公开(公告)号：CN119974024A

公开(公告)日：2025-05-13

申请号：CN202510467417.7

申请日：2025-04-15

Applicant: 济南大学

Inventor： 张勤 ,  李舒欣 ,  靖大亮 ,  罗闯 ,  李龙翔

IPC: B25J9/16

Abstract: 本发明公开了一种基于深度视觉的四足机器人强化学习运动规划方法及系统，涉及四足机器人运动规划技术领域。该方法包括步骤：搭建仿真环境，对不同坡度楼梯地形和机器人动力学参数建模，其中，楼梯地形模型包括不同难度差异的楼梯地形；加载机器人模型在楼梯地形模型中运动，对机器人运动状况进行跟踪，得到速度跟踪效果，其中，通过机器人在运动过程中对教师策略网络输出的关节扭矩值和对应的运动线速度进行策略评价得到速度跟踪效果；对速度跟踪效果进行评估，根据评估结果适应性调整楼梯地形模型中的环境参数。本发明通过基于深度视觉信息的强化学习框架，能够有效学习不规则楼梯地形，使四足机器人能够自适应的在复杂环境中稳定作业。

公开(公告)号：CN118114709B

公开(公告)日：2024-11-05

申请号：CN202410248990.4

申请日：2024-03-05

Applicant: 济南大学

Inventor： 张勤 ,  罗闯 ,  靖大亮 ,  李龙翔 ,  李舒欣 ,  李岳炀

IPC: G06N3/008 ,  G06T13/20 ,  G06T17/00

Abstract: 本发明属于四足机器人控制技术领域，提供了一种四足机器人动作设计与复杂行为生成方法及系统，根据四足机器人的信息，建立四足机器人的动画模型；根据所述动画模型，进行动作设计；对所设计的动作进行轨迹数据的提取，以及以四足机器人获得的累积奖励最大为目标进行优化，建立动作库；对所述动作库中的动作，在时间轴下进行组合后生成行为轨迹数据；根据生成的行为轨迹数据，控制四足机器人。以可视化的动画模型为基础，采用动作函数的形式进行动作设计，动作更具灵活性和可编辑性，可以通过轻松修改函数来改变动作，在实现动作精确控制的前提下，提高了动作设计效率；同时，在时间轴下组合生成行为，组合时间过程较短，行为生成效率较高。

公开(公告)号：CN118114709A

公开(公告)日：2024-05-31

申请号：CN202410248990.4

申请日：2024-03-05

Applicant: 济南大学

Inventor： 张勤 ,  罗闯 ,  靖大亮 ,  李龙翔 ,  李舒欣 ,  李岳炀

IPC: G06N3/008 ,  G06T13/20 ,  G06T17/00

Abstract: 本发明属于四足机器人控制技术领域，提供了一种四足机器人动作设计与复杂行为生成方法及系统，根据四足机器人的信息，建立四足机器人的动画模型；根据所述动画模型，进行动作设计；对所设计的动作进行轨迹数据的提取，以及以四足机器人获得的累积奖励最大为目标进行优化，建立动作库；对所述动作库中的动作，在时间轴下进行组合后生成行为轨迹数据；根据生成的行为轨迹数据，控制四足机器人。以可视化的动画模型为基础，采用动作函数的形式进行动作设计，动作更具灵活性和可编辑性，可以通过轻松修改函数来改变动作，在实现动作精确控制的前提下，提高了动作设计效率；同时，在时间轴下组合生成行为，组合时间过程较短，行为生成效率较高。