双足机器人最优步态控制方法、系统、设备及存储介质

本发明属于机器人智能控制领域，涉及一种双足机器人最优步态控制方法、系统、设备及存储介质。

背景技术：

1、近年来，双足机器人领域进行了大量的研究。早期的双足行走属于步行速度非常低的静态行走。在静态行走过程中，机器人可以随时停止行走运动，而不会摔倒，其缺点是运动太慢，难以移动质心com。因此，研究人员开始关注双足机器人的动态行走。这种方法比静态行走快得多，但是，在动态行走过程中，双足机器人可能会因为受到各种外部干扰而摔倒。因此，研究人员引入了zmp(zero moment point，零力矩点)的概念来控制惯性力。近年来，许多研究侧重于提高双足步态生成的效率，加快双足机器人的行走速度。

2、双足机器人步态优化是一个具有挑战性的问题，因为它涉及到多个关节和相互协调的动作。为了解决这个问题，智能算法被引入来提高步态的稳定性、效率和适应性。常用的智能算法是遗传算法ga，在该算法中将双足机器人步态表示为一个染色体，染色体包括一组参数，如步幅、步频、支撑相和摆动相的时间等。通过定义适应度函数来评估每个染色体对于步态性能的贡献程度，并利用选择、交叉和变异等操作进行进化。经过多次迭代ga能够搜索到最佳的步态参数组合，使得双足机器人能够更加稳定地行走。另外，粒子群算法pso也常被用于双足机器人步态优化。在pso中每个粒子代表一个可能的步态参数组合，并通过交互和学习来搜索最佳解决方案。通过定义适应度函数来评估粒子的性能，并根据全局最优和个体最优位置进行位置和速度的更新。除了遗传算法和粒子群算法，还有其他智能算法如模拟退火算法、蚁群算法等也可以用于双足机器人步态的优化。这些算法都具有自主学习和全局搜索的能力，能够帮助双足机器人找到更加稳定、高效和适应性强的步态。另一方面，为了让双足机器人呈现出多种步态，比如质心的高低、步幅的大小以及行走的快慢等，往往在双足机器人的不同阶段进行步态规划，使用不同的控制策略让机器人行走。

3、然而，智能算法优化双足机器人参数，可能陷入局部最优解中，而无法找到全局最优解，这可能导致步态性能的局限性，因为算法可能没有完全探索到所有可能的解空间。而且，经过优化的步态参数可能对于机器人本身来说，与人类行走方式存在差异，并不能够达到类人行走的程度。另一方面，分阶段规划的研究仅仅是把不同的行走模式机械地迁移至双足机器人上，保证稳定行走即可，却并没有考虑到双足机器人自由切换行走模式，仅仅对于特定行走模式有效，双足机器人不能够适用于处于变化中的运动，双足机器人不能自适应行走。

技术实现思路

1、本发明的目的在于克服上述现有技术中的缺点，提供一种双足机器人最优步态控制方法、系统、设备及存储介质。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、本发明第一方面，提供一种双足机器人最优步态控制方法，包括：获取双足机器人的行走需求；基于双足机器人的行走需求，在不同行走模式下通过粒子群方法结合局部搜索机制，得到双足机器人的若干寻优步态参数；通过所述若干寻优步态参数训练生成对抗网络，得到步态参数生成模型；通过步态参数生成模型生成双足机器人的控制步态参数，并根据双足机器人的控制步态参数控制双足机器人行走。

4、可选的，所述寻优步态参数和控制步态参数均包括：踝关节抬起高度、髋关节抬起高度、行走时的补偿以及脚触地时相对于中心位置的偏置。

5、可选的，所述基于双足机器人的行走需求，在不同行走模式下通过粒子群方法结合局部搜索机制，得到双足机器人的若干寻优步态参数包括：通过变更双足机器人的踝关节轨迹和髋关节轨迹实现不同行走模式，并在每次变更后重复寻优步骤若干次，得到若干寻优步态参数：其中，寻优步骤包括：初始化粒子群；其中，粒子群中的各粒子分别代表各设置步态参数，设置步态参数基于步态参数的参数范围随机生成；迭代更新步骤至满足预设条件，得到当前最优粒子并作为寻优步态参数；其中，更新步骤包括：基于预设的适应度函数计算各粒子的适应度，并根据各粒子的适应度使用粒子群算法更新各粒子，以及通过局部搜索机制对各粒子进行局部搜索更新；基于预设的适应度函数计算更新后各粒子的适应度，并根据各粒子的适应度、更新后各粒子的适应度以及历史最优粒子的适应度，得到当前最优粒子并在更新步骤的下次迭代过程中作为历史最优粒子。

6、可选的，所述通过局部搜索机制对各粒子进行局部搜索更新包括：通过采用梯度下降的局部搜索机制对各粒子进行局部搜索更新。

7、可选的，所述通过步态参数生成模型生成双足机器人的控制步态参数前还包括：通过步态参数生成模型生成双足机器人的反馈步态参数；获取双足机器人的行走反馈性能指标；其中，所述行走反馈性能指标将双足机器人的反馈步态参数应用至双足机器人得到；根据双足机器人的行走反馈性能指标，通过预设方式修正步态参数生成模型。

8、可选的，所述双足机器人的行走反馈性能指标为质心位置或零力矩点位置；所述预设方式包括增加用于训练生成对抗网络的寻优步态参数的数量并再次训练生成对抗网络、调整生成对抗网络的网络架构并再次训练生成对抗网络、改变生成对抗网络的损失函数并再次训练生成对抗网络。

9、可选的，所述根据双足机器人的控制步态参数控制双足机器人行走包括：根据双足机器人的控制步态参数，得到双足机器人的各关节角度控制值，并基于双足机器人的各关节角度控制值控制双足机器人行走。

10、本发明第二方面，提供一种双足机器人最优步态控制系统，包括：需求获取模块，用于获取双足机器人的行走需求；参数寻优模块，用于基于双足机器人的行走需求，在不同行走模式下通过粒子群方法结合局部搜索机制，得到双足机器人的若干寻优步态参数；模型训练模块，用于通过所述若干寻优步态参数训练生成对抗网络，得到步态参数生成模型；行走控制模块，用于通过步态参数生成模型生成双足机器人的控制步态参数，并根据双足机器人的控制步态参数控制双足机器人行走。

11、本发明第三方面，提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述双足机器人最优步态控制方法的步骤。

12、本发明第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述双足机器人最优步态控制方法的步骤。

13、与现有技术相比，本发明具有以下有益效果：

14、本发明双足机器人最优步态控制方法，基于双足机器人的行走需求，首先在不同行走模式下，通过粒子群方法结合局部搜索机制，得到双足机器人的若干寻优步态参数，通过结合局部搜索机制以实现利用局部信息进一步优化解，来避免智能算法容易陷入局部最优解的问题。然后，基于若干寻优步态参数训练生成对抗网络，得到步态参数生成模型，并通过步态参数生成模型生成双足机器人的控制步态参数，最终依赖于双足机器人的控制步态参数控制双足机器人行走，实现双足机器人的最优步态控制。其中，若干寻优步态参数是在不同行走模式下获取的，这使得最终依赖于步态参数生成模型生成双足机器人的控制步态参数，可以实现对不同行走模式均能有效控制，双足机器人自由切换行走模式，能够适用于处于变化中的运动，达到自适应行走的效果。