-
Patent Agency Ranking
公开(公告)号：CN114563954B
公开(公告)日：2024-10-29
申请号：CN202210191785.X
申请日：2022-02-28
Applicant: 山东大学
IPC: G05B13/04
Abstract: 本发明提供一种基于强化学习和位置增量的四足机器人运动控制方法，涉及四足机器人控制领域，获取运动环境信息、四足机器人姿态信息和足底位置信息；基于获取的信息，生成四足机器人运动时各个预设时间步长内的足底位置，计算各个时间步长内足底位置的变化量；以单个时间步长内的最大移动距离为约束，同时累积时间步长得到足底位置轨迹；基于足底位置轨迹结合预设奖励函数来控制四足机器人执行相应动作，以使四足机器人保持运动平衡；针对目前四足机器人运动控制方法中生成的电机位置发生较大突变引起电机损伤的问题，通过对四足机器人每个时间步内的足底位置变化量进行约束，避免控制命令的突变，增强了四足机器人通过复杂地形的能力。
-
公开(公告)号：CN114563954A
公开(公告)日：2022-05-31
申请号：CN202210191785.X
申请日：2022-02-28
Applicant: 山东大学
IPC: G05B13/04
Abstract: 本发明提供一种基于强化学习和位置增量的四足机器人运动控制方法，涉及四足机器人控制领域，获取运动环境信息、四足机器人姿态信息和足底位置信息；基于获取的信息，生成四足机器人运动时各个预设时间步长内的足底位置，计算各个时间步长内足底位置的变化量；以单个时间步长内的最大移动距离为约束，同时累积时间步长得到足底位置轨迹；基于足底位置轨迹结合预设奖励函数来控制四足机器人执行相应动作，以使四足机器人保持运动平衡；针对目前四足机器人运动控制方法中生成的电机位置发生较大突变引起电机损伤的问题，通过对四足机器人每个时间步内的足底位置变化量进行约束，避免控制命令的突变，增强了四足机器人通过复杂地形的能力。
-
公开(公告)号：CN114740875B
公开(公告)日：2024-08-02
申请号：CN202210334049.5
申请日：2022-03-31
Applicant: 山东大学
IPC: G05D1/49 , G05D109/12
Abstract: 本发明提供了一种基于神经振荡器的机器人节律运动控制方法及系统，包括：获取机器人的当前状态，以及由神经振荡器产生的相位和频率；依据获取的当前状态、相位和频率，以及预设的强化学习网络，得到控制指令，对机器人进行控制；其中，预设的强化学习网络中包括动作空间、模式形成网络和神经振荡器；本发明设计的由神经振荡器和模式形成网络组成的控制结构，能确保期望的节律运动行为的形成；同时，设计的关节位置增量的动作空间能有效加速节律运动强化学习训练进程，解决了现有无模型强化学习学习时，奖励函数设计耗时、困难的问题。
-
公开(公告)号：CN117631533A
公开(公告)日：2024-03-01
申请号：CN202311371936.0
申请日：2023-10-20
Applicant: 山东大学
IPC: G05B13/04
Abstract: 本发明属于腿足机器人技术领域，提供了一种基于连续学习的机器人步态规划方及系统，其技术方案为：应用经验回放的方法，设计了一种基于持续学习的机器人步态规划方法，机器人每训练一个新步态，都会从旧步态训练任务中选取部分具有代表性的数据，作为旧步态的复习知识加入新步态训练。另外，每个新任务训练时的网络参数优化都需要适应所有先前任务评价网络的评估要求，让网络向着优化新步态方向更新时不遗忘旧步态，从而让机器人渐进的学会多种步态。
-
公开(公告)号：CN114740875A
公开(公告)日：2022-07-12
申请号：CN202210334049.5
申请日：2022-03-31
Applicant: 山东大学
IPC: G05D1/08
Abstract: 本发明提供了一种基于神经振荡器的机器人节律运动控制方法及系统，包括：获取机器人的当前状态，以及由神经振荡器产生的相位和频率；依据获取的当前状态、相位和频率，以及预设的强化学习网络，得到控制指令，对机器人进行控制；其中，预设的强化学习网络中包括动作空间、模式形成网络和神经振荡器；本发明设计的由神经振荡器和模式形成网络组成的控制结构，能确保期望的节律运动行为的形成；同时，设计的关节位置增量的动作空间能有效加速节律运动强化学习训练进程，解决了现有无模型强化学习学习时，奖励函数设计耗时、困难的问题。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
