基于神经振荡器的机器人 节律运动控制方法及系统。

技术介绍

[0002]为实现四足机器人的运动控制，一些传统控制方法，如模型预测控制(ModelPredictive Control，MPC)和全身控制(Whole BodyCryotherapy，WBC)通过引入感 官反馈和复杂的控制理论来获得更好的运动性能。虽然这些方法在步态控制上 取得了一定的成效，但它们的实现通常需要丰富的专业知识和漫长的设计过程。
[0003]专利技术人发现，近年来兴起的无模型强化学习(Reinforcement Learning，RL) 成功实现了腿足式机器人运动策略的自主学习。然而，奖励函数通常无法直接 表述期望的节律运动行为；再者，即使是合理的奖励也必须经过精心的设计和 调节才能满足需要，因为对奖励函数的极小调节，也可能导致强化学习行为的 巨大差异；因此，能实现机器人实现无偏差的学习的奖励函数的设计通常很耗 时且困难。
专利技术内容
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经振荡器的机器人节律运动控制方法，其特征在于，包括：获取机器人的当前状态，以及由神经振荡器产生的相位和频率；依据获取的当前状态、相位和频率，以及预设的强化学习网络，得到控制指令，对机器人进行控制；其中，预设的强化学习网络中包括动作空间、模式形成网络和神经振荡器；所述动作空间，用于依据获取的当前状态，得到关节位置增量；所述模式形成网络，用于根据关节位置增量，得到目标关节位置的控制指令；所述神经振荡器，用于根据获取的相位和频率，调整机器人足底轨迹在摆动阶段和站立阶段之间相变的时间；依据目标关节位置的控制指令和机器人足底轨迹在摆动阶段和站立阶段之间相变的时间对机器人进行控制。2.如权利要求1所述的基于神经振荡器的机器人节律运动控制方法，其特征在于，相位由正弦和余弦函数表示。3.如权利要求1所述的基于神经振荡器的机器人节律运动控制方法，其特征在于，根据关节位置增量，得到目标关节位置的控制指令时：所述关节位置增量与前一时刻的目标关节位置相加，获得当前时刻的目标关节位置；依据当前时刻的目标关节位置，计算关节扭矩。4.如权利要求3所述的基于神经振荡器的机器人节律运动控制方法，其特征在于，最大关节位置增量由最大电机速度和时间步长决定。5.如权利要求1所述的基于神经振荡器的机器人节律运动控制方法，其特征在于，神经振荡器输出频率来调制每条腿的相位φ，相位φ∈[0,π)时当前腿处于支撑相阶段，相位φ∈[π,2π)时当前腿处于摇摆相阶段。6.如权利要求5所述的基于神经振荡器的机器人节律运动控制方法，其特征在于，当前时刻的相位为：φ
t
＝(φ
t

【专利技术属性】
技术研发人员：张伟，陈燕云，盛嘉鹏，方兴，谭文浩，宋然，李晓磊，程吉禹，
申请(专利权)人：山东大学，
类型：发明
国别省市：