【技术实现步骤摘要】
本专利技术涉及机器人控制，具体为仿人型机器人控制系统、控制方法及存储介质。
技术介绍
1、目前最先进机器人控制技术的基础至少可以追溯到经典的控制模块选择与识别模型，在控制模块选择与识别模型的模块化结构中，每个模块通常都有自己的输入和输出，模块之间通过信息传递来实现协作和整合。这种模块化结构有助于提高系统的灵活性和适应性，因为每个模块可以独立地学习和调整，而不会对整个系统造成影响。例如：在视觉感知中，可以将控制模块选择与识别模型的模块化结构应用于识别物体的形状、确定物体的位置、检测运动等任务。每个模块专注于处理其中一项任务，而整个系统通过整合每个模块的输出来完成更复杂的感知任务。总之，控制模块选择与识别模型的模块化结构是一种将复杂的感知任务分解为多个模块，并通过模块之间的协作和整合来实现的结构设计。
2、双足机器人的关节自由度一般高于常见的六自由度工业机器人，动力学模型非常复杂，包含了连续变量动态系统、离散事件动态系统以及两者相互作用的混杂系统，因此，控制双足机器人姿态稳定是机器人控制领域的难点。而控制模块选择与识别模型的模块...
【技术保护点】
1.仿人型机器人控制系统，其特征在于，包括含有多个模块单元的学习前向模型，学习前向模型的学习目标是使每个线性动力学模型的加权预测误差最小化，用于接收控制反馈和观测状态信息，给出机器人在各种临界姿态下的状态信息，确定每个模块单元的回归参数以及偏差参数；
2.根据权利要求1所述的仿人型机器人控制系统，其特征在于，在每个模块单元中，线性动力学模型的表达式为：
3.根据权利要求2所述的仿人型机器人控制系统，其特征在于，所述状态估计器具体采用线性状态估计器，其表达式为：
4.根据权利要求3所述的仿人型机器人控制系统，其特征在于，所述责任预测器...
【技术特征摘要】
1.仿人型机器人控制系统，其特征在于，包括含有多个模块单元的学习前向模型，学习前向模型的学习目标是使每个线性动力学模型的加权预测误差最小化，用于接收控制反馈和观测状态信息，给出机器人在各种临界姿态下的状态信息，确定每个模块单元的回归参数以及偏差参数；
2.根据权利要求1所述的仿人型机器人控制系统，其特征在于，在每个模块单元中，线性动力学模型的表达式为：
3.根据权利要求2所述的仿人型机器人控制系统，其特征在于，所述状态估计器具体采用线性状态估计器，其表达式为：
4.根据权利要求3所述的仿人型机器人控制系统，其特征在于，所述责任预测器为每个模块单元分配的控制贡献率采用概率分布表示，其表达式为：
5.根据权利要求4所述的仿人型机器人...
【专利技术属性】
技术研发人员：陈锋，刘慧荃，甄圣超，钟华勇，孙浩，
申请(专利权)人：合肥中科深谷科技发展有限公司，
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。