用于足式机器人的运动控制方法和装置及足式机器人制造方法及图纸

本公开的实施例提供了一种用于足式机器人的运动控制方法、装置以及足式机器人。本公开的实施例所提供的方法利用人工智能技术，通过基于从活体采集的运动数据所训练的神经网络模型，基于包含脊柱关节的足式机器人的当前状态信息来规划其后续运动轨迹和步态。通过本公开的实施例所提供的方法能够实时自动地规划轨迹和步态，提高了对足式机器人的运动控制效率，且使得所控制的足式机器人的轨迹和步态更灵活且仿生。此外，通过省略对脊柱关节的控制，该方法也同样适用于无脊柱关节的足式机器人。人。人。

【技术实现步骤摘要】
用于足式机器人的运动控制方法和装置及足式机器人


[0001]本公开涉及人工智能及机器人领域，更具体地，涉及一种用于足式机器人的运动控制方法和装置、以及一种足式机器人。

技术介绍

[0002]随着人工智能及机器人技术在民用和商用领域的广泛应用，基于人工智能及机器人技术的机器人在智能交通、智能家居等领域起到日益重要的作用，也面临着更高的要求。在足式机器人领域中，出现了包含脊柱关节的新型设计，使得足式机器人的动作更加灵活且仿生，同时也增大了对足式机器人的运动控制的难度。
[0003]传统的用于足式机器人的运动控制方法通常是基于样条曲线来人为地设计机器人的轨迹与步态，并完成对每个电机的期望轨迹的复杂计算。然而，这样的方法通常需要耗费大量人力来完成运动设计，并且所设计的轨迹与步态较为僵硬且机械，缺乏灵动与柔和感。此外，由于轨迹与步态通常是相辅相成的，而所设计的轨迹与步态并不协调，因此这种运动控制方法一般只能通过放慢速度、迭代调试的方式才能增强机器人的平衡性。由于脊柱关节的运动难以通过样条曲线设计，这种传统运动控制方法还难以用于设计包含脊柱关节的新型足式机器人的轨迹与步态。
[0004]因此，需要一种高效且自动的运动控制方法，使得对于足式机器人的运动控制更加灵活、仿生，并且对于含脊柱关节和无脊柱关节的足式机器人均可适用。

技术实现思路

[0005]针对以上问题，本公开提供了一种用于足式机器人的运动控制方法和装置及足式机器人。本公开提供的方法利用基于从活体采集的运动数据所训练的神经网络模型，为含脊柱关节的足式机器人自动地设计灵活且仿生的运动轨迹与步态。
[0006]根据本公开的一方面，提出了一种用于足式机器人的运动控制方法，所述足式机器人的骨骼关节包括至少一个脊柱关节和至少两个下肢关节，所述方法包括：获取所述足式机器人的期望运动轨迹信息；获取所述足式机器人的当前骨骼关节信息，所获取的当前骨骼关节信息包括对应于所述足式机器人的所述至少一个脊柱关节和所述至少两个下肢关节的骨骼关节信息；基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的轨迹控制信息和关节控制信息；以及基于所述轨迹控制信息和关节控制信息，来控制所述足式机器人的骨骼关节的运动。
[0007]在一些实施例中，所述方法还包括：获取所述足式机器人的当前步态类型；以及基于所述当前骨骼关节信息、所述期望运动轨迹信息和所述当前步态类型，生成所述足式机器人的后续步态类型；其中，所述期望运动轨迹信息为所述足式机器人的期望重心运动轨迹，所述轨迹控制信息用于控制所述足式机器人的重心运动轨迹，其中，所述骨骼关节信息包括所述足式机器人的骨骼关节的位置信息和方向信息，所述关节控制信息包括用于控制所述足式机器人的骨骼关节的转动的信息。
[0008]在一些实施例中，基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的轨迹控制信息和关节控制信息包括：基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的期望速度信息；基于所述当前骨骼关节信息、所述期望运动轨迹信息、以及所述期望速度信息，生成参考运动轨迹信息和关节控制信息；以及将所述期望运动轨迹信息和所述参考运动轨迹信息进行融合，以生成所述足式机器人的轨迹控制信息。
[0009]在一些实施例中，所述至少一个脊柱关节包括两个脊柱关节，所述两个脊柱关节将所述足式机器人的基座分为头部基座、中部基座和尾部基座，所述足式机器人的期望运动轨迹信息和轨迹控制信息分别是所述足式机器人的中部基座的期望运动轨迹信息和轨迹控制信息，其中，所述足式机器人包括多个电机，根据所述关节控制信息来设置所述多个电机的转角，以控制所述足式机器人的骨骼关节的转动。
[0010]在一些实施例中，利用预先训练的神经网络模型，基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的关节控制信息和轨迹控制信息；其中，所述神经网络模型是基于与所述足式机器人相对应的活体的运动数据训练而成的，所述活体的运动数据包括在所述活体的运动过程中按预定时间间隔采集的关节运动信息，其中，所述活体的骨骼关节包括至少两个下肢关节，所采集的所述活体的关节运动信息包括对应于所述活体的所述至少两个下肢关节的位置信息。
[0011]在一些实施例中，所述神经网络模型是基于所述活体的运动数据训练而成的，还包括：基于所采集的所述活体的关节运动信息，进行数据重定向，以得到所述足式机器人的用于对所述神经网络模型进行训练的训练数据；以及利用所述训练数据，对所述神经网络模型进行训练；其中，所述训练数据包括以所述预定时间间隔为间隔的数据序列集合，其中，对于每个采集时刻，基于所采集的所述活体的关节运动信息，进行数据重定向以获得其对应的用于足式机器人的骨骼关节信息、运动轨迹信息、期望速度信息和电机运动信息；其中，所述训练数据包括输入数据部分和输出数据部分，所述输入数据部分包括该采集时刻的所述数据重定向后的骨骼关节信息、运动轨迹信息和期望速度信息，并且所述输出数据部分包括电机运动信息以及下一采集时刻的运动轨迹信息，其中所述电机运动信息对应于所述关节控制信息，所述下一采集时刻的运动轨迹信息对应于所述轨迹控制信息，其中，所述运动轨迹信息包括所述足式机器人在所述采集时刻的位置信息和方向信息，所述骨骼关节信息包括所述足式机器人的骨骼关节在所述采集时刻的位置信息、方向信息和当前速度信息，所述电机运动信息包括所述足式机器人中的各个电机的位置信息和速度信息。
[0012]在一些实施例中，对于每个采集时刻，还确定所述活体在所述采集时刻的步态类型标签；并且其中，所述输入数据部分还包括该采集时刻的步态类型标签，并且所述输出数据部分还包括下一采集时刻的步态类型标签。
[0013]在一些实施例中，基于所采集的所述活体的关节运动信息，进行数据重定向以获得其对应的用于足式机器人的骨骼关节信息、运动轨迹信息、期望速度信息和电机运动信息，包括：基于所采集的所述活体的关节运动信息，确定所述足式机器人的基座的运动轨迹信息和姿态信息；基于所述足式机器人的基座的姿态信息，确定对于所述至少一个脊柱关节所对应的电机的电机控制信息；根据所述足式机器人的基座的运动轨迹信息和姿态信息以及对于所述至少一个脊柱关节所对应的电机的电机控制信息，确定所述足式机器人的至
少两个下肢关节的位置信息和姿态信息，以确定所述足式机器人的至少两个下肢关节所对应的电机的电机控制信息；以及基于所述足式机器人的至少两个下肢关节所对应的电机的电机控制信息，确定所述足式机器人的电机运动信息，其中，所述电机控制信息是在数据重定向后生成的用于控制所述足式机器人中的各个电机的转动的信息。
[0014]在一些实施例中，基于所采集的所述活体的关节运动信息，进行数据重定向以获得其对应的用于足式机器人的骨骼关节信息、运动轨迹信息、期望速度信息和电机运动信息，还包括：基于所采集的所述活体的关节运动信息，确定所述足式机器人的至少两个下肢关节的位置信息；根据所述足式机器人的基座的运动轨迹信息和姿态信息以及对于所述至本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于足式机器人的运动控制方法，所述足式机器人的骨骼关节包括至少一个脊柱关节和至少两个下肢关节，所述方法包括：获取所述足式机器人的期望运动轨迹信息；获取所述足式机器人的当前骨骼关节信息，所获取的当前骨骼关节信息包括对应于所述足式机器人的所述至少一个脊柱关节和所述至少两个下肢关节的骨骼关节信息；基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的轨迹控制信息和关节控制信息；以及基于所述轨迹控制信息和关节控制信息，来控制所述足式机器人的骨骼关节的运动。2.如权利要求1所述的方法，其中，所述方法还包括：获取所述足式机器人的当前步态类型；以及基于所述当前骨骼关节信息、所述期望运动轨迹信息和所述当前步态类型，生成所述足式机器人的后续步态类型；其中，所述期望运动轨迹信息为所述足式机器人的期望重心运动轨迹，所述轨迹控制信息用于控制所述足式机器人的重心运动轨迹，其中，所述骨骼关节信息包括所述足式机器人的骨骼关节的位置信息和方向信息，所述关节控制信息包括用于控制所述足式机器人的骨骼关节的转动的信息。3.如权利要求1所述的方法，其中，基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的轨迹控制信息和关节控制信息包括：基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的期望速度信息；基于所述当前骨骼关节信息、所述期望运动轨迹信息、以及所述期望速度信息，生成参考运动轨迹信息和关节控制信息；以及将所述期望运动轨迹信息和所述参考运动轨迹信息进行融合，以生成所述足式机器人的轨迹控制信息。4.如权利要求1所述的方法，其中，所述至少一个脊柱关节包括两个脊柱关节，所述两个脊柱关节将所述足式机器人的基座分为头部基座、中部基座和尾部基座，所述足式机器人的期望运动轨迹信息和轨迹控制信息分别是所述足式机器人的中部基座的期望运动轨迹信息和轨迹控制信息，其中，所述足式机器人包括多个电机，根据所述关节控制信息来设置所述多个电机的转角，以控制所述足式机器人的骨骼关节的转动。5.如权利要求1所述的方法，其中，利用预先训练的神经网络模型，基于所述当前骨骼关节信息和所述期望运动轨迹信息，生成所述足式机器人的关节控制信息和轨迹控制信息；其中，所述神经网络模型是基于与所述足式机器人相对应的活体的运动数据训练而成的，所述活体的运动数据包括在所述活体的运动过程中按预定时间间隔采集的关节运动信息，其中，所述活体的骨骼关节包括至少两个下肢关节，所采集的所述活体的关节运动信息包括对应于所述活体的所述至少两个下肢关节的位置信息。6.如权利要求5所述的方法，其中，所述神经网络模型是基于所述活体的运动数据训练
而成的，还包括：基于所采集的所述活体的关节运动信息，进行数据重定向，以得到所述足式机器人的用于对所述神经网络模型进行训练的训练数据；以及利用所述训练数据，对所述神经网络模型进行训练；其中，所述训练数据包括以所述预定时间间隔为间隔的数据序列集合，其中，对于每个采集时刻，基于所采集的所述活体的关节运动信息，进行数据重定向以获得其对应的用于足式机器人的骨骼关节信息、运动轨迹信息、期望速度信息和电机运动信息；其中，所述训练数据包括输入数据部分和输出数据部分，所述输入数据部分包括该采集时刻的所述数据重定向后的骨骼关节信息、运动轨迹信息和期望速度信息，并且所述输出数据部分包括电机运动信息以及下一采集时刻的运动轨迹信息，其中所述电机运动信息对应于所述关节控制信息，所述下一采集时刻的运动轨迹信息对应于所述轨迹控制信息，其中，所述运动轨迹信息包括所述足式机器人在所述采集时刻的位置信息和方向信息，所述骨骼关节信息包括所述足式机器人的骨骼关节在所述采集时刻的位置信息、方向信息和当前速度信息，所述电机运动信息包括所述足式机器人中的各个电机的位置信息和速度信息。7.如权利要求6所述的方法，其中，对于每个采集时刻，还确定所述活体在所述采集时刻的步态类型标签；并且其中，所述输入数据部分还包括该采集时刻的步态类型标签，并且所述输出数据部分还包括下一采集时刻的步态类型标签。8.如权利要求6所述的方法，其中，基于所采集的所述活体的关节运动信息，进行数据重定向以获得其对应的用于足式机器人的骨骼关节信息、运动轨迹信息、期望速度信息和电机运动信息，包括：基于所采集的所述活体的关节运动信息，确定所述足式机器人的基座的运动轨迹信息和姿态信息；基于所述足式机器人的基座的姿态信息，确定对于所述至少一个脊柱关节所对应的电机的电机控制信息；根据所述足式机器人的基座的运动轨迹信息和姿态信息以及对于所述至少一个脊柱关节所对应的电机的电机控制信息，确定所述足式机器人的至少两个下肢关节的位置信息和姿态信息，以确定所述足式机器人的至少两个下肢关节所对应的电机的电机控制信息；以及基于所述足式机器人的至少两个下肢关节所对应的电机的电机控制信息，确定所述足式机器人的电机运动信息，其中，所述电机控制信息是在数据重定向后生成的用于控制所述足式机器人中的各个电机的转动的信息。9.如权利要求8所述的方法，其中，基于所采集的所述活体的关节运动信息，进行数据重定向以获得其对应的用于足式机器人的骨骼关节信息、运动轨迹信息、期望速度信息和电机运动信息，还包括：基于所采集的所述活体的关节运动信息，确定所述足式机器人的至少两个下肢关节的位置信息；
根据所述足式机器人的基座的运动轨迹信息和姿态信息以及对于所述至少一个脊柱关节所对应的电机的电机控制信息，更新所述足式机器人的至少两个下肢关节的位置信息和姿态信息；以及基于更新后的所述足式机器人的至少两个下肢关节的位置信息和姿态信息，确定所述足式机器人的至少两个下肢关节所对应的电机的电机控制信息。10.如权利要求6所述的方法，其中，所述活体的至少两个下肢关节和所述足式机器人的至少两个下肢关节都包括四个髋关节、四个膝关节和四个趾关节；所述足式机器人的至少一个脊柱关节包括两个脊柱关节，所述两个脊柱关节将所述足式机器人的基座分为头部基座、中部基座和尾部基座；其中，基于所采集的所述活体的关节运动信息，进行数据重定向以获得其对应的用于足式机器人的骨骼关节信息、运动轨迹信息、期望速度信息和电机运动信息，包括：基于所采集的所述活体的关节运动信息，确定所述足式机器人的至少两个下肢关节的位置信息、以及所述中部基座的运动轨迹信息和姿态信息；基于所述足式机器人的至少两个下肢关节的位置信息以及所述中部基座的位置信息和姿态信息，确定所述头部基座和尾部基座的姿态信息，并基于所述头部基座、尾部基座和中部基座的姿态信息确定对于所述两个脊柱关节所对应的电机的电机控制信息；根据所述中部基座的位置信息和姿态信息以及对于所述两个脊柱关节所对应的电机的电机控制信息，更新所述足式机器人的四个髋关节的位置信息和姿态信息；基于更新后的所述足式机器人的四个髋关节的位置信息和姿态信息，确定所述足式机器人的至少两个下肢关节所对应的电机的电机控制信息；以及基于所述足式机器人的至少两个下肢关节所对应的电机的电机控制信息，确定所述足式机器人的电机运...

【专利技术属性】
技术研发人员：李世迪，李珽光，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：