一种仿生四足机器人动作模仿的方法技术

本发明专利技术涉及一种仿生四足机器人动作模仿的方法，本发明专利技术针对模仿的动作的不同，提出了两种动作模仿的策略。对于普通动作(挠头、招手等)，采用了对动作捕捉数据进行缩放处理，然后进行逆运动学求解。为了将动物运动轨迹和机器人运动轨迹的误差尽量减小，本发明专利技术将它转化为一个非线性最优化问题。对于行走动作的模仿，首先分析了经典的基于SLIP模型的四足机器人行走控制算法，然后将动作捕捉的数据中的一些参数提取出来应用至行走控制算法中，实现了既能保证机器人行走的平稳又能使动作模仿的相似性尽可能的高。似性尽可能的高。似性尽可能的高。

【技术实现步骤摘要】
一种仿生四足机器人动作模仿的方法


[0001]本专利技术涉及四足机器人动作模仿
，特别涉及一种仿生四足机器 人动作模仿的方法。

技术介绍

[0002]现有技术提供的四足机器人已经取得了巨大的发展，但是当今想要快速 设计一款通用性强的控制器仍然具有不小的挑战且十分费时。通过模仿现实 中的动物来提高机器人的运动能力是一个不错的思路，模仿参考的运动可以 使机器人拥有各种灵活运动的能力，但这些动作要人为的去手动设计控制器 会较为困难。近些年随着强化学习领域的发展，越来越多的学者将强化学习 应用到机器人控制上但是由于仿真环境与物理环境的差异，很多在仿真引擎 中实现的动作比较难以在显示生活中复现。

技术实现思路

[0003]本专利技术提供一种仿生四足机器人动作模仿的方法，提升了四足机器人运 动控制器设计的简便性，并且也提高了机器人的仿生程度。
[0004]为了实现上述目的，本专利技术提供以下技术方案：
[0005]一种仿生四足机器人动作模仿的方法，动作包括普通动作和行走动作， 具体步骤如下：
[0006]S1、用深度传感器采集的动物视频进行初步的动作数据提取；
[0007]S2、采用开源姿态跟踪工具Leep，对一些关键点进行初步的跟踪，获得 原始运动数据；
[0008]S3、对原始的运动数据进行滤波和缩放，得到参考运动数据；
[0009]S4、针对普通动作，将参考运动数据经过动作重映射算法，输出带有运 动学约束的机器人关节角运动命令的动作重映方案；
[0010]S5、针对行走动作，选择动物行走视频，然后对视频中的动物进行动作 捕捉和提取；
[0011]S6、通过SLIP模型提取一些通过动作提取的数据进行定义的参数，使得 机器人的行走步态周期以及前进速度与动物能够相匹配；
[0012]S7、针对单个周期里的机器人行走轨迹，使用所述动作重映射方案，对 步态轨迹进行优化调整，最后输出与动物相似的行走步态。
[0013]优选的，所述用深度传感器采集的动物视频进行初步的动作数据提取， 主要获取一些动作行为表达合乎需求的视频图像，以提取有价值的的参考动 作。
[0014]优选的，所述采用开源姿态跟踪工具Leep，可以对一些关键点进行初步 的跟踪，获得原始运动数据，首先创建一个骨架，用于定义想跟踪的点，然 后对一些帧进行标记，训练网络，去预测那些在没有标记过的帧上面的关键 点，最后获得整个视频里关键点的原始运动数据。
[0015]优选的，所述对原始的运动数据进行滤波和缩放，进行正运动学与逆运 动学分析，建立起关键点坐标和关节角度的联系，得到参考运动数据。
[0016]优选的，针对普通动作的模仿，在得到参考运动数据之后，经过动作重 映射算法，输出带有运动学约束的机器人关节角运动命令的动作重映方案。
[0017]优选的，所述SLIP模型是对四足机器人行走模型的简化，将行走问题分 为三个独立的问题。通过对这三个独立的问题进行分析，提取一些可以通过 动作提取的数据进行定义的参数，最后使机器人的行走步态周期以及前进速 度与动物能够相匹配。
[0018]通过实施以上技术方案，具有以下技术效果：本专利技术使用从视频中提取 动作数据，这种方法相比于从活体动物身上提取运动数据更为方便，快捷。 原始数据集更容易获得。本专利技术是基于非线性优化来实现动作重映射，相比 于已有的一些强化学习的方法，理论依据更为可靠，系统的鲁棒性更高，在 实际系统上部署也更为方便。采用的数据预处理方法有效地解决了数据存在 一定的噪声问题。通过将动作区分为普通动作和行走动作，有效地解决了只 依靠运动学四足机器人行走不平稳地问题。通过动作重映射、非线性优化等 方法，有效地实现了四足机器人对动物动作的模仿，减少了控制器的开发时 间。
附图说明
[0019]图1是本专利技术的提供的一种仿生四足机器人动作模仿的方法流程图；
[0020]图2是本专利技术的普通动作模仿流程图；
[0021]图3是本专利技术的行走动作的模仿流程图；
[0022]图4是本专利技术中非线性优化项中指数罚函数的示意图；
[0023]图5是本专利技术中非线性优化项中使机器人动作和动物动作尽可能相似的 函数的示意图，其中，中间项为两种动作误差尽可能小的项；两边为动作关 节角极限限制项；
[0024]图6是本专利技术中用到的弹簧倒立摆模型的示意图；
[0025]图7是本专利技术中在摆动相中动作模仿的示意图，其中，中间为和普通动 作类似的非线性优化函数，两端为位置约束。
具体实施方式
[0026]为了更好的理解本专利技术的技术方案，下面结合附图详细描述本专利技术提供 的实施例。
[0027]实施例一
[0028]如图1所示，可以理解，本实施例提供的一种仿生四足机器人动作模仿 的方法，动作包括普通动作和行走动作，具体步骤如下：
[0029]S1、用深度传感器采集的动物视频进行初步的动作数据提取；
[0030]S2、采用开源姿态跟踪工具Leep，对一些关键点进行初步的跟踪，获得 原始运动数据；
[0031]S3、对原始的运动数据进行滤波和缩放，得到参考运动数据；
[0032]S4、针对普通动作，将参考运动数据经过动作重映射算法，输出带有运 动学约束的机器人关节角运动命令的动作重映方案；
[0033]S5、针对行走动作，选择动物行走视频，然后对视频中的动物进行动作 捕捉和提
取；
[0034]S6、通过SLIP模型提取一些通过动作提取的数据进行定义的参数，使得 机器人的行走步态周期以及前进速度与动物能够相匹配；
[0035]S7、针对单个周期里的机器人行走轨迹，使用所述动作重映射方案，对 步态轨迹进行优化调整，最后输出与动物相似的行走步态。
[0036]在本实施例中，进行初步的动作数据提取时，主要获取一些动作行为表 达尽量合乎需求的视频图像，方便提取有价值的的参考动作。比如行走，招 手、摇头等。其次，在选取要模仿的视频前，要确定该视频合乎需求，尽量 保证在拍摄面能获得最充足的信息。采用开源姿态跟踪工具Leep，对一些关 键点进行初步的跟踪，获得原始运动数据。首先创建一个骨架，用于定义想 跟踪的点，然后对一些帧进行标记，训练网络，去预测那些在没有标记过的 帧上面的关键点，最后获得整个视频里关键点的原始运动数据。由于动物和 机器人在自由度，几何大小方面有许多差异，对于原始的运动数据，需要对 其进行滤波和缩放。想要精准的对机器人进行控制，就必须知道关节角的运 动数据。因此，要对机器人进行正运动学与逆运动学分析，建立起关键点坐 标和关节角度的联系，可以得到参考运动数据，可以作为运动重映射的输 入。
[0037]在本实施例中，动作的种类需分为普通动作和行走动作。对于普通动作 的模仿，这个模仿问题就被转化成优化问题。优化的目标是使机器人执行的 动作尽可能和动物的动作相似。机器人的物理限制则是优化问题的约束。本 文中构建了要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种仿生四足机器人动作模仿的方法，其特征在于，动作包括普通动作和行走动作，具体步骤如下：S1、用深度传感器采集的动物视频进行初步的动作数据提取；S2、采用开源姿态跟踪工具Leep，对一些关键点进行初步的跟踪，获得原始运动数据；S3、对原始的运动数据进行滤波和缩放，得到参考运动数据；S4、针对普通动作，将参考运动数据经过动作重映射算法，输出带有运动学约束的机器人关节角运动命令的动作重映方案；S5、针对行走动作，选择动物行走视频，然后对视频中的动物进行动作捕捉和提取；S6、通过SLIP模型提取一些通过动作提取的数据进行定义的参数，使得机器人的行走步态周期以及前进速度与动物能够相匹配；S7、针对单个周期里的机器人行走轨迹，使用所述动作重映射方案，对步态轨迹进行优化调整，最后输出与动物相似的行走步态。2.根据权利要求1所述的仿生四足机器人动作模仿的方法，其特征在于，所述用深度传感器采集的动物视频进行初步的动作数据提取，主要获取一些动作行为表达合乎需求的视频图像，以提取有价值的的参考动作。3.根据权利要求1所述的仿生四...

【专利技术属性】
技术研发人员：林胜钊，陈绩，陈功，蒙顺政，
申请(专利权)人：深圳无芯科技有限公司，
类型：发明
国别省市：