-
公开(公告)号:CN112660264B
公开(公告)日:2023-06-20
申请号:CN202011609984.5
申请日:2020-12-30
Applicant: 厦门大学
IPC: B62D57/032 , G01L3/00
Abstract: 本发明涉及足式机器人技术领域,特别涉及马蹄形足端感知机器人腿部结构及输出力矩检测控制方法,其中马蹄形足端感知机器人腿部结构包括转矩输出装置、大腿、小腿和足端,小腿牵引连杆上设有拉力传感器,足端设有压力传感器。本发明通过转矩输出装置、大腿、小腿和小腿牵引连杆铰接形成连杆机构控制小腿旋转,进而带动足端起落,与现有技术相比,本发明通过足端的压力传感器用以检测触地点压力,通过小腿牵引连杆上的拉力传感器检测反馈拉力并反馈至转矩输出装置,转矩输出装置根据触地压力和反馈拉力的造成的转矩差实时控制输出的转矩进行补偿,达到腿部转矩输出恰当,避免了转矩输出过大或过小造成的不稳定现象。
-
公开(公告)号:CN110348443B
公开(公告)日:2022-04-01
申请号:CN201910750754.1
申请日:2019-08-14
Applicant: 厦门大学
Abstract: 本发明涉及四足机器人野外环境感知技术领域,特别涉及一种复杂环境树木主干多特征分离统计方法及树干识别方法。本发明提供的复杂环境树木主干多特征分离统计的方法,通过统计的方法提取树干与周围环境的差异性特征;所提供的树干识别方法,综合颜色和树干的纹理、轮廓特征,通过对树干与周围环境景物的颜色和纹理轮廓特征的差异完成差异性特征的学习,从而实现树主干的准确识别。本发明提供的技术方案以四足机器人复杂环境树木障碍的认知方法为研究对象,使机器人能够适应多变的林木环境实现对树木障碍的准确识别,在四足机器人的导航控制领域具有重要的实际应用价值。
-
公开(公告)号:CN111439320B
公开(公告)日:2021-01-08
申请号:CN202010246764.4
申请日:2020-03-31
Applicant: 厦门大学
IPC: B62D57/032
Abstract: 本发明提供一种可变曲度的混合弹性缓冲机器人仿生小腿及调节方法,其中,可变曲度的混合弹性缓冲机器人仿生小腿,包括小腿连接件及其连接的减振机构,其中:小腿连接件和减振机构之间的连接曲度可调;减振机构设有混合弹性缓冲机构。本发明提供的可变曲度的混合弹性缓冲机器人仿生小腿,通过在小腿连接件和减振机构之间的连接曲度可调的结构设计,能够根据环境需要调节小腿连接件和减振机构之间的曲度,从而减小足端受力方向与小腿连杆的直线方向有交大的偏差角度,减小小腿需承受额外的运动力矩;另外,通过采用混合弹性缓冲机构,解决单一的弹簧减振机构较难根据自身的重量调节弹簧的减振效果的问题,使其能很好的完成崎岖路面的支撑行走任务。
-
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.
-
公开(公告)号:CN113433943A
公开(公告)日:2021-09-24
申请号:CN202110748735.2
申请日:2021-07-02
Applicant: 厦门大学
Abstract: 本发明涉及四足机器人技术领域,特别涉及一种基于极值点插值处理与轨迹跟踪的四足机器人控制方法,包括根据四足机器人的足端轨迹,分别获取腿部关节电机角度;将四足机器人的足端轨迹对腿部关节进行运动学逆解,以获取周期内离散时刻对应的腿部关节电机角度;确认腿部关节电机旋转开始变化的时间,以获取腿部关节电机旋转角度变化的极值点;通过极值点之间的电机旋转角度计算腿部关节电机所需控制力矩,以使伺服驱动器驱动腿部关节电机控制四足机器人腿部运动;通过极值点计算单个关节电机所需控制力矩,使腿部关节单个电机进行力矩柔顺控制,有效地解决了四足机器人在高频控制电机时存在的抖动及不稳定问题,提高了四足机器人行走的平稳性。
-
公开(公告)号:CN112660264A
公开(公告)日:2021-04-16
申请号:CN202011609984.5
申请日:2020-12-30
Applicant: 厦门大学
IPC: B62D57/032 , G01L3/00
Abstract: 本发明涉及足式机器人技术领域,特别涉及马蹄形足端感知机器人腿部结构及输出力矩检测控制方法,其中马蹄形足端感知机器人腿部结构包括转矩输出装置、大腿、小腿和足端,小腿牵引连杆上设有拉力传感器,足端设有压力传感器。本发明通过转矩输出装置、大腿、小腿和小腿牵引连杆铰接形成连杆机构控制小腿旋转,进而带动足端起落,与现有技术相比,本发明通过足端的压力传感器用以检测触地点压力,通过小腿牵引连杆上的拉力传感器检测反馈拉力并反馈至转矩输出装置,转矩输出装置根据触地压力和反馈拉力的造成的转矩差实时控制输出的转矩进行补偿,达到腿部转矩输出恰当,避免了转矩输出过大或过小造成的不稳定现象。
-
公开(公告)号:CN110472687A
公开(公告)日:2019-11-19
申请号:CN201910759579.2
申请日:2019-08-16
Applicant: 厦门大学
Abstract: 本发明涉及四足机器人技术领域,特别涉及一种基于颜色密度特征的道路图像聚类方法及道路识别的方法。图像聚类方法以颜色为基础特征,通过定义并提取图像的颜色密度作为图像聚类分割的依据,再通过多次聚类,减轻或者消除由于光照变化、阴影、路面颜色不一致等对道路识别的影响,使在环境变化情况下也能对道路区域进行聚类。本发明提供的道路识别的方法,基于颜色密度特征的道路图像聚类方法,通过对误分割的干扰区域再聚类,完成非结构化道路的识别,解决了在由于不规则块状的阴影或地面随机出现的与道路颜色不一致的不规则颜色块所导致的误分类问题;本发明提供的技术方案为四足机器人对野外非结构化道路环境识别提供了有效方案,具有重要价值。
-
公开(公告)号:CN113433943B
公开(公告)日:2022-08-23
申请号:CN202110748735.2
申请日:2021-07-02
Applicant: 厦门大学
Abstract: 本发明涉及四足机器人技术领域,特别涉及一种基于极值点插值处理与轨迹跟踪的四足机器人控制方法,包括根据四足机器人的足端轨迹,分别获取腿部关节电机角度;将四足机器人的足端轨迹对腿部关节进行运动学逆解,以获取周期内离散时刻对应的腿部关节电机角度;确认腿部关节电机旋转开始变化的时间,以获取腿部关节电机旋转角度变化的极值点;通过极值点之间的电机旋转角度计算腿部关节电机所需控制力矩,以使伺服驱动器驱动腿部关节电机控制四足机器人腿部运动;通过极值点计算单个关节电机所需控制力矩,使腿部关节单个电机进行力矩柔顺控制,有效地解决了四足机器人在高频控制电机时存在的抖动及不稳定问题,提高了四足机器人行走的平稳性。
-
公开(公告)号:CN110472687B
公开(公告)日:2022-04-01
申请号:CN201910759579.2
申请日:2019-08-16
Applicant: 厦门大学
IPC: G06K9/62 , G06V10/26 , G06V10/56 , G06T7/136 , G06V10/762 , G06V10/764
Abstract: 本发明涉及四足机器人技术领域,特别涉及一种基于颜色密度特征的道路图像聚类方法及道路识别的方法。图像聚类方法以颜色为基础特征,通过定义并提取图像的颜色密度作为图像聚类分割的依据,再通过多次聚类,减轻或者消除由于光照变化、阴影、路面颜色不一致等对道路识别的影响,使在环境变化情况下也能对道路区域进行聚类。本发明提供的道路识别的方法,基于颜色密度特征的道路图像聚类方法,通过对误分割的干扰区域再聚类,完成非结构化道路的识别,解决了在由于不规则块状的阴影或地面随机出现的与道路颜色不一致的不规则颜色块所导致的误分类问题;本发明提供的技术方案为四足机器人对野外非结构化道路环境识别提供了有效方案,具有重要价值。
-
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。
-
-
-
-
-
-
-
-
-