仿人机器人适应性行走的生成机理及自主学习进化机制

There is an increasing trend of humanoid robots being moved into domestic environments, therefore, there is an urgent requirement to improve the ability of their intelligent walking. And adaptability is an important criterion of the intelligent walking ability of humanoid robots in dynamic environments. This project improves the robot walking intelligence in unknown environments via imitating human’s walking mechanism. The main contents include: (1) establishing the mathematical model based on central pattern generator (CPG) mechanism to improve environmental adaptability; (2) investigating robust control methods of active balancing for external disturbances, via imitating the balancing skills of human walking; (3) studying the autonomous evolution mechanism of the intelligent walking model based on deep reverse reinforcement learning method; (4) cognizing and understanding of walking environments; (5) exploring the strategy of integrating the intelligent walking model and the environment model, and optimizing walking modes according to the environments to achieve the dynamic environment adaptive walking ability; (6) concluding with the intelligent platform design and strategy validations. The aim of this project is to study the mechanism of human adaptive walking and explore novel control theories and strategies for adaptive walking of humanoid robots based on the autonomous learning evolution mechanism. It is also expected to greatly improve the innovations of biological-inspired control methods and applications in related engineering fields.

随着仿人机器人不断实用化，提高仿人机器人的智能行走能力是亟待解决的问题。适应性是机器人在复杂环境中智能行走能力的重要体现，本研究拟借鉴人类的行走机理，探索仿人机器人在未知环境中实际行走的解决方案，研究内容主要包括：（1）建立基于中枢模式发生机制的智能行走模型，提高行走的适应性；（2）模拟人类平衡机理建立鲁棒行走机制，抵御外界干扰；（3）基于深度逆向强化学习的智能行走模型的自主进化机制；（4）行走环境的感知和理解；（5）智能行走模型和环境模型的融合策略，使机器人能够根据环境自主优化运动模式，实现复杂环境中的适应性行走；（6）智能平台设计和实体机器人实验验证。本项目意在对人类适应性行走的生成机理进行学习，基于自主学习进化机制，探索仿人机器人适应性行走控制新的理论和方法。这对新一代智能机器人的研制，促进服务机器人的现场应用具有重要的意义，也能极大地推动生物诱导控制方法在诸多应用领域内的设计创新。

本项目从环境感知、行为优化、智能控制等方面研究了服务机器人在知、行、控方面的算法和关键技术，目的是提升机器人在复杂环境下的智能运动能力。主要取得的成果包括：（1）研究了复杂环境下的机器人建图、定位、导航算法。针对机器人的环境感知，提出了实时自主的仿人机器人视觉感知算法；提出了环境地图构建和机器人实时姿态估计方法；针对仿人机器人的路径规划和自主导航算法进行了研究。（2）针对机器人的行为优化方面：提出了分层CPG模型、自学习CPG模型，解决了传统模型输出模式单一的缺陷；提出了基于工作空间的仿人机器人智能行走模型，解决了目前CPG仿生控制参数调制困难，参数和模型输出没有明确的线性对应关系这一难点问题；提出了函数型动作基元的示教学习轨迹生成方法；提出了社会规则约束下的机器人行为优化方法。（3）针对机器人的稳定性和鲁棒性机制方面：针对仿人机器人的鲁棒性策略进行研究，提出了落脚点补偿方法，提高机器人的抗干扰能力；提出了基于神经网络的机器人上身姿态控制算法和基于感知机的多层补偿方法；提出了基于任务空间法的机器人自碰撞避免和目标轨迹的融合方法。（4）智能平台设计和实体机器人实验验证。基于仿人机器人、移动AGV等平台设计实体验证实验。本项目旨在探索服务机器人适应性运动控制新的理论和方法。复杂环境下服务机器人运动模式的突破和创新，对于解决机器人环境和任务适应性问题、拓宽机器人应用领域、提升机器人在智能制造、仓储物流、家庭服务等场景中的灵活性和应用效能具有重要意义。