基于线性预测位置和速度控制器的全方向轮式人形机器人制造技术

本发明专利技术的对象是一种身体(190)连结到全方向移动地面基座(140)的人形机器人(100)，所述人形机器人(100)装备有：‑用于提供测量结果的身体位置传感器、基座位置传感器以及角速度传感器，‑致动器(212)，其包括位于所述全方向移动基座中的至少3个轮子，‑提取器(211)，其用于将感测的测量结果转换成有用数据，‑监控器(500)，其用于根据所述有用数据来计算位置命令、速度命令以及加速度命令，‑用于将命令转换成用于所述致动器的指令的单元，其特征在于，所述监控器包括：‑未倾斜状态控制器(501)、倾斜状态控制器(502)以及着陆状态控制器(503)，每个控制器包括用于计算的单元，其基于具有倾斜移动的双点质量机器人模型和线性模型预测控制法则来计算位置命令、速度命令和加速度命令，所述线性模型预测控制法则被表示为具有目标的加权总和以及预先定义的线性约束组的二次最优化公式。

Omni directional wheeled humanoid robot based on linear predictive position and velocity controller

The object of the invention is a body (190) connected to the whole direction of the base (140) of the humanoid robot (100), the humanoid robot (100) equipped with: for body position sensor, the measurement results provide the base position sensor and angular velocity sensor, an actuator (212), the including at least 3 wheels on the omni-directional mobile base, extractor (211), the measurement results for sensing into useful data, monitor (500), which is used to calculate the position, speed and acceleration command command command according to the useful data for command conversion as for the actuators of the instruction unit, which is characterized in that the monitor includes a not inclined state controller (501), (502) and the tilt state controller landing state controller (503), each packet controller The calculation unit, the double point mass robot model and linear model with inclined moving predictive control algorithm to calculate the position, speed and acceleration command command command based on the linear model predictive control law is expressed as a weighted sum of the target and the linear constraint set of predefined two optimization formula.

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及机器人编程系统领域。更具体地讲，本专利技术适用于对通过有关节的肢体来回移动或者使用有关节的肢体的机器人(特别是具有人形或动物形的机器人)的移动的控制。当机器人具有某些人类外观属性(头、躯干、双臂、双手等)时，可以将机器人看作人形机。然而，人形机器人可能多少有些复杂。其肢体可以具有更多或更少数量的关节。其可以静态和动态地控制其自己的平衡，并且可以在基座上转动。其可以从环境中拾取(“听”、“看”、“接触”、“感觉”等)信号，并且根据多少有些复杂的行动做出反应，并且通过话音或手势与其它机器人或人类进行交互。对于当前一代人形机器人，程序员能够创建场景，场景可能多少有些复杂，作为机器人加以反应/执行的事件/动作的序列。可以根据与机器人交互的人的某些行动来调节这些动作。但是在这些第一代的人形机器人中，应用程序编程是在开发工具包中完成的，并且需要通过触发事件来启动每个应用，触发事件的发生已经被包括在应用中。因此，存在对这样的人形机器人的需求：它们能够像人类那样过“自主生活”，其能够依据其所处环境、按确定的方式行动。本专利技术的目标是，通过提供能够自主确定其适合于其所处背景的生活的序列而无需程序员的任何干预的机器人，来克服现有技术机器人的局限性。
技术介绍
我们考虑具有连结于身体(也称为上身)的移动基座的机器人。在标准行动中，机器人与其所有轮子相接触，并且当作为作用于地面与机器人之间的力的重心的压力中心(CoP)严格处于其轮子接触点所限定的凸形外壳内部时，机器人动态稳定。在无干扰的情况下，始终遵守该CoP约束。然而，当干扰出现时，CoP可能处于支撑外壳的边界上，在该情况下，机器人可能开始倾斜，并且如果不予理睬，它可能摔倒。因此，我们的问题是，关于两种动态模型控制机器人：当机器人未倾斜时，以及当其倾斜时。当机器人未倾斜时，我们可以发现有关利用动态稳定约束来控制移动机器人、或者有关控制人形双腿机器人的一些论文。一些最近的工作涉及利用由诸如机械臂等肢体所导致的动态约束对机器人进行控制。K.Mingeuk等人致力于使用动态约束的轮式平台的稳定性的研究：“Stabilizationofarapidfour-wheeledmobileplatformusingthezmpstabilizationmethod”。他们使用直接线性二次调节器(LQR)方法来控制平台。该方法的不便之处在于，所给出的动态约束要求具有平台中央的CoP(压力中心)。CoP是机器人与地之间的接触力的重心。该方法需要丧失若干DoF(自由度)：实际上，为了防止机器人摔倒，CoP仅需处于由轮子与地面之间的接触点所限定的凸多边形中。在另一篇论文中，Y.Li等人介绍了具有动态约束的移动机器人的简单控制器：“Thedynamicstabilitycriteriononthewheel-basedhumanoidrobotbasedonzmpmodeling”。与K.Mingeuk等人的公布文本的不同之处在于，其考虑了全CoP约束，全CoP约束是不等式约束之总和。该控制器是对机器人的完整模型进行迭代的PID控制，以找到其中CoP处于支撑多边形中的扭矩命令。对于人形机器人，P.B.Wieber、H.Diedam和A.Herdt描述了控制具有高度约束的动态的人形双腿机器人的方法：“Walkingwithoutthinkingaboutit”。该最近的方案涉及基于3d线性倒立摆模型的线性预测控制。使用了简单的机器人模型，该控制法则预测未来机器人状态的动态，以确保发送到机器人的当前命令不会在几秒钟内导致不可避免的摔倒。关于双足人形机器人NAO，该控制法则的实施可以在D.Gouaillier、C.Collette和K.Kilner所写的论文中找到：“Omni-directionalclosed-loopwalkforNAO”。但机器人NAO很小，并且对于图1中所示的较高的人形机器人，该方法显然不会产生好的结果，例如图1中所示的较高的人形机器人具有下列特征：-20个自由度(DoF)(头部160上的2个DoF、臂部170上的2×6个DoF、腿部180上的3个DoF以及移动基座140中的3个DoF)，-1.37m高度110，-0.65m宽度130，-0.40m深度120,-30kg总质量，-一条腿180，其关联到具有三个轮子141的全方向基座140。移动基座具有0.422m长的三角形形状，并且能够以1:4m/s-1的最大速度和短时间内的1:7m/s-2的加速度移动机器人。额定速度和加速度分别为0:5m/s-1和1:0m/s-2。对于该情况，当机器人倾斜时，我们可以将该问题与对有一个或两个轮子的移动机器人的控制联系起来。然而，在我们的情况下，我们不希望像所有的有一个或两个轮子的移动机器人那样围绕不稳定平衡方向(通常为垂直方向)控制机器人。可以找到许多有关控制这些机器人的论文。它们基于不同类型的控制，例如：-PID力控制，如J.K.Ahn和S.J.Lee的公布文本“Forcecontrolapplicationtoamobilemanipulatorwithbalancingmachanism”(2010)中所描述的，-线性二次调节器，如X.Changkai、L.Ming、以及P.Fangyu的公布文本“Thesystemdesignandlqrcontrolofatwo-wheelsself-balancingmobilerobot”(2011)中所描述的，或者-滑动模式控制，如K.Sho-Tsung、C.Wan-Jung、以及H.Ming-Tzu的公布文本“Balancingofasphericalinvertedpendulumwithanmoni-direnctionalmobilerobot”(IEEEMulti-conferenceonSystemsandControl,2013)中所描述的。所有这些控制器具有依据重力和外部力来围绕不稳定平衡方向控制机器人的目标。对于人形机器人，我们能够找到有关推挤恢复的论文。主要构思是管理控制的四种可能性：-使用上身移动CoP，-使用脚踝创建扭矩，-使用手臂创建一些角动量，以及-走几步。它们不适合我们的情况，因为它们很大程度地依赖于双足机构，这意味着脚不能够在地面上转动或者滑动，而且不能够通过走几步来从推挤中恢复过来。在我们的情况中，不能使CoP移位，因为在倾斜方向上无接触表面。我们的问题还有另一个困难，即，要考虑动态模型的离散转换(一些接触力的存在或不存在)。这意味着，可以出现一些碰撞。通常，对于实时控制，对碰撞进行管理是一个难题。因此，存在着这样的需求：控制人形机器人的移动基座及其身体二者，同时考虑机器人非常可能受到干扰并且可能围绕其轮子倾斜的它们的动态约束。
技术实现思路
因此，替代提出一种将可用于不同的可能动态状态的独特控制器，我们定义了两个控制器，一个是当机器人未倾斜时的控制器，另一个是当机器人倾斜时的控制器。为了确保两个控制器之间的正确且平滑的过渡，定义了第三控制器来处理着陆阶段，并且定义了监控器来相应地引导它们。为此，本专利技术提供了身体连结到全方向移动地面基座的人形机器人，其装备有：-提供测量结果的身体位置本文档来自技高网...

【技术保护点】
一种身体(190)连结到全方向移动地面基座(140)的人形机器人(100)，所述人形机器人(100)装备有：‑用于提供测量结果的身体位置传感器、基座位置传感器以及角速度传感器，‑致动器(212)，其包括位于所述全方向移动基座中的关节电动机和至少3个轮子，所述至少3个轮子具有至少一个全方向轮子，‑提取器(211)，其用于转换感测的测量结果，‑监控器(500)，其用于根据提取的数据来计算位置命令、速度命令以及加速度命令，‑用于将命令转换成用于所述致动器的指令的单元，其特征在于，所述监控器包括：‑未倾斜状态控制器(501)、倾斜状态控制器(502)以及着陆状态控制器(503)，每个控制器包括用于计算的单元，所述用于计算的单元基于双点质量机器人模型和线性模型预测控制法则根据所述提取的数据、预排序的位置参照和速度参照、以及设置为0的倾斜角和角速度参照来计算位置命令、速度命令和加速度命令，所述线性模型预测控制法则具有根据预测的样本的取样时间周期T和数目N的离散化时间，并且被表示为具有目标的加权总和以及预先定义的线性约束组的二次最优化公式，‑碰撞角速度和着陆碰撞时间估计器(504)，以及‑用于根据估计的碰撞角速度和提取的角速度来选择控制器的单元。...

【技术特征摘要】
【国外来华专利技术】2014.04.17 EP 14305585.31.一种身体(190)连结到全方向移动地面基座(140)的人形机器人(100)，所述人形机器人(100)装备有：-用于提供测量结果的身体位置传感器、基座位置传感器以及角速度传感器，-致动器(212)，其包括位于所述全方向移动基座中的关节电动机和至少3个轮子，所述至少3个轮子具有至少一个全方向轮子，-提取器(211)，其用于转换感测的测量结果，-监控器(500)，其用于根据提取的数据来计算位置命令、速度命令以及加速度命令，-用于将命令转换成用于所述致动器的指令的单元，其特征在于，所述监控器包括：-未倾斜状态控制器(501)、倾斜状态控制器(502)以及着陆状态控制器(503)，每个控制器包括用于计算的单元，所述用于计算的单元基于双点质量机器人模型和线性模型预测控制法则根据所述提取的数据、预排序的位置参照和速度参照、以及设置为0的倾斜角和角速度参照来计算位置命令、速度命令和加速度命令，所述线性模型预测控制法则具有根据预测的样本的取样时间周期T和数目N的离散化时间，并且被表示为具有目标的加权总和以及预先定义的线性约束组的二次最优化公式，-碰撞角速度和着陆碰撞时间估计器(504)，以及-用于根据估计的碰撞角速度和提取的角速度来选择控制器的单元。2.根据权利要求1所述的人形机器人，其特征在于，所述基座具有常量角加速度。3.根据前述权利要求中任一项所述的人形机器人，其特征在于，所述未倾斜控制器基于未倾斜机器人模型，并且能够根据所述提取的数据、使用预排序的参照来计算位置命令、速度命令以及加速度命令，并且其特征在于，所述目标是：-基座位置目标，-基座速度目标，-与CoP和所述基座中心之间的距离有关的目标，CoP是所述机器人与所述地面之间的接触力的重心，并且所述约束是：-所述移动基座的最大速度和加速度，-CoP极限。4.根据前述权利要求中任一项所述的人形机器人，其特征在于，所述倾斜控制器基于具有倾斜移动的机器人模型，并且能够根据所述提取的数据、使用预排序的参照以及设置为0的倾斜角和角速度参照来计算位置命令、速度命令以及加速度命令，并且其特征在于，所述目标是倾斜角最小化和角速度最小化，并且所述约束是所述移动基座的运动极限、所述身体的运动极限、正倾斜角以及所述身体的移动仅在角速度轴上。5.根据权利要求3或4中任一项所述的人形机器人，其特征在于，将加权的数值稳定性目标添加到所述目标的加权总和。6.根据前述权利要求中任一项所述的人形机器人，其特征在于，所述着陆控制器基于未倾斜机器人模型，并且能够根据所述提取的数据、使用预排序的参照以及设置为0的倾斜角和角速度参照来计算位置命令、速度命令以及加速度命令，并且其特征在于...

【专利技术属性】
技术研发人员：J·拉费，C·科莱特，PB·维贝尔，
申请(专利权)人：软银机器人欧洲公司，法国国家信息与自动化研究所，
类型：发明
国别省市：法国;FR