基于分层学习的四足机器人运动自适应控制模型

作者：崔俊文; 刘自红; 石磊; 刘福强; 乐玉

来源：计算机测量与控制, 2020, 28(01): 105-110.

DOI：10.16526/j.cnki.11-4762/tp.2020.01.023

• 分层学习
• 深度强化学习
• 四足机器人
• 部分马尔可夫决策
• 步态控制
• 机构失效

针对四足机器人面对腿部损伤无法继续有效自主运作的问题,提出一种基于分层学习的自适应控制模型;该模型结构由上层状态策略控制器(SDC)和下层基础运动控制器(BDC)组成;SDC对机器人腿部及姿态进行决策并选择运动子策略,BDC子运动策略表达该状态下机器人的运动行为;在Unity3D中构建反关节多自由度的四足机器人,训练多种腿部受损状况的BDC子运动策略,BDC成熟后20s周期随机腿部受损并训练SDC;该模型控制流程为SDC监测机器人状态,激活BDC策略,BDC输出期望关节角度,最后由PD控制器进行速度控制;其实现机器人在腿部受损后自我适应继续保持运作;仿真与实验结果表明,该控制模型能在机器人损伤后能自我快速、稳定调整运动策略,并保证运动的连贯性及柔和性。

• 单位
  西南科技大学