Moco-8僅有8自由度因此以對角步態為主,而對四足機器人來說爬行步態是更重要的一種步態其能實現在崎嶇路面上的移動特別是上下樓梯大多以爬行步態為主,相比如波士頓動力公司所設計機器人採用的液壓或高性能伺服驅動,受體積和成本限制其關節多採用舵機及減速組傳動,因此關節響應速度較慢同時由於缺少關節角度反饋和足底力反饋使其難以實現可靠的對角小跑步態,因此爬行步態是微型四足機器人中最主要的移動方式。
優酷視頻?v.youku.com由於爬行步態任意時刻最少有三條腿來支撐機身,因此其具有較高的靜態穩定性。近年來研究人員對爬行步態演算法已經進行了大量研究,主要使用絕對穩定裕度來衡量機器人的穩定性並進行步態設計,當穩定裕度為正時機器人就能保證靜態穩定。如在文獻中作者使用多項式曲線擬合演算法規劃重心在下一步態周期中的移動軌跡,進一步使用運動學逆解控制足尖移動並保證重心時刻處於著地平面內,基於機器人設計參數進行步態周期的合理調整、限制移動速度就能保證多數情況下的穩定行走。該類演算法雖然簡單、易於實現但難以引入閉環反饋控制,因此自適應能力較差。目前四足機器人主要採用三角支撐原理(TSP)來設計爬行步態,基於TSP原理規劃重心移動位置,其核心是保證跨腿時機器人重心投影(COG)或零力矩點(ZMP)處於著地三角形平面內。另外通過採用多個三角形重疊支持或對軌跡添加動力學約束能進一步提高TSP步態的穩定性。機器人移動時除了能前進後退外還需要具有側向移動和轉向能力,傳統TSP演算法往往以離散周期的形式對重心進行規劃,因此多直接降低速度或提高步頻來保證變向中機器人不側翻。為得到更連續的爬行步態一些研究人員對步態時序進行細分,通過增加重心側向調整實現連續行走,另外還有一些演算法通過TSP與CPG神經網路等振蕩器相結合的方式來得到連續爬行步態。綜上,採用TSP原理能規划出穩定可靠的爬行步態但仍然有一定優化改進空間,如在現有演算法多採用固定步態周期,而在實際環境中機器人會遇到突發情況需要進行快速步態調整;另外機器人往往會受到外力干擾如果不對其進行控制則很有可能出現側翻,而現有演算法往往需要增加複雜邏輯來抵抗外力,其加大了步態演算法的邏輯複雜度。
本文介紹一個由本人提出的改進ZMP智能決策爬行步態演算法,其針對現有TSP爬行演算法採用固定步態周期自適應能力低、抗外力演算法邏輯複雜和步態連續性仍待優化的問題,演算法在著地區域中實時規劃ZMP期望軌跡並進行反饋控制,實現了平滑快速的機體移動,同時基於所提演算法能方便地引入感測器數據構成反饋控制。為提高步態規劃自適應性,文中對傳統TSP演算法中採用固定步態周期的方法進行改進,基於面積貪婪決策實現自主跨腿。通過在微型四足機器人上的實驗,驗證了該演算法能夠實現穩定的全向行走和轉向,通過突加擾動測試驗證了所提步態演算法能在一定程度上克服外力,所提演算法邏輯簡單易於軟體實現。
四足機器人 爬行步態測試 無著地反饋信號?v.youku.com2 基於反饋控制機器人重心規劃演算法
基於反饋控制的思想,本文設計了一種可以連續調節ZMP點的規劃演算法。該演算法以ZMP點作為反饋,採用非線性PD控制器進行反饋控制。由於爬行步態同一時刻最多有一隻腳抬起,因此將軌跡規劃分為四腳著地和三腳著地兩種情況進行設計。
2.1 四腳著地時期望ZMP軌跡設計