【技术实现步骤摘要】
本专利技术涉及机器人控制，尤其涉及一种基于多脑区融合的肌肉骨骼机器人控制方法和装置。
技术介绍
1、肌肉骨骼机器人是仿照生物的骨骼和肌肉的排布方式构建的肌腱驱动系统。相比刚体机器人，肌肉骨骼机器人能够更加灵活、柔顺地完成高精度作业。
2、在相关技术中，可以通过生物模拟方式建立各个脑区的网络模型，并将所有网络模型的输出信号进行加权相加处理，得到控制信号，最后利用该控制信号控制机器人运动。
3、然而，对于肌肉骨骼机器人而言，完成一个运动任务存在多组肌肉兴奋模式，因此，亟需有效的方法去探索动作空间以获得最优控制信号。
技术实现思路
1、本专利技术提供一种基于多脑区融合的肌肉骨骼机器人控制方法和装置，用以解决现有技术中肌肉骨骼机器人的运动适应能力较差的问题。
2、本专利技术提供一种基于多脑区融合的肌肉骨骼机器人控制方法，包括：获取肌肉骨骼机器人的观测状态信息，所述观测状态信息包括：关节角度、关节角速度、肌肉信号能量、末端执行器的当前位置与目标位置；通过网络融合模型将所述观测状态信息生成肌肉控制信号；基于所述肌肉控制信号驱动所述肌肉骨骼机器人执行动作；其中，所述网络融合模型包括基底神经节网络和小脑网络，所述基底神经节网络和所述小脑网络基于脑区通信神经机制实现通信连接，所述脑区通信神经机制通过模拟大脑皮层下两个脑区通信的方式生成。
3、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制方法，所述基底神经节网络包括：基底神经节动作网络和基底
4、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制方法，所述小脑网络包括颗粒细胞网络层、小脑深部核团网络层、浦肯野细胞网络层以及下橄榄核网络层；所述小脑网络的传输通路包括第一传输通路和第二传输通路；所述第一传输通路为通过所述小脑深部核团网络层直接输出；所述第二传输通路为通过所述颗粒细胞网络层输入，经过所述浦肯野细胞网络层后，通过所述小脑深部核团网络层输出；所述下橄榄核网络层，用于编码误差信号，并将所述误差信号传输至所述浦肯野细胞网络层和所述小脑深部核团网络层，以修正其网络权重。
5、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制方法，所述脑区通信神经机制包括：将所述基底神经节动作网络的特征提取结果通过所述丘脑下核网络层传递到所述颗粒细胞网络层；将所述小脑深部核团网络层的输出传递到所述背侧纹状体网络层。
6、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制方法，所述通过网络融合模型将所述观测状态信息生成肌肉控制信号之前，所述方法还包括：基于多巴胺能经验回放方法获取训练样本；根据所述训练样本实现所述网络融合模型的初次更新和二次更新；其中，所述初次更新为分别对所述基底神经节动作网络和所述基底神经节评价网络的更新，所述二次更新为通过控制所述基底神经节网络与所述小脑网络进行交互实现的更新。
7、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制方法，所述基于多巴胺能经验回放方法获取训练样本，包括：从经验回放缓冲区中确定最近样本集合和最优样本集合；基于多巴胺比例系数从所述最近样本集合和所述最优样本集合中均匀采样得到所述训练样本。
8、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制方法，所述方法还包括：若一个时间步中所述基底神经节网络输出信号的策略熵位于预设区间内，则更新所述多巴胺比例系数；其中，所述预设区间为基于所述基底神经节网络输出信号的目标熵确定的区间，所述目标熵与所述多巴胺比例系数ρ的函数关系为：
9、本专利技术还提供一种基于多脑区融合的肌肉骨骼机器人控制装置，包括：获取模块和处理模块；所述获取模块，用于获取肌肉骨骼机器人的观测状态信息，所述观测状态信息包括：关节角度、关节角速度、肌肉信号能量、末端执行器的当前位置与目标位置；所述处理模块，用于通过网络融合模型将所述观测状态信息生成肌肉控制信号；基于所述肌肉控制信号驱动所述肌肉骨骼机器人执行动作；其中，所述网络融合模型包括基底神经节网络和小脑网络，所述基底神经节网络和所述小脑网络基于脑区通信神经机制实现通信连接，所述脑区通信神经机制通过模拟大脑皮层下两个脑区通信的方式生成。
10、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制装置，所述基底神经节网络包括：基底神经节动作网络和基底神经节评价网络；所述基底神经节动作网络包括背侧纹状体网络层、外苍白球网络层、丘脑下核网络层、黑质网状部网络层以及内苍白球网络层；所述基底神经节动作网络的传输通路包括直接传输通路和间接传输通路；所述直接传输通路为通过所述背侧纹状体网络层输入，通过所述黑质网状部网络层和所述内苍白球网络层输出；所述间接传输通路为通过所述背侧纹状体网络层输入，依次经过所述外苍白球网络层、所述丘脑下核网络层后，通过所述黑质网状部网络层和所述内苍白球网络层输出；所述基底神经节评价网络包括：黑质致密部网络层、腹侧被盖区网络层以及腹侧纹状体网络层；所述基底神经节评价网络的传输通路为通过所述黑质致密部网络层和所述腹侧被盖区网络层输入，通过所述腹侧纹状体网络层输出。
11、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制装置，所述小脑网络包括颗粒细胞网络层、小脑深部核团网络层、浦肯野细胞网络层以及下橄榄核网络层；所述小脑网络的传输通路包括第一传输通路和第二传输通路；所述第一传输通路为通过所述小脑深部核团网络层直接输出；所述第二传输通路为通过所述颗粒细胞网络层输入，经过所述浦肯野细胞网络层后，通过所述小脑深部核团网络层输出；所述下橄榄核网络层，用于编码误差信号，并将所述误差信号传输至所述浦肯野细胞网络层和所述小脑深部核团网络层，以修正其网络权重。
12、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制装置，所述脑区通信神经机制包括：将所述基底神经节动作网络的特征提取结果通过所述丘脑下核网络层传递到所述颗粒细胞网络层；将所述小脑深部核团网络层的输出传递到所述背侧纹状体网络层。
13、根据本专利技术提供一种的基于多脑区融合的肌肉骨骼机器人控制装置，获取模块，可以用于基于多巴胺能经验回放方法获取训练样本；处理模块，可以用于根据所述训练样本实现所述网络融合模型的初次更新和二次更新；其中本文档来自技高网...
【技术保护点】
1.一种基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，包括：
2.根据权利要求1所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述基底神经节网络包括：基底神经节动作网络和基底神经节评价网络；
3.根据权利要求2所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述小脑网络包括颗粒细胞网络层、小脑深部核团网络层、浦肯野细胞网络层以及下橄榄核网络层；
4.根据权利要求3所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述脑区通信神经机制包括：将所述基底神经节动作网络的特征提取结果通过所述丘脑下核网络层传递到所述颗粒细胞网络层；将所述小脑深部核团网络层的输出传递到所述背侧纹状体网络层。
5.根据权利要求3所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述通过网络融合模型将所述观测状态信息生成肌肉控制信号之前，所述方法还包括：
6.根据权利要求5所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述基于多巴胺能经验回放方法获取训练样本，包括：
7.根据权利要求6
8.一种基于多脑区融合的肌肉骨骼机器人控制装置，其特征在于，包括：获取模块和处理模块；
9.根据权利要求8所述的基于多脑区融合的肌肉骨骼机器人控制装置，其特征在于，所述基底神经节网络包括：基底神经节动作网络和基底神经节评价网络；
10.根据权利要求9所述的基于多脑区融合的肌肉骨骼机器人控制装置，其特征在于，所述小脑网络包括颗粒细胞网络层、小脑深部核团网络层、浦肯野细胞网络层以及下橄榄核网络层；
...【技术特征摘要】
1.一种基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，包括：
2.根据权利要求1所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述基底神经节网络包括：基底神经节动作网络和基底神经节评价网络；
3.根据权利要求2所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述小脑网络包括颗粒细胞网络层、小脑深部核团网络层、浦肯野细胞网络层以及下橄榄核网络层；
4.根据权利要求3所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述脑区通信神经机制包括：将所述基底神经节动作网络的特征提取结果通过所述丘脑下核网络层传递到所述颗粒细胞网络层；将所述小脑深部核团网络层的输出传递到所述背侧纹状体网络层。
5.根据权利要求3所述的基于多脑区融合的肌肉骨骼机器人控制方法，其特征在于，所述...
【专利技术属性】
技术研发人员：张金涵，陈嘉浩，钟汕林，乔红，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
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。