日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

                    

    作者簡介：邢登鵬(1980-)，男，山東省德州市人。天津大學機械電子系本科，天津大學機械制造及其自動化系碩士，上海交通大學自動化系博士。主要研究方向為仿人機器人和人工智能。

    摘要: 仿人機器人是最能代表人類用工程方法進行自我克隆的能力的智慧結晶。它可以具有類人的外貌特征和運動功能，以及視覺、聽覺、觸覺、接近覺、味覺等智能感知能力，可在未知環(huán)境中獨立行走，與人進行一定程度的交流，其技術研究是當今機器人領域的前沿和熱點。本文就近年來機器人平臺的發(fā)展和步態(tài)控制的研究近況進行綜述，分別概括各方向的發(fā)展動態(tài)和目前仍然存在的問題。

    關鍵詞: 仿人機器人；機器人平臺；步態(tài)控制

    1 緒論

    機器人產(chǎn)業(yè)的飛速發(fā)展，已經(jīng)在某些領域解放了人類繁重、危險的勞動，隨著該應用領域的拓展，智能機器人的研究與開發(fā)成為機器人領域內(nèi)非常活躍的熱點之一，其中尤以仿人機器人為代表。仿人機器人是與人類的形態(tài)相似的一種智能體，可以在人類生活和工作環(huán)境中，代替人類完成各種作業(yè)。未來它可以在醫(yī)療、生物技術、軍事等多個領域得到廣泛應用，也會使我們更從容面對老齡化社會。在人性化、智能化、靈活性等方面，仿人機器人具有其他類型機器人無法比擬的優(yōu)點，是未來機器人研究領域，特別是與人為伍的家用化機器人的主流發(fā)展方向。

    仿人機器人是一個多學科交叉的研究方向，集成了機械、材料、電子、傳感、控制等多個領域的技術應用，是一個國家高科技實力和發(fā)展水平的重要標志。目前，美國、日本、法國、荷蘭等國家都在進行多樣化的仿人機器人研究工作。一般仿人機器人應具備的功能：1. 運動能力：能在人類的生活和工作環(huán)境中移動；2. 操作能力：能對外界物體進行操作；3. 感知能力：了解周圍環(huán)境的信息的能力；4. 學習能力：動態(tài)環(huán)境中不斷更新知識庫；5. 人機交互能力：與人類進行溝通和交流[1]。

    本文著眼于仿人機器人的發(fā)展過程，闡述機器人平臺的發(fā)展和多樣化，概括分析行走和跑步的控制方法研究和應用，并總結這些領域內(nèi)仍然存在的問題。

    2 仿人機器人平臺

    1968年早稻田大學加藤一郎教授首先展開仿人機器人的研究，之后陸續(xù)推出了WAP、WL、WABIAN等系列機型，WABIAN-2R是該實驗室最新推出的樣機，如圖1所示，該機器人高1.5米，重64.5公斤，有41個自由度；配有類似足弓的裝置，用以實現(xiàn)類似人類的heel-contact and toe-off運動[2]；能實現(xiàn)在不平整地面上的穩(wěn)定運動，并在戶外運動實驗中進行了驗證。

            

                            圖1 WABIAN-2R機器人               圖2 ASIMO機器人

    1986年日本的本田公司響應日本政府解決老齡化社會問題的號召，制定了研制仿人機器人的詳細計劃。經(jīng)過多年深入的研究，已經(jīng)推出了多款具有各種應用能力的仿人機器人，在國際仿人機器人研究領域產(chǎn)生了重大影響。在推出的眾多機型中最先進的是ASIMO(Advanced Step in Innovation Mobility)機器人[3]，如圖2所示，可以實現(xiàn)在復雜狀態(tài)下的穩(wěn)定行走，最高步行速度可以達到2.7公里/小時，采用了先進的I-WALK（Intelligent Real time Flexible Walking）柔性行走方式，增加了預測移動控制技術，使機器人實現(xiàn)在改變速度和方向的時候仍能流暢地連續(xù)步行。

    圖3是法國RABBIT仿人機器人[4]，高1.4米，重36公斤，平面運動時有5個自由度，三維行走有7個自由度；它的雙足由輪子代替，采用極限環(huán)的控制方法能夠實現(xiàn)行走和跑步；運動方式可以根據(jù)障礙物和地形做出相應調(diào)整，還可以在有干擾的情況下恢復平衡。

              

                       圖3 RABBIT機器人                  圖4 Cornell被動式機器人

    以上各機器人均是主動行走類型。與之平行的另一種類型的仿人機器人是被動行走機器人，其主要特點是沒有驅動源，或者使用很少的驅動器，依靠重力和雙腿交替向前的頻率從斜坡往下走。圖4是美國Cornell大學的被動行走機構，該機構有兩條0.8米長的腿，配有膝蓋關節(jié)，兩條腿通過腰部連接到一起。機器人的腳底是一個凹凸面，有兩個手臂和一個軀干，右臂與左腿通過機械結構剛性連接到一起，左臂與右腿也用相同的方式進行連接，用以減小自轉影響。為了減少運動中的能量消耗，使用彈簧以存儲行進中的能量。其他類型的被動式機器人也有廣泛的研究和開發(fā)，例如Delft氣壓驅動機構和MIT雙足機器人等[5]。

    3 仿人機器人運動控制研究

    仿人機器人相比較其它機器人的一個明顯的特征是擁有像人一樣的兩條腿，而由于仿人機器人系統(tǒng)的復雜性和不穩(wěn)定性，動態(tài)步行以及跑步運動的穩(wěn)定控制一直是該領域的研究重點。步態(tài)規(guī)劃主要有以下幾種方法：

    3.1 基于穩(wěn)定判據(jù)的方法

    仿人機器人步態(tài)規(guī)劃最常用的方法是采用Vukobratovic提出的ZMP(Zero-moment Point)判據(jù)[6]。在步行過程中，如果機器人的ZMP點始終位于包括所有地面接觸點的最小凸多邊形內(nèi)，則機器人系統(tǒng)是動態(tài)平衡的，機器人的步態(tài)規(guī)劃是可行的。基于ZMP 判據(jù)設計動態(tài)步行策略等價于生成滿足這一約束條件的步行運動軌跡問題。基于ZMP的步態(tài)規(guī)劃有以下兩種方法。

    （1） 從理想ZMP軌跡確定身體各關節(jié)的運動[7]：先設計理想ZMP軌跡，然后確定可實現(xiàn)理想ZMP軌跡的各關節(jié)運動。該方法求解不唯一，且不是所有的理想ZMP都能實現(xiàn)。

    （2） 從雙足和軀干的運動軌跡確定ZMP軌跡[8]：先設計雙足和軀干的運動軌跡，然后確定ZMP軌跡，之后在可變參數(shù)的有效范圍內(nèi)找出穩(wěn)定裕度最大的軌跡作為規(guī)劃結果。該方法求解唯一但計算量大。

    其它常用的步態(tài)穩(wěn)定判斷準則還有CoP(Center of Pressure)[9]，F(xiàn)RI(Foot-Rotation Indicator)[10]和GZMP(General Zero Moment Point)[11]等。對于周期性運動，龐加萊回歸影射(Poincare Return Maps)[4]是一個強有力的分析工具，而仿人機器人在沒有干擾下的行走和跑步都是周期性的，所以龐加萊回歸影射方法用于被動行走裝置的周期性步態(tài)研究，分析有腳踝關節(jié)驅動的被動雙足的學習算法以及用于一個平面驅動雙足機器人的自動控制系統(tǒng)設計。但是龐加萊回歸影射的缺點也很明顯：只能應用到有周期運動的系統(tǒng)上，而對于非周期運動則無能為力。

    3.2基于人類步行運動數(shù)據(jù)的方法

    仿人機器人的步態(tài)研究是希望它能有像人類一樣的運動能力，因此可以記錄并修正人類的步行運動數(shù)據(jù)HMCD(Human Motion Capture Data)用于仿人機器人步態(tài)控制中：通過各類傳感器提取出人類運動，并根據(jù)仿人機器人的機構特性對數(shù)據(jù)進行修正，以把合理數(shù)據(jù)映射到仿人機器人步態(tài)控制中[12]。Dasgupta[13]基于HMCD中腳的運動數(shù)據(jù)設計理想ZMP軌跡，對所選關節(jié)運動進行修正，使HMCD與理想ZMP匹配。Hodgins[14]采集多個演員實現(xiàn)某個特定動作的數(shù)據(jù)，針對仿人機器人的特點通過算法對數(shù)據(jù)進行處理，得出可用的控制軌跡，并在ATR機器人上進行驗證。

    3.3其它行走控制方法

    由于仿人機器人的高階、非線性、強耦合等特性，經(jīng)常會使用到簡化的模型，其中常用的是倒立擺模型[15]。該方法假設腿部很輕，將整個身體的質(zhì)量集中于一點，以支撐腳為支點，建立單足支撐的動力學簡化模型。由于其簡單易用，且易于在線控制，從提出以來得到廣泛應用。

    虛擬模型控制(Virtual Model Control)[16]檢測力與位置之間的關系，而非對其分別處理；其優(yōu)點在于柔性和魯棒控制，以及運算簡單。這種方法使用“虛擬的”貼附于機構的彈簧阻尼點，根據(jù)線性反饋的位置和速度誤差生成簡單的力控制，已被用于控制平面雙足機構和四腳運動裝置。

    3.4跑步運動規(guī)劃

    為了能夠使仿人機器人實現(xiàn)跑步功能，需要考慮：（1）能夠處理在空中停留和地面接觸兩種狀態(tài)的運動模式，及模式切換；（2） 能夠吸收飛躍和著地時的地面沖擊力，以及修正姿勢誤差；（3）防止和消除旋轉、打滑等外界干擾對系統(tǒng)穩(wěn)定性的影響。

    在上世紀八十年代初期，Railbert[17]在研究單腿跳躍機器人的基礎上提出了機器人跑步的概念，并將控制行為分成跳躍高度、腳踝著地角度和姿態(tài)控制三部分，強調(diào)對稱性在設計穩(wěn)定跑步運動中的作用。Chevallereau[18]針對一類球鉸副連接無腳平面步行機器人，利用混合零動力學提出了漸進穩(wěn)定跑步控制方法。Kajita[19]等人將仿人機器人跑步分解為著地和飛翔階段，利用倒立擺對跑步進行控制，將同一機器人實現(xiàn)跑步和行走各個關節(jié)需要的扭矩和功率進行了對比。文獻[20]介紹了一種生成機器人運動的解析動量控制RMC(Resolved Momentum Control)的方法，通過對雙腿的線速度和角速度的參考值、線性總動量和角動量的參考值的計算，得到腿部運動過程中各個關節(jié)的速度。實驗結果證明該方法可以穩(wěn)定的控制HRP-2LR機器人跑步運動，速度達到0.16米/秒[21]。

    4 結論

    仿人機器人已經(jīng)在運動控制方面取得了很大的進展，可以實現(xiàn)穩(wěn)定的行走和跑步運動。但是目前的運動研究仍然停留在實驗室階段，如何讓仿人機器人走進人們的日常生活中，仍然有許多問題需要解決；同時，雖然已經(jīng)有樣機可以實現(xiàn)跑步運動，但是如何讓這些機器人實現(xiàn)更快速的穩(wěn)定可靠的跑步運動仍然是需要進一步研究的工作。

    參考文獻

    [1] C. G. Atkeson, J. G. Hale, F. Pollick, et al. “Using humanoid robots to study human behavior”, IEEE Intelligent Systems and their Applications, 2000, 15(4), pp. 46–56.
    [2] Y. Ogura, K. Shimomura, H. Kondo, et al. “Human-like walking with knee stretched, heel-contact and toe-off by a humanoid robot”, Proceedings of IEEE International Conference on Intelligent Robots and Systems, 2006, pp. 3976-3981.
    [3] J. Chestnutt, M. Lau, and G. Cheung. “Footstep planning for the Honda ASIMO humanoid”, Proceedings of IEEE International Conference on Robotics and Automation, 2005, pp. 631-636.
    [4] J. W. Grizzle, C. Chevallereau, and C. Shih. “HZD-based control of a five-link underactuated 3D bipedal robot”, Proceedings of IEEE International Conference on Decision and Control, 2008, pp. 5206-5213.
    [5] S. Collins, M. Wisse, and A.Ruina. “A three-dimensional passive-dynamic walking robot with two legs and knees”, International Journal of Robotics Research, 2001, 20(7), pp. 607-615.
    [6] M. Vukobratovic and D. Juricic. “Contribution to the synthesis of bipedal gait”, IEEE Transactions on Bio-Medical Engineering, 1969, 16(1), pp. 1-6.
    [7] M. Gienger, K. Loffler, and F. Pfeiffer. “Towards the design of a biped jogging robot”, Proceedings of IEEE International Conference on Robotics and Automation, 2001, pp. 4140-4145.
    [8] Q. Huang, K. Yokoi, S. Kajita, et al. “Planning walking patterns for a biped robot”, IEEE Transactions on Robotics and Automation, 2001, 17(3), pp. 280-289.
    [9] P. Sardain and G. Bessonnet. “Gait analysis of a human walker wearing robot feet as shoes”, Proceedings of IEEE International Conference on Robotics and Automation, 2001, pp. 2285-2292.
    [10] A. Goswami. “Postural stability of biped robots and the foot-rotation indicator point”, International Journal of Robotics Research, 1999, 18(6), pp. 523-533.
    [11] K. Harada and S. Kajita. “Pushing manipulation by humanoid considering two-kinds of ZMPs”, Proceedings of IEEE International Conference on Robotics and Automation, 2003, pp. 1627-1632.
    [12] S. Calinon, F. Guenter, and A. Billard. “Goal-directed imitation in a humanoid robot”. Proceedings of IEEE International Conference on Robotics and Automation, 2005, pp. 300-305.
    [13] A. Dasgupta and Y. Nakamura. “Making feasible walking motion of humanoid robots from human motion capture data”, Proceedings of IEEE International Conference on Robotics and Automation, 1999, pp.1044-1049.
    [14] K.Tamane, J. K. Hodgins, and H. B. Brown. “Applied optimal control for dynamically stable legged locomotion”, Proceedings of IEEE International Conference on Robotics and Automation, 2003, pp. 300–305.
    [15] O. Ibidapo-Obe, A. B. Alonge, and A. B. Badiru. “On active controls for a biped mechanism”, Applied Mathematics and Computation, 1995, 69, pp. 159–183.
    [16] J. Pratt, C. Chew, A. Torres, et al. “Virtual model control: an intuitive approach for bipedal locomotion”, International Journal of Robotics Research, 2001, 20(2), pp. 129–143.
    [17] M. Raibert. “Legged Robots That Balance”, MIT Press, Cambridge, MA. 1986.
    [18] C. Chevalereau, E. R. Westervelt, and J. W. Grizzle. “Asymptotically stable running for a five-link, four-actuator, planar bipedal robot”, International Journal of Robotics Research, 2005, 24(6), pp. 431-464.
    [19] S. Kajita, T. Nagasaki, K. Yokoi, et al. “Running pattern generation for a humanoid robot”, Proceedings of IEEE International Conference on Robotics and Automation, 2002, pp. 2755-2761.
    [20] S. Kajita, F. Kanehiro, K. Kaneko, et al. “Resolved momentum control: humanoid motion planning based on the linear and angular momentum”, Proceedings of IEEE international conference on Intelligent Robots and Systems, 2003. pp. 1644-1650.
    [21] S. Kajita, T. Nagasaki, K. Kaneko, et al. “ZMP-based biped running control”, IEEE Robotics and Automation Magazine, 2007, 14(2), pp.63-72.