-
公开(公告)号：CN113568422A
公开(公告)日：2021-10-29
申请号：CN202110748595.9
申请日：2021-07-02
Applicant: 厦门大学
IPC: G05D1/08
Abstract: 本发明涉及机器人智能控制领域，特别涉及基于模型预测控制优化强化学习的四足机器人控制方法，包括：根据物理样机的物理参数建立动力学模型，并将动力学模型转化为状态空间方程；根据状态空间方程优化模型预测控制，并将优化后的模型预测控制部署到物理样机上；建立强化学习模型，强化学习模型与环境、模型预测控制同时交互训练物理样机。通过基于模型预测控制优化强化学习降低训练过程中产生的无意义数据，通过模型引导训练降低对算力的需求，能直接部署于物理样机训练减少训练过程解决了基于价值和策略的算法对数据和算力要求高，需要昂贵的计算机设备进行预训练才能够初步达到机器人的控制效果，在部署到物理样机后还需进行长时间训练的问题。
-
公开(公告)号：CN114384918A
公开(公告)日：2022-04-22
申请号：CN202210047113.1
申请日：2022-01-14
Applicant: 厦门大学
IPC: G05D1/02
Abstract: 基于落足点调整的四足机器人对角步态柔顺控制方法，涉及电驱动四足机器人。包括：建立四足机器人简化的刚体模型；根据简化后的刚体模型，结合电机编码器、足底激光距离传感器、关节力传感器、IMU等传感器数据计算得到关节角、触地信号、髋部运动状态、机体质心姿态；进行落足点调整、抬腿高度自适应的足端轨迹规划；设计起步姿态与行走过渡，进行对角小跑步态规划；设计对角小跑步态切换的状态机；建立四足机器人运动的阻抗控制器和虚拟模型控制器。通过建立一种基于落足点调整的电驱动四足机器人对角小跑步态柔顺行走控制方法，实现四足机器人柔顺且稳定地行走。
-
公开(公告)号：CN113568422B
公开(公告)日：2024-01-23
申请号：CN202110748595.9
申请日：2021-07-02
Applicant: 厦门大学
IPC: G05D1/49 , G05D109/12
Abstract: 本发明涉及机器人智能控制领域，特别涉及基于模型预测控制优化强化学习的四足机器人控制方法，包括：根据物理样机的物理参数建立动力学模型，并将动力学模型转化为状态空间方程；根据状态空间方程优化模型预测控制，并将优化后的模型预测控制部署到物理样机上；建立强化学习模型，强化学习模型与环境、模型预测控制同时交互训练物理样机。通过基于模型预测控制优化强化学习降低训练过程中产生的无意义数据，通过模型引导训练降低对算力的需求，能直接部署于物理样机训练减少训练过程解决了基于价值和策略的算法对数据和算力要求高，需要昂贵的计算机设备进行预训练才能够初步达到机器人的控制效果，在部署到物理样机后还(56)对比文件N. Hirose.MPC policy learning usingDNN for human following control withoutcollision《.Advanced Robotics》.2018,全文.Curtis C. Johnson.Using FirstPrinciples for Deep Learning and Model-Based Control of Soft Robots《.ORIGINALRESEARCH》.2021,全文.陶亚凡.基于强化学习的足式机器人控制方法研宄《.中国优秀硕博士论文全文数据库》.2021,全文.Anusha Nagabandi;Gregory Kahn.利用神经网络动力学实现基于模型的强化学习.机器人产业.2018,(01),全文.
-
-
Search Results
3
records
(took 0.017 seconds)
