足式机器人的控制方法、装置、足式机器人及介质制造方法及图纸

本申请公开了一种足式机器人的控制方法、装置、足式机器人及介质，涉及机器人控制领域。方法包括：获取本体感知信息和外部感知信息，本体感知信息用于表征足式机器人本体的运动状态，外部感知信息用于表征足式机器人周围的环境信息；将本体感知信息和外部感知信息输入深度神经网络，得到深度神经网络输出的第一预测残差；基于第一预测残差对足部轨迹生成器进行参数调整；基于参数调整后的足部轨迹生成器输出的第一关节运动参数，控制足式机器人的运动状态。采用本申请实施例提供的方案使得足式机器人能够在复杂环境下避开危险地形稳定前进，提升了足式机器人在复杂环境下运动时的灵活性和稳定性。活性和稳定性。活性和稳定性。

【技术实现步骤摘要】
足式机器人的控制方法、装置、足式机器人及介质


[0001]本申请实施例涉及机器人控制领域，特别涉及一种足式机器人的控制方法、装置、足式机器人及介质。

技术介绍

[0002]足式机器人被广泛应用于探险救援、工业生产和医疗辅助等场景。在各种使用场景中，足式机器人的灵活性与稳定性也面临着更高的要求。
[0003]相关技术中，足式机器人可以获取本体感知信息，基于本体感知信息结合足部轨迹生成器进行运动控制，使得足式机器人可以在未知的地形条件下进行运动控制，并仍保持运动的稳健性。
[0004]然而，现有足式机器人由于缺少地形感知的输入，只能处理一些较简单的地形，如泥泞地等，对于复杂地形，比如梅花桩，有间隙的地形等，地形适应性较差，进而导致足式机器人在复杂环境下运动时的灵活性和稳定性不高。

技术实现思路

[0005]本申请实施例提供了一种足式机器人的控制方法、装置、足式机器人及介质，能够提高足式机器人在复杂环境下运动时的灵活性和稳定性。所述技术方案如下：
[0006]一方面，本申请实施例提供了一种足式机器人的控制方法，所述方法包括：
[0007]获取本体感知信息和外部感知信息，所述本体感知信息用于表征足式机器人本体的运动状态，所述外部感知信息用于表征所述足式机器人周围的环境信息；
[0008]将所述本体感知信息和所述外部感知信息输入深度神经网络，得到所述深度神经网络输出的第一预测残差，所述第一预测残差用于修正足部轨迹生成器的轨迹生成参数；
[0009]基于所述第一预测残差对所述足部轨迹生成器进行参数调整；
[0010]基于参数调整后的所述足部轨迹生成器输出的第一关节运动参数，控制所述足式机器人的运动状态。
[0011]另一方面，本申请实施例提供了一种足式机器人的控制装置，所述装置包括：
[0012]信息获取模块，用于获取本体感知信息和外部感知信息，所述本体感知信息用于表征足式机器人本体的运动状态，所述外部感知信息用于表征所述足式机器人周围的环境信息；
[0013]预测模块，用于将所述本体感知信息和所述外部感知信息输入深度神经网络，得到所述深度神经网络输出的第一预测残差，所述第一预测残差用于修正足部轨迹生成器的轨迹生成参数；
[0014]参数调整模块，用于基于所述第一预测残差对所述足部轨迹生成器进行参数调整；
[0015]控制模块，用于基于参数调整后的所述足部轨迹生成器输出的关节运动参数，控制所述足式机器人的运动状态。
[0016]另一方面，本申请实施例提供了一种足式机器人，所述足式机器人包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上述方面所述的足式机器人的控制方法。
[0017]另一方面，本申请实施例提供了一种计算机可读存储介质，所述可读存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上述方面所述的足式机器人的控制方法。
[0018]另一方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。足式机器人的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该足式机器人执行上述方面提供的足式机器人的控制方法。
[0019]本申请实施例中，足式机器人首先获取本体感知信息和外部感知信息，本体感知信息用于表征足式机器人本体的运动状态，外部感知信息用于表征足式机器人周围的环境信息，从而使得足式机器人在感知自身状态的同时，也能感知到外部环境状态。然后，足式机器人将本体感知信息和外部感知信息输入深度神经网络，以得到第一预测残差，从而利用第一预测残差对足部轨迹生成器进行参数调整，以使足式机器人适应当前的运动环境，通过参数调整后的足部轨迹生成器输出的关节运动参数，从而控制足式机器人的运动状态，使得足式机器人能在当前环境中稳定前进。通过本申请实施例，足式机器人根据本体状态和外部环境状态进行运动控制，可以在复杂环境下稳定前进，进而提升了足式机器人在复杂环境下运动时的灵活性和稳定性。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本申请一个示例性实施例提供的实施环境的示意图；
[0022]图2是本申请一个示例性实施例提供的足式机器人的控制框架图；
[0023]图3是本申请一个示例性实施例提供的足式机器人的控制方法的流程图；
[0024]图4是本申请另一个示例性实施例提供的足式机器人的控制过程的流程图；
[0025]图5是本申请一个示例性实施例提供的足式机器人的控制过程的示意图；
[0026]图6是本申请一个示例性实施例提供的深度神经网络训练过程的流程图；
[0027]图7是本申请一个示例性实施例提供的足式机器人的控制过程的示意图；
[0028]图8是本申请一个示例性实施例提供的仿真环境的示意图；
[0029]图9是本申请一个示例性实施例提供的抬腿高度对比的示意图；
[0030]图10是本申请一个示例性实施例提供的关节角度变化的示意图；
[0031]图11是本申请一个示例性实施例提供的足式机器人的控制装置的结构框图；
[0032]图12示出了本申请一个示例性实施例提供的足式机器人的结构示意图。
具体实施方式
[0033]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0034]人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0035]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、预训练模型技术、操作/交互系统、机电一体化等。其中，预训练模型又称大模型、基础模型，经过微调后可以广泛应用于人工智能各大方向下游任务。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0036]机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种足式机器人的控制方法，其特征在于，所述方法包括：获取本体感知信息和外部感知信息，所述本体感知信息用于表征足式机器人本体的运动状态，所述外部感知信息用于表征所述足式机器人周围的环境信息；将所述本体感知信息和所述外部感知信息输入深度神经网络，得到所述深度神经网络输出的第一预测残差，所述第一预测残差用于修正足部轨迹生成器的轨迹生成参数；基于所述第一预测残差对所述足部轨迹生成器进行参数调整；基于参数调整后的所述足部轨迹生成器输出的关节运动参数，控制所述足式机器人的运动状态。2.根据权利要求1所述的方法，其特征在于，所述第一预测残差包括步频残差和抬腿高度残差，所述足部轨迹生成器的轨迹生成参数包括步频参数和抬腿高度参数；所述基于所述第一预测残差对所述足部轨迹生成器进行参数调整，包括：基于所述步频残差修正基准步频，得到调整后的步频参数；基于所述抬腿高度残差修正基准抬腿高度，得到调整后的抬腿高度参数。3.根据权利要求2所述的方法，其特征在于，所述深度神经网络的输出还包括第二预测残差，所述第二预测残差用于修正所述足部轨迹生成器输出的关节运动参数；所述基于参数调整后的所述足部轨迹生成器输出的关节运动参数，控制所述足式机器人的运动状态，包括：获取参数调整后的所述足部轨迹生成器输出的所述关节运动参数；基于所述第二预测残差修正所述关节运动参数；基于修正后的所述关节运动参数控制所述足式机器人的运动状态。4.根据权利要求3所述的方法，其特征在于，所述深度神经网络为LSTM网络，所述获取本体感知信息，包括：将接收到的移动方向指令、所述足式机器人的历史运动参数以及历史预测残差作为所述本体感知信息，所述历史预测残差包括所述深度神经网络的输出的历史第一预测残差以及历史第二预测残差。5.根据权利要求1所述的方法，其特征在于，所述获取外部感知信息，包括：获取所述足式机器人的足部周围的第一地形高度图；将所述第一地形高度图作为所述外部感知信息；或者，获取所述足式机器人参考位置下方的特定形状区域的第二地形高度图；将所述第二地形高度图作为所述外部感知信息。6.根据权利要求5所述的方法，其特征在于，所述获取所述足式机器人的足部周围的第一地形高度图，包括：以所述足式机器人的足部为中心，基于至少两种采样半径进行地面高度采样，得到多个地面采样点高度；基于足部高度与地面采样点高度之间的差值，生成所述第一地形高度图。7.根据权利要求1至6任一所述的方法，其特征在于，所述方法还包括：获取样本本体感知信息和样本外部感知信息；将所述样本本体感知信息和所述样本外部感知信息输入所述深度神经网络，得到所述
深度神经网络输出的样本预测残差；基于所述样本预测残差对所述足部轨迹生成器进行参数调整；基于参数调整后的所述足部轨迹生成器输出的样本关节运动参数，控制所述足式机器人的运动状态；基于所述运动状态确定运动奖励；基于所述运动奖励通过强化学习方式训练所述深度神经网络。8.根据权利要求7所述的方法，其特征在于，所述运动奖励包括：指令内速度奖励和指令外速度奖励，所述指令内速度奖励和所述指令外速度奖励用于鼓励所述足式机器人沿期望的方向移动；所述基于所述运动状态确定运动奖励，包括：获取所述足式机器人的本体速度以及移动方向指令所指示的移动方向；在所述本体速度大于期望速度下限且小于期望速度上限的情况下，将默认奖励值确定第一速度奖励值；将所述第一速度奖励值作为所述指令内速度奖励；或，在所述本体速度小于所述期望速度下限的情况下，基于所述本体速度、所述移动方向和所述期望速度下限确定第二速度奖励值；将所述第二速度奖励值作为所述指令内速度奖励，所述第二速度奖励值小于所述默认奖励值；或，在所述本体速度大于所述期望速度上限的情况下，基于所述本体速度、所述移动方向和所述期望速度上限确定第三速度奖励值；将所...

【专利技术属性】
技术研发人员：李珽光，石豪杰，朱庆旭，韩磊，迟万超，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：