-
公开(公告)号：CN115047875B
公开(公告)日：2024-05-14
申请号：CN202210637671.3
申请日：2022-06-07
Applicant: 中国北方车辆研究所
IPC: G05D1/43
Abstract: 本发明属于四足机器人技术领域，具体涉及一种任务驱动的四足机器人粗粒度迭代模型，所述四足机器人粗粒度迭代模型包括：地形语义模块、目标识别模块、强化学习迭代模块以及粗粒度指令生成模块；该模型主要输入为环境建模信息，如地形语义与属性、目标的位置与行为等，输出为四足机器人质心运动速度、速度朝向、质心高度以及落足点位置，本发明不涉及细粒度迭代中的摆动轨迹规划等问题。本发明在任务驱动下以环境模型为约束通过强化学习技术实现演化迭代，相比传统固定化的决策逻辑大大提高了机器人在复杂环境下的自适应能力。
-
公开(公告)号：CN115042174A
公开(公告)日：2022-09-13
申请号：CN202210637668.1
申请日：2022-06-07
Applicant: 中国北方车辆研究所
Abstract: 本发明属于机器人运动控制技术领域，具体涉及一种分层驱动的自主无人系统类人控制架构。本发明首先通过“大脑层”产生粗粒度的行为驱动控制命令其主要是控制无人平台本体质心位置、速度和姿态的粗粒度指令；“中枢层”通过接收上述粗粒度指令后结合无人平台模型产生细粒度的虚拟直觉控制，以虚拟力和虚拟扭矩完成对平台本体对粗粒度行为命令的跟随，并将该虚拟控制量向物理执行单元进行分配产生其细粒度的期望控制量；最终，“末梢层”通过驱动无人平台执行器单元对细粒度控制量的反馈闭环跟踪，面向典型的执行器单元采用多通道耦合控制方法达到伺服驱动的目的，最终将复杂的无人平台整体控制简化为分层驱动控制。
-
公开(公告)号：CN115391680A
公开(公告)日：2022-11-25
申请号：CN202210980205.5
申请日：2022-08-16
Applicant: 中国北方车辆研究所
IPC: G06F16/9537 , G06F16/29 , G06N3/04 , G06N3/08 , G06K9/62 , G06V20/56 , G06V20/70 , B62D57/032
Abstract: 本发明属于自动控制技术领域，具体涉及一种基于深度学习的四足机器人足端地面滑移率估计方法，其采用深度神经网络实现对当前地形属性类别的判断，进一步采用GPS全球定位结果获取对应经纬度下的地质数据集，从而得到同样地形属性在不同区域内的准确地形滑移率；本发明将深度学习技术应用于四足机器人足端地面滑移率估计，解决了传统人工着地判断策略复杂、参数多、鲁棒性差的问题，通过长期收集数据进行训练最终得到高可靠、高灵敏性的地形属性判断神经网络，进一步结合地质定位数据集获取准确的滑移率，该方法在不同机器人构型和平台上具有良好的泛化和迁移能力。
-
公开(公告)号：CN115407790A
公开(公告)日：2022-11-29
申请号：CN202210980198.9
申请日：2022-08-16
Applicant: 中国北方车辆研究所
Abstract: 本发明属于自动控制技术领域，具体涉及一种基于深度学习的四足机器人侧向速度估算方法。其基于深度学习技术通过采集机器人状态数据预测着地情况，相比传统人工阈值策略能有效提高触地判断准确率，且具有自适应学习能力，最终基于网络判别的接触状态实现对机器人运动速度的在线估计。与现有技术相比较，本发明将深度学习技术应用于四足机器人的坡度角度估算方法，解决了传统人工着地判断策略复杂、参数多、鲁棒性差的问题，通过长期收集数据进行训练最终得到高可靠、高灵敏性的着地判断神经网络，同时其在不同机器人构型和平台上具有良好的泛化和迁移能力。
-
公开(公告)号：CN115167389A
公开(公告)日：2022-10-11
申请号：CN202210638408.6
申请日：2022-06-07
Applicant: 中国北方车辆研究所
IPC: G05D1/02
Abstract: 本发明属于机器人运动控制技术领域，具体涉及一种行为驱动的四足机器人中枢层细粒度演进优化模型。所述四足机器人中枢层细粒度演进优化模型采用多模态切换控制的策略，其原理是将实际环境中的地形划分归类为台阶与斜坡两大类，针对台阶地形和斜坡地形分别采用不同的细粒度摆动轨迹规划；通过本体运动学和IMU等感知数据实现对台阶和斜坡两类典型地形的快速判别，进一步基于模态判别结果对细粒度摆动行为进行在线演进优化，提高整体地形的通过能力，并提升四足机器人在“全自主”任务下的复杂地形自适应通过能力。
-
Patent Agency Ranking
公开(公告)号：CN115407790B
公开(公告)日：2024-04-26
申请号：CN202210980198.9
申请日：2022-08-16
Applicant: 中国北方车辆研究所
IPC: G05D1/49 , G01P3/00 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/096 , G06F18/24 , G06F18/213 , G05D109/12
Abstract: 本发明属于自动控制技术领域，具体涉及一种基于深度学习的四足机器人侧向速度估算方法。其基于深度学习技术通过采集机器人状态数据预测着地情况，相比传统人工阈值策略能有效提高触地判断准确率，且具有自适应学习能力，最终基于网络判别的接触状态实现对机器人运动速度的在线估计。与现有技术相比较，本发明将深度学习技术应用于四足机器人的坡度角度估算方法，解决了传统人工着地判断策略复杂、参数多、鲁棒性差的问题，通过长期收集数据进行训练最终得到高可靠、高灵敏性的着地判断神经网络，同时其在不同机器人构型和平台上具有良好的泛化和迁移能力。
-
公开(公告)号：CN116045907A
公开(公告)日：2023-05-02
申请号：CN202211540504.3
申请日：2022-12-02
Applicant: 中国北方车辆研究所
IPC: G01C9/00 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种基于深度学习的四足机器人对路面坡度角度估算方法，本发明首先将足端触地状态分类，使用机器人本体及外部传感器测量数据构建数据集，并进一步采用神经网络对机器人足端触地状态进行分类，由于所收集数据为连续时序信号引入1D卷积神经网络提取通道特征，为避免过拟合问题引入dropout技术增强模型泛化性，为提高训练效果与效率对输入数据进行了归一化处理，在网络训练完成后输入传感器数据获取触地情况，进一步结合IMU和机器人运动学实现对坡度角度估算，本发明方法最终基于网络判别的接触状态实现对地形坡度的在线估计。
-
公开(公告)号：CN115061370A
公开(公告)日：2022-09-16
申请号：CN202210638409.0
申请日：2022-06-07
Applicant: 中国北方车辆研究所
IPC: G05B13/04
Abstract: 本发明属于机器人运动控制技术领域，具体涉及一种行为驱动的四足机器人伺服层细粒度演进优化模型，包括：结合机器人的雅克比动力学，对足底力进行在线估计；采用反向史密斯触发器对支撑与摆动行为进行在线判别和控制通道的行为切换；基于切换结果，针对摆动行为控制通道采用位置+速度，实现对期望关节位置与力指令的跟踪；针对支撑行为控制通道采用位置+速度+力前馈，实现对期望关节位置与力指令的跟踪；采用自抗扰ADRC控制器对系统扰动在线估计，并对通道控制参数进行细粒度优化。该方案能提升四足机器人在未知环境下足地接触的可靠性以及力控制的鲁棒性。
-
公开(公告)号：CN115047875A
公开(公告)日：2022-09-13
申请号：CN202210637671.3
申请日：2022-06-07
Applicant: 中国北方车辆研究所
IPC: G05D1/02
Abstract: 本发明属于四足机器人技术领域，具体涉及一种任务驱动的四足机器人粗粒度迭代模型，所述四足机器人粗粒度迭代模型包括：地形语义模块、目标识别模块、强化学习迭代模块以及粗粒度指令生成模块；该模型主要输入为环境建模信息，如地形语义与属性、目标的位置与行为等，输出为四足机器人质心运动速度、速度朝向、质心高度以及落足点位置，本发明不涉及细粒度迭代中的摆动轨迹规划等问题。本发明在任务驱动下以环境模型为约束通过强化学习技术实现演化迭代，相比传统固定化的决策逻辑大大提高了机器人在复杂环境下的自适应能力。
-
公开(公告)号：CN115061370B
公开(公告)日：2025-01-07
申请号：CN202210638409.0
申请日：2022-06-07
Applicant: 中国北方车辆研究所
IPC: G05B13/04
Abstract: 本发明属于机器人运动控制技术领域，具体涉及一种行为驱动的四足机器人伺服层细粒度演进优化模型，包括：结合机器人的雅克比动力学，对足底力进行在线估计；采用反向史密斯触发器对支撑与摆动行为进行在线判别和控制通道的行为切换；基于切换结果，针对摆动行为控制通道采用位置+速度，实现对期望关节位置与力指令的跟踪；针对支撑行为控制通道采用位置+速度+力前馈，实现对期望关节位置与力指令的跟踪；采用自抗扰ADRC控制器对系统扰动在线估计，并对通道控制参数进行细粒度优化。该方案能提升四足机器人在未知环境下足地接触的可靠性以及力控制的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
