Welcome-球速体育一种机器人步态优化方法

　　球速体育

　　1.一种机器人步态优化方法，用于对第一双足机器人的步态进行优化，其特征在于，该

　　方法包括：基于神经细胞层建立神经网络模型、利用步态测量装置获得的第一双足机器人

　　的步态数据进行训练，以及训练第一双足机器人的步态平衡；根据平衡结果以及第二双足

　　2.根据权利要求1所述的机器人步态优化方法，其特征在于，所述机器人的双足、踝关

　　3.根据权利要求1所述的机器人步态优化方法，其特征在于，所述步态数据包括角速度

　　4.根据权利要求1所述的机器人步态优化方法，其特征在于，所述步态测量装置包括陀

　　5.根据权利要求1所述的机器人步态优化方法，其特征在于，对步态数据的训练包括：

　　获得路面信息数据，其中，该路面信息数据至少包括电子地图中与当前位置有连通关

　　获得步态数据，基于所述步态数据对预先构建的所述神经网络模型进行训练，得到一

　　其中p和q表示在1至10之间随机选取的一个正整数，且当以上两式角标无对应物理意

　　利用一级训练模型对经验数据进行深度学习，学习结果用于进行霍普菲尔网络训练，

　　6.根据权利要求5所述的机器人步态优化方法，其特征在于，训练步态平衡包括：

　　获得至少一个第二双足机器人的步态数据，所述第二双足机器人的数量大于或等于3；

　　利用第一双足机器人的二级训练模型对每个第二双足机器人的步态数据进行深度学

　　习，学习结果进行汇总，最终的学习结果用于进行稀疏自编码机训练，得到第一双足机器人

　　7.根据权利要求6所述的机器人步态优化方法，其特征在于，根据平衡结果以及第二双

　　足机器人的步态数据对第一双足机器人的步态进行优化包括：获得与所述第一双足机器人

　　在行走方向上距离最远的一个第二双足机器人，基于该第二双足机器人的步态数据对第一

　　双足机器人的二级训练模型进行深度学习，学习结果用于进行稀疏自编码机训练，得到第

　　一双足机器人的四级训练模型；对于第一双足机器人的双足、踝关节和膝关节的各个自由

　　度的动作设置，是以第一双足机器人的步态数据训练四级训练模型后得到的模型来输出动

　　8.根据权利要求7所述的机器人步态优化方法，其特征在于，所述一级训练模型是利用

　　9.根据权利要求8所述的机器人步态优化方法，其特征在于，所述经验数据为来自第一

　　双足机器人或第二双足机器人以往通过与所述路线信息相似度最大的路线时的步态数据。

　　前大多数建筑和工具是依照人的身高和形体设计的，因此双足机器人作为一种机器人平台

　　具有更好的使用灵活性。同时，双足机器人步态的稳定性控制是机器人顺畅行走的前提和

　　基础。步态是指在站立或步行过程中，各个关节在时间和空间上的一种相互关系，可以由关

　　现有的双足机器人步态的稳定性研究都是基于零力矩点(Zero Moment Point，

　　ZMP)的方法，建立双足机器人的数学模型，并根据ZMP必须落在稳定区域，比如机器人足部

　　的脚掌范围，去推导控制法则。然而，由于路况等因素很可能导致机器人行走失败，甚至出

　　步态优化方法，用于对第一双足机器人的步态进行优化，包括：基于神经细胞层建立神经网

　　络模型、利用步态测量装置获得的第一双足机器人的步态数据进行训练，以及训练第一双

　　足机器人的步态平衡；根据平衡结果以及第二双足机器人的步态数据对第一双足机器人的

　　其中i表示自由度，取值为1、2或3；p和q表示在1至10之间随机选取的一个正整数，

　　度学习，学习结果进行汇总，最终的学习结果用于进行稀疏自编码机训练，得到第一双足机

　　态进行优化包括：获得与所述第一双足机器人在行走方向上距离最远的一个第二双足机器

　　人，基于该第二双足机器人的步态数据对第一双足机器人的二级训练模型进行深度学习，

　　学习结果用于进行稀疏自编码机训练，得到第一双足机器人的四级训练模型；对于第一双

　　足机器人的双足、踝关节和膝关节的各个自由度的动作设置，是以第一双足机器人的步态

　　数据提升步态控制模型的训练深度，而且能够与其他双足机器人有效合作，实现彼此经验

　　共享，从而达到共同搬运同一货物、快速适应新环境以便于给予更重要任务以足够的运行

　　一种机器人步态优化方法，用于对第一双足机器人的步态进行优化，包括：基于神

　　经细胞层建立神经网络模型、利用步态测量装置获得的第一双足机器人的步态数据进行训

　　练，以及训练第一双足机器人的步态平衡；根据平衡结果以及第二双足机器人的步态数据

　　其中p和q表示在1至10之间随机选取的一个正整数，且当以上两式角标无对应物

　　度学习，学习结果进行汇总，最终的学习结果用于进行稀疏自编码机训练，得到第一双足机

　　进行优化包括：获得与所述第一双足机器人在行走方向上距离最远的一个第二双足机器

　　人，基于该第二双足机器人的步态数据对第一双足机器人的二级训练模型进行深度学习，

　　学习结果用于进行稀疏自编码机训练，得到第一双足机器人的四级训练模型；对于第一双

　　足机器人的双足、踝关节和膝关节的各个自由度的动作设置，是以第一双足机器人的步态

　　不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来

　　说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护