虚拟现实交互的双足步行机器人控制方法研究

To settle the problem of autonomous walking for biped robots, a virtual-reality-interaction based control method for biped walking robots is proposed in this project. A notion of virtual trial-and-error is presented to evolution the traditional control method of ‘perception-action’ to a method of ‘perception-prediction-action’. The adaptive ability of biped walking can be improved through the prediction based on virtual-reality-interaction method. Accordingly, biped robots are expected to realize autonomous walking even when the walking environment or status of the robots is changing. As a result, it is promoted that biped robots are developed to help or replace people in unstructured environments more effectively. This project is built around three points, the model for the learning control, the algorithm for the learning control and the evaluation for the learning control. The main research contents includes 1) The model of virtual-reality-interaction based on virtual prototype, 2) Self-learning control method for biped walking based on virtual-reality-interaction, 3) Multivariate dynamic evaluation strategy and the mechanism for adjusting the evaluation criterion considering stability, energy efficiency and smoothness. This project is expected to realize intelligent control using methods of online machine learning. The proposed framework of virtual-reality-interaction control is providing a kind of new theory and new idea for intelligent control.

本项目针对双足机器人实现全自主步行的难题，从人类步行运动控制机理出发，探索一套基于虚拟现实交互的双足机器人步行运动控制方法。项目提出虚拟试错的概念，将传统的“感知-行动”控制方法演变为“感知-预估-行动”控制方法。通过研究虚实交互的预估预测方法，提高双足步行的自适应能力，以达到双足仿生机器人在地面环境和自身状态发生变化情况下实现自主步行的目标，从而推动机器人代替人类进行作业或延伸人类的活动领域。项目围绕虚拟现实交互学习控制的模型建立、学习控制的算法设计、学习控制的结果评价等三个问题，重点研究：1）基于虚拟样机的虚拟现实交互模型；2）基于支持向量机的虚拟现实交互的双足步行运动自学习控制方法；3）基于稳定、能效、平滑等多元动态评价策略及其切换机制的系统化评价方法。项目采用在线机器学习方法实现机器人智能控制，所提出的虚拟现实交互控制框架将为机器人仿人智能控制提供新的理论方法和思路。

本项目针对双足机器人实现全自主步行的难题，从人类步行运动控制机理出发，重点探索双足步行机器人高能效自主步行控制方法。这里牵涉到两个亟待解决的关键问题：第一，如何使双足机器人步行运动的代价最小（其中最典型判据为能量代价）；第二，如何使双足机器人在不同环境下的学习适应能力提高。基于此，我们仔细分析了双足机器人步行能量代价和学习控制方法，并在此基础上提出了一类具备学习能力的控制系统，使其在不同环境条件下实现代价最小的步行运动。项目主要研究内容包括：1）提出了一种外力扰动下双足机器人双支撑相的动态平衡优化控制方法; 2)提出了基于神经动力学的机器人能效优化策略; 3)提出了一种基于支持向量机和容积卡尔曼滤波的双足机器人自学习控制系统; 4)提出了一种动态环境下的机器人运动轨迹规划优化方法; 5）提出了一类非线性系统的广义模糊双曲正切模型自适应控制器。在本项目支持下，相关研究成果发表论文12篇 (含7篇SCI检索论文，4篇EI检索论文），申请2项国家专利并获授权。项目成果对实现双足步行机器人高能效自主步行有重要的科学意义。