基于CPG 的六足機(jī)器人運(yùn)動(dòng)控制方法研究綜述①

劉天成 盧振利 陳 勇 單長考 劉 燕 趙 宇* PEN?I? Marko CAVIC Maja ROUMIANA Ilieva* MARJAN Mernik

(*鹽城工學(xué)院機(jī)械工程學(xué)院 鹽城 224000)

(**常熟理工學(xué)院電氣與自動(dòng)化工程學(xué)院 常熟 215500)

(***常熟理工學(xué)院商學(xué)院 常熟 215500)

(****諾維薩德大學(xué)技術(shù)科學(xué)學(xué)院 諾維薩德 21000,塞爾維亞)

(*****索非亞工業(yè)大學(xué)管理學(xué)院 索非亞 1000,保加利亞)

(******馬里博爾大學(xué)電氣工程和計(jì)算機(jī)科學(xué)學(xué)院 馬里博爾462000,斯洛文尼亞)

0 引言

在探索陸地的未知環(huán)境時(shí),移動(dòng)機(jī)器人可以代替工作人員到達(dá)難以進(jìn)入的位置進(jìn)行勘察,這樣既保證了人員的生命安全,又完成了任務(wù)。然而傳統(tǒng)的輪式機(jī)器人已無法適應(yīng)崎嶇復(fù)雜的地形,因此足式機(jī)器人的開發(fā)研究由此展開[1]。六足機(jī)器人是一種步態(tài)靈活、較為可靠的機(jī)械構(gòu)造,其足部接觸地面的面積要比履式小,盡管運(yùn)動(dòng)速度相對(duì)較慢,但換取的是更加靈活、易操控的性能,可輕松完成避障和跨越,最終完成不同類型的作業(yè)[2]。

六足機(jī)器人研究涉及到多個(gè)研究領(lǐng)域,它的設(shè)計(jì)靈感來源于自然界的多足昆蟲,涉及的學(xué)科有仿生學(xué)、機(jī)器人學(xué)、自動(dòng)控制、人工智能等等[3]。通過解決一系列的技術(shù)問題,使機(jī)器人有較好的自動(dòng)控制能力。目前核心問題是如何設(shè)計(jì)一套完善高效的控制系統(tǒng),提高六足機(jī)器人步態(tài)行走的穩(wěn)定性。六足機(jī)器人關(guān)節(jié)多,運(yùn)動(dòng)耦合關(guān)系較為復(fù)雜,如何合理進(jìn)行步態(tài)規(guī)劃,降低在實(shí)際情況中的控制難度,成為了研究工作中的難點(diǎn)和重點(diǎn)[4]。

在諸多新興的控制方式中,基于中樞模式發(fā)生器(central pattern generator,CPG)控制方法是解決上述問題的有益探索。

1 CPG 控制原理

節(jié)律運(yùn)動(dòng)是生物常見的運(yùn)動(dòng)模式,由中樞模式發(fā)生器控制,在沒有感知系統(tǒng)的反饋時(shí),模型也能發(fā)生節(jié)律運(yùn)動(dòng),具有適應(yīng)能力強(qiáng)、調(diào)整性及穩(wěn)定性好的特點(diǎn)。

對(duì)CPG 節(jié)律運(yùn)動(dòng)產(chǎn)生的原因有2 種觀點(diǎn):一種是節(jié)律運(yùn)動(dòng)是反饋的結(jié)果,即人們現(xiàn)在熟知的條件反射;另一種認(rèn)為節(jié)律行為不需要外部環(huán)境的刺激,是本身自發(fā)的行為[5]。1914 年,文獻(xiàn)[5]率先設(shè)計(jì)提出半自主振蕩模型,并在2 個(gè)群之間加上抑制耦合神經(jīng)元和疲勞機(jī)制,產(chǎn)生節(jié)律性運(yùn)動(dòng)[6]。

圖1 所示的是典型的脊椎動(dòng)物的運(yùn)動(dòng)控制系統(tǒng)。CPG 有產(chǎn)生周期節(jié)律信號(hào)的特性,可以控制肌肉做出相應(yīng)的舒張和伸縮。而CPG 信號(hào)的輸出又受高層中樞即動(dòng)物大腦的控制。CPG 可以通過外部條件的反饋進(jìn)行調(diào)節(jié),從而適應(yīng)不同的環(huán)境[7]。

圖1 節(jié)律性運(yùn)動(dòng)控制網(wǎng)絡(luò)

2 基于CPG 的六足機(jī)器人運(yùn)動(dòng)控制研究現(xiàn)狀

2.1 六足機(jī)器人國外研究現(xiàn)狀

1989 年,麻省理工人工智能實(shí)驗(yàn)室設(shè)計(jì)研發(fā)出第一款六足機(jī)器人——Genghis[8],如圖2 所示。機(jī)器人Genghis 每條腿上有2 個(gè)自由度,控制方式采用伺服電機(jī)驅(qū)動(dòng),此外加入了電流測(cè)量裝置,用來測(cè)量獲取關(guān)節(jié)、力矩等數(shù)據(jù)。不過Genghis 的缺點(diǎn)是每條腿的自由度只有2 個(gè),且模型整體的傳感器較多,行走時(shí)的速度和效率會(huì)大打折扣。麻省理工學(xué)院在此基礎(chǔ)上,又研發(fā)了另外一款六足機(jī)器人Attila,如圖3 所示。Attila 采用模塊化結(jié)構(gòu)設(shè)計(jì),每個(gè)模塊由傳感器、驅(qū)動(dòng)器和微型CPU組成。同時(shí)每條腿上有3 個(gè)自由度,這使得機(jī)器人相比前代Genghis,其整體的穩(wěn)定性得到大幅提高。此外,Attila 還可通過軟件補(bǔ)償提高機(jī)器人的容錯(cuò)能力和自我修復(fù)能力。

圖2 機(jī)器人Genghis

圖3 機(jī)器人Attila

2003 年,文獻(xiàn)[9]利用硬件電路模擬了CPG(如圖4 所示),并將電路作為控制網(wǎng)絡(luò)加入到自研的機(jī)器人NEXUS 中,如圖5 所示。通過硬件電路搭建中樞模式發(fā)生器的優(yōu)點(diǎn)是在理論上可根據(jù)不同的需求重組模塊。但此設(shè)計(jì)響應(yīng)單一,只能依靠反饋進(jìn)行相位調(diào)整,對(duì)于其他任意的激勵(lì)無法做出響應(yīng),所以它的靈活性比較差,無法在復(fù)雜的地形環(huán)境中工作。

圖4 CPG 控制網(wǎng)絡(luò)

圖5 機(jī)器人NEXUS

2007 年,文獻(xiàn)[10]利用CPG 作為節(jié)律信號(hào)振蕩器,設(shè)計(jì)出多功能和結(jié)構(gòu)的六足機(jī)器人神經(jīng)控制器。通過調(diào)整振蕩器的連接權(quán)重可提高六足機(jī)器人的靈活性和自適應(yīng)性。同時(shí),機(jī)器人的每條腿部安裝了多個(gè)傳感器,接受信號(hào)進(jìn)行簡單的處理,產(chǎn)生對(duì)應(yīng)的節(jié)律信號(hào)。此后人們又研發(fā)了一套可移植的自適應(yīng)性神經(jīng)系統(tǒng),如圖6 所示。信號(hào)發(fā)生器、神經(jīng)單元、遞歸神經(jīng)網(wǎng)絡(luò)和腿部傳感反饋組成該系統(tǒng)[10]。這套控制系統(tǒng)的響應(yīng)速度非?？?使六足機(jī)器人能在各種復(fù)雜的地形快速準(zhǔn)確切換步態(tài)。

圖6 自適應(yīng)神經(jīng)元控制系統(tǒng)

2021 年,文獻(xiàn)[11]基于Hopf 振蕩器設(shè)計(jì)了一款六足機(jī)器人,如圖7 所示。該機(jī)器人主要由CPG控制器、腿部軌跡發(fā)生器、逆運(yùn)動(dòng)學(xué)計(jì)算模塊和藍(lán)牙傳輸模塊組成。其采用相位滯后的控制策略,機(jī)器人在步態(tài)轉(zhuǎn)換時(shí)有平滑的過渡。實(shí)驗(yàn)驗(yàn)證了機(jī)器人在三足、四足和波浪步態(tài)下能夠穩(wěn)定行走。此機(jī)器人的控制參數(shù)相比于Matsuoka 模型要少,因此控制起來也相對(duì)容易。

圖7 Hopf 振蕩器六足機(jī)器人

2.2 六足機(jī)器人國內(nèi)研究現(xiàn)狀

2003 年,文獻(xiàn)[12]對(duì)機(jī)器人運(yùn)動(dòng)控制進(jìn)行建模、切換步態(tài)、歸納分析其使用情景。2004 年,文獻(xiàn)[13]將Matsuoka 振蕩器模型進(jìn)行調(diào)整優(yōu)化,設(shè)計(jì)出符合機(jī)器人運(yùn)動(dòng)的CPG 模型,建立了四足機(jī)器人控制系統(tǒng);其分層結(jié)構(gòu)和CPG 同比例積分相結(jié)合,通過仿真實(shí)驗(yàn)證明利用生物CPG 控制機(jī)器人運(yùn)動(dòng)是可行的,如圖8 所示。但單個(gè)CPG 控制關(guān)節(jié)的方式,靈活性較差,且設(shè)計(jì)結(jié)構(gòu)復(fù)雜,響應(yīng)較慢。

圖8 四足機(jī)器人Biosbot

2018 年,文獻(xiàn)[14]在CPG 模型中添加了力反饋的閉環(huán)系統(tǒng),創(chuàng)新設(shè)計(jì)出了三神經(jīng)元CPG 模型。數(shù)據(jù)采集模塊獲取六足機(jī)器人足部數(shù)據(jù),通過肌神經(jīng)元實(shí)時(shí)反饋?zhàn)悴康膲毫π畔?CPG 生成符合當(dāng)前行進(jìn)的振蕩波形,提高了六足機(jī)器人在復(fù)雜地形行走的穩(wěn)定性和避障能力,如圖9 所示。

圖9 三神經(jīng)元振蕩器模型

2019 年,文獻(xiàn)[15]基于Rulkov 神經(jīng)元搭建CPG 模型,在不同的屈肌和肌間加入突觸來耦合各個(gè)關(guān)節(jié),優(yōu)化遺傳算法的耦合矩陣,設(shè)計(jì)出GhostDog四足機(jī)器人,實(shí)驗(yàn)證明機(jī)器人在-1～1 cm 的擾動(dòng)下依舊可以保持穩(wěn)定的運(yùn)行,如圖10 所示。

圖10 GhostDog 機(jī)器人

關(guān)于機(jī)器學(xué)習(xí)在六足機(jī)器人上的應(yīng)用,文獻(xiàn)[16]在線性離散化的步態(tài)研究中取得了優(yōu)秀的成果,并將CPG 模型與反饋模型相結(jié)合,搭建了離散化步態(tài)模型,設(shè)計(jì)出符合六足機(jī)器人運(yùn)動(dòng)的自由步態(tài)規(guī)劃算法。通過模仿生物的行走行為和搭建樣機(jī)驗(yàn)證了此套規(guī)劃算法的可行性,如圖11 所示。

圖11 六足機(jī)器人樣機(jī)和步態(tài)規(guī)劃算法

3 基于CPG 的控制系統(tǒng)設(shè)計(jì)與搭建

對(duì)于六足機(jī)器人的控制方式,通過上述國內(nèi)外現(xiàn)狀研究發(fā)現(xiàn),現(xiàn)在其主要的設(shè)計(jì)方法為神經(jīng)元振蕩器。接下來將對(duì)此控制方法分類闡述。

中樞模式發(fā)生器(CPG)是一種神經(jīng)系統(tǒng)電路,它能夠在沒有反饋或外部輸入的情況下控制或協(xié)調(diào)運(yùn)動(dòng)。作為主流機(jī)器人的控制方法,CPG 模型目前可分為2 種:第1 種為基于神經(jīng)元的模型,這種比較符合生物真實(shí)的控制方式,但模型復(fù)雜,如Kimura;第2 種是基于非線性振蕩器的模型,即不同的數(shù)學(xué)模型。振蕩器的研究相對(duì)成熟完善,是CPG 建模的主要方式。

建立控制系統(tǒng),需要選擇合適的數(shù)學(xué)模型。神經(jīng)元模型的重點(diǎn)在于如何產(chǎn)生節(jié)律性活動(dòng),以及不同的振蕩神經(jīng)通過何種連接模式實(shí)現(xiàn)同步。兩個(gè)神經(jīng)元的連接有一個(gè)權(quán)重?cái)?shù),正數(shù)代表刺激性連接,負(fù)數(shù)代表抑制性連接[17],如圖12 所示。

圖12 神經(jīng)元連接結(jié)構(gòu)圖

3.1 模型構(gòu)建

建立模型的時(shí)候,需要定義以下標(biāo)準(zhǔn)。

(1)CPG 的體系結(jié)構(gòu),包括使用何種振蕩器模型、神經(jīng)元的數(shù)目和類型。

(2)聯(lián)軸器的類型和拓?fù)浣Y(jié)構(gòu),決定了振蕩器的穩(wěn)定相位關(guān)系。

(3)波形,將確定在一個(gè)循環(huán)周期內(nèi)關(guān)節(jié)角度的執(zhí)行軌跡。

(4)輸入信號(hào),包括頻率、幅度、相位滯后等。

(5)反饋信號(hào),根據(jù)環(huán)境條件如何反饋調(diào)節(jié)CPG 的活動(dòng)。

CPG 數(shù)學(xué)模型目前可分為基于神經(jīng)元的模型和基于非線性振蕩器的模型兩大類。神經(jīng)元振蕩器有Matsuoka 神經(jīng)元模型、Kimura 模型等,此類模型更貼近于真實(shí)生物的運(yùn)動(dòng)機(jī)理,但參數(shù)較多,因此分析起來較為復(fù)雜。非線性振蕩器有Hopf 振蕩器、Kuramoto 振蕩器等,此類模型的參數(shù)較少,分析較為容易,且目前研究也較為成熟。接下來將以Hopf 振蕩器為例搭建CPG 模型。

Hopf 振蕩器的數(shù)學(xué)模型如下:

它的輸出結(jié)果是一個(gè)收斂的極限環(huán),其中,x、y為振蕩器的狀態(tài)輸出量;α是收斂速度系數(shù),為正數(shù)值,α越大振蕩器收斂到極限環(huán)的速度就越快;μ是極限環(huán)的半徑,同時(shí)也是振蕩器輸出信號(hào)的幅值;ω是振蕩器的頻率。根據(jù)數(shù)學(xué)表達(dá)式,在Matlab 中利用Ode45 求解該微分方程,設(shè)置參數(shù)α=100,ω=2π,μ=1,同時(shí)給x與y設(shè)定一個(gè)初值,仿真結(jié)果如圖13 所示。

圖13 Hopf 振蕩器極限環(huán)

由上圖可知,當(dāng)給x與y設(shè)置任意一個(gè)初值時(shí),最終都會(huì)收斂于一個(gè)半徑為的極限環(huán)上,由此可得出Hopf 振蕩器最終會(huì)達(dá)到一個(gè)穩(wěn)定狀態(tài)。

給定同樣的初值x=1,y=0.5,振蕩器的輸出信號(hào)如圖14 所示。由圖可知,Hopf 振蕩器可以輸出一個(gè)穩(wěn)定的周期振蕩信號(hào)。并且初值取任何值,最終都會(huì)達(dá)到穩(wěn)定的振蕩狀態(tài)。

圖14 Hopf 振蕩器輸出信號(hào)

單一的Hopf 振蕩器只能產(chǎn)生上升沿和下降沿一樣的信號(hào),考慮到六足機(jī)器人擺動(dòng)相和支撐相的時(shí)間比例會(huì)不一樣,即不同的步態(tài),在原有基礎(chǔ)上進(jìn)行改進(jìn),添加以下關(guān)系式:

式中,ωst和ωsw分別表示支撐相和擺動(dòng)相的頻率;β為占空比,范圍在0～1 之間;參數(shù)α表達(dá)的意義為ω在ωsw和wst間的變化速度。結(jié)合式(1),通過調(diào)節(jié)β可控制擺動(dòng)相和支撐相的時(shí)間,圖15 和圖16分別表示β=1/3 和β=2/3 時(shí)的振蕩信號(hào)。由圖可知,擺動(dòng)相和支撐相的時(shí)間比發(fā)生了相應(yīng)變化,達(dá)到了改進(jìn)的目的。

圖15 β=1/3 時(shí)x 的輸出曲線

圖16 β=2/3 時(shí)x 的輸出曲線

3.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

CPG 的基本單元,即神經(jīng)振蕩器以某一種連接方式形成具備輸出特性的系統(tǒng)。目前,用于六足機(jī)器人控制的CPG 網(wǎng)絡(luò)有環(huán)狀和鏈狀2 種。

環(huán)狀網(wǎng)絡(luò)連接是神經(jīng)振蕩器依次連接形成封閉的環(huán)狀,任何2 個(gè)振蕩器在環(huán)狀中互相影響,改變之間的耦合關(guān)系,就能協(xié)調(diào)六足機(jī)器人各個(gè)腿的運(yùn)動(dòng)特性,使CPG 控制六足機(jī)器人執(zhí)行不同的步態(tài)。六足環(huán)狀的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖17 所示。

圖17 CPG 環(huán)狀拓?fù)浣Y(jié)構(gòu)

鏈狀網(wǎng)絡(luò)是神經(jīng)振蕩器以一排直線排列,振蕩信號(hào)從第一個(gè)依次傳遞到最后一個(gè),這種傳遞方式會(huì)讓信號(hào)產(chǎn)生一定的滯后。鏈狀網(wǎng)絡(luò)連接一般應(yīng)用在魚類仿生機(jī)器人中。而六足機(jī)器人這種多足結(jié)構(gòu)較適合環(huán)狀連接方式。

3.3 Hopf 振蕩器網(wǎng)絡(luò)耦合

因?yàn)樾枰獏f(xié)調(diào)六足機(jī)器人各個(gè)腿的運(yùn)動(dòng)特性,通過上面的Hopf 振蕩器來進(jìn)行輸出信號(hào)的相位耦合,其關(guān)系式為

由上式可知,在原有Hopf 振蕩器的基礎(chǔ)上加上了耦合項(xiàng),其中∈是2 個(gè)振蕩器間的耦合系數(shù),為了使輸出曲線較為平滑,經(jīng)過測(cè)試發(fā)現(xiàn)∈=0.6 較為合適;θji表示i振蕩器和j振蕩器的相位差,即θi-θj,不同的步態(tài)相位差也不同,所對(duì)應(yīng)的耦合項(xiàng)也需要調(diào)整,下文將依據(jù)三足步態(tài)做出仿真分析。

4 調(diào)節(jié)基于CPG 的六足機(jī)器人運(yùn)動(dòng)步態(tài)

步態(tài)規(guī)劃對(duì)于仿生機(jī)器人的行走是非常重要的。不嚴(yán)謹(jǐn)?shù)牟綉B(tài)規(guī)劃,會(huì)導(dǎo)致各個(gè)腳出現(xiàn)隨意擺動(dòng)而難以前進(jìn)和保持平衡。六足機(jī)器人和四足相比沒有太過豐富的步態(tài),Porta 和Celaya[20]在研究六足時(shí)總結(jié)出一條重要法則,即如果要保持穩(wěn)定地步態(tài)行走,兩條相鄰的腿就不能同時(shí)抬起,否則會(huì)出現(xiàn)傾角過大甚至失衡的現(xiàn)象。目前多足機(jī)器人比較主流的步態(tài)有三足步態(tài)、四足步態(tài)及五足步態(tài)。以下選擇三足步態(tài)進(jìn)行論述。

4.1 三足步態(tài)規(guī)劃

三足步態(tài)是六足機(jī)器人在行走時(shí)3 條腿支撐在地,另外3 條腿抬起行走,此時(shí)機(jī)器人的占空比大于0.5,行走時(shí)較為穩(wěn)定。將6 條腿分為2 組,實(shí)現(xiàn)和人類左右腿一樣的行走效果。將6 條腿按順時(shí)針進(jìn)行編號(hào),兩兩間隔分組,1、3、5 為第1 組,2、4、6 為第2 組,如圖18 所示。

研究發(fā)現(xiàn),三足步態(tài)適用于多種運(yùn)動(dòng)速度間自由切換,可以克服目前多數(shù)四足機(jī)器人在速度變換時(shí)需要切換步態(tài)的問題,這給控制提供了便利。

4.2 三足步態(tài)實(shí)驗(yàn)仿真

4.2.1 單腿關(guān)節(jié)映射函數(shù)

三足步態(tài)的特性為:相同組的腿相位差為0,不同組的腿相位差為π,即半個(gè)周期,占空比β=0.5。因?yàn)橐粭l腿具有髖、膝、踝3 個(gè)關(guān)節(jié),同時(shí)控制18 個(gè)關(guān)節(jié)會(huì)讓仿真分析變得困難復(fù)雜,因此通過輸出信號(hào)的映射實(shí)現(xiàn)關(guān)節(jié)控制。具體是x輸出通過映射作為髖關(guān)節(jié)的轉(zhuǎn)動(dòng)角度,y輸出通過映射作為膝關(guān)節(jié)和踝關(guān)節(jié)的轉(zhuǎn)動(dòng)角度,映射函數(shù)如式(4)所示[18]。

式(4)中,z1、z2、z3分別代表髖、膝、踝3 個(gè)關(guān)節(jié)的轉(zhuǎn)動(dòng)角度,單位為弧度(rad)。

根據(jù)式(3)和(4)在Matlab 中建立微分方程,設(shè)定參數(shù)α=100,β=0.5,ωsw=2π,μ=1,b=100,其仿真結(jié)果如圖19 所示。

圖19 三足步態(tài)輸出信號(hào)

圖19 中,從上到下6 張表分別表示1～6 號(hào)腿的關(guān)節(jié)控制信號(hào),紅色代表髖關(guān)節(jié),綠色代表膝關(guān)節(jié),藍(lán)色代表踝關(guān)節(jié),得到的這組數(shù)據(jù)可以作為控制六足機(jī)器人進(jìn)行三足步態(tài)的數(shù)據(jù)。

4.2.2 六足機(jī)器人模型驗(yàn)證

本文采用Coppeliasim 軟件作為機(jī)器人實(shí)驗(yàn)仿真平臺(tái),在Coppeliasim 搭建六足機(jī)器人模型,機(jī)器人的主板設(shè)計(jì)尺寸為長0.24 m、寬0.08 m、厚0.005 m,質(zhì)量為0.5 kg;機(jī)器人腿部的3 段長度分別為0.02 m、0.04 m、0.08 m,質(zhì)量分別為0.05 kg、0.1 kg、0.2 kg,結(jié)構(gòu)模型如圖20 所示。

圖20 六足機(jī)器人模型

將之前Matlab 仿真得到的三足步態(tài)數(shù)據(jù)導(dǎo)出,在Coppeliasim 編程讀取導(dǎo)出的數(shù)據(jù),一組關(guān)節(jié)數(shù)據(jù)有18 個(gè),按照腿部序號(hào)依次賦值給髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié),同時(shí)調(diào)整關(guān)節(jié)的旋轉(zhuǎn)方向,避免出現(xiàn)實(shí)際旋轉(zhuǎn)方向和理論方向相反的情況。

點(diǎn)擊運(yùn)行仿真,觀察六足模型運(yùn)動(dòng)時(shí)的步態(tài)動(dòng)畫,圖21 是模型在一個(gè)周期內(nèi)三足步態(tài)的仿真動(dòng)畫,其3 張截圖分別對(duì)應(yīng)t=0 s、t=0.5 s、t=1 s 時(shí)的運(yùn)動(dòng)情況。

圖21 三足步態(tài)仿真圖

從圖21 可以看出,t=0 s 時(shí)六足機(jī)器人處于靜止?fàn)顟B(tài);t=0.5 s 時(shí)六足機(jī)器人的1、3、5 號(hào)腿作為擺動(dòng)相向前爬行,2、4、6 號(hào)腿作為支撐相向后移動(dòng)支撐;t=1 s 時(shí)第1 組腿反過來作為支撐相,第2 組腿作為擺動(dòng)相,實(shí)驗(yàn)可滿足六足機(jī)器人三足步態(tài)的要求。

4.3 基于CPG 原理的步態(tài)規(guī)劃

從模仿生物節(jié)律運(yùn)動(dòng)的控制角度出發(fā),通過周期性的振蕩信號(hào)控制機(jī)器人的關(guān)節(jié)角度,實(shí)現(xiàn)機(jī)器人的前行,如圖22 所示。用CPG 進(jìn)行步態(tài)規(guī)劃時(shí),可以不需要傳感器的反饋,通過簡化結(jié)構(gòu),實(shí)現(xiàn)快速響應(yīng),但這會(huì)使機(jī)器人對(duì)環(huán)境的調(diào)整能力變差。在后面的研究中,文獻(xiàn)[19,20]將反射模型加入,修正CPG 模型參數(shù),實(shí)現(xiàn)了平穩(wěn)運(yùn)動(dòng)。文獻(xiàn)[21]提出了自由步態(tài)生成算法,這可以讓機(jī)器人在持續(xù)運(yùn)動(dòng)的情況下提高穩(wěn)定性。雖然諸多的模型進(jìn)行了優(yōu)化和融合,但對(duì)地形的適應(yīng)能力仍然缺乏有效的步態(tài)調(diào)節(jié)策略,這也是研究的一大熱點(diǎn)。

圖22 CPG 控制步態(tài)模型

4.4 多足協(xié)調(diào)控制方法

六足機(jī)器人的每條腿都由CPG 單獨(dú)控制,互不干擾,這就保證了每條腿的運(yùn)動(dòng)都不依賴其他腿的運(yùn)動(dòng)。通過CPG 的耦合性控制關(guān)節(jié)耦合運(yùn)動(dòng),避免了用運(yùn)動(dòng)學(xué)進(jìn)行復(fù)雜的解耦運(yùn)算。但腿與腿之間的運(yùn)動(dòng)協(xié)調(diào)是不可少的,滿足上述三足步態(tài)的2 組腿的協(xié)調(diào)。

動(dòng)物行進(jìn)時(shí)受到大腦皮層的運(yùn)動(dòng)區(qū)和小腦的控制協(xié)調(diào)。借鑒此結(jié)構(gòu),可以在CPG 的上層設(shè)計(jì)2 個(gè)相互抑制的神經(jīng)元,每個(gè)神經(jīng)元控制3 個(gè)CPG,建立起網(wǎng)絡(luò)關(guān)系,這樣動(dòng)物的節(jié)律運(yùn)動(dòng)控制結(jié)構(gòu)和六足機(jī)器人的控制結(jié)構(gòu)形成映射關(guān)系,如圖23 所示。

圖23 六足機(jī)器人和動(dòng)物控制結(jié)構(gòu)映射

4.5 完善步態(tài)的選擇

CPG 振蕩器是非線性系統(tǒng),輸入?yún)?shù)與周期、相位、頻率這些輸出參數(shù)的關(guān)系難以確定。文獻(xiàn)[22]在雙足機(jī)器人的研究中利用綜合軌跡規(guī)劃和CPG控制相結(jié)合的方法,建立運(yùn)動(dòng)學(xué)模型求解關(guān)節(jié)角,生成步態(tài),如圖24 所示。這進(jìn)一步驗(yàn)證了用單一CPG生成步態(tài)并不是唯一的選擇,也對(duì)六足機(jī)器人的步態(tài)生成有很大啟發(fā)。

圖24 七桿雙足機(jī)器人示意圖

5 基于CPG 六足機(jī)器人控制是研究熱點(diǎn)

針對(duì)基于CPG 的六足機(jī)器人運(yùn)動(dòng)控制可以在各種復(fù)雜的地形上規(guī)劃出所需的步態(tài),但過于機(jī)械行走不能靈活完成仿生運(yùn)動(dòng)以及對(duì)環(huán)境的適應(yīng)力較差等問題依舊存在。為充分挖掘六足機(jī)器人未來的發(fā)展?jié)摿?仍需要展開大量的研究。

5.1 考慮身體姿態(tài)的機(jī)身結(jié)構(gòu)優(yōu)化

目前,六足機(jī)器人的仿生結(jié)構(gòu)重點(diǎn)仍局限于螞蟻、蟑螂、蜘蛛的腿部結(jié)構(gòu)仿生,而忽略了足部和機(jī)體的整體協(xié)調(diào)能力。未來的研究可以結(jié)合仿生學(xué)、機(jī)構(gòu)學(xué)等,分析不同多足生物腿部結(jié)構(gòu)的共同特性,構(gòu)建可變形的關(guān)節(jié)結(jié)構(gòu),并優(yōu)化多足的協(xié)調(diào)性能,設(shè)計(jì)出有多種運(yùn)動(dòng)模式的六足機(jī)器人,提高對(duì)地形的適應(yīng)能力。

5.2 固定結(jié)構(gòu)下的更有效的機(jī)器學(xué)習(xí)策略

CPG 模型在建立好后,需要獲取參數(shù)進(jìn)行訓(xùn)練學(xué)習(xí),目前的機(jī)器學(xué)習(xí)方式有監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)兩種。

學(xué)習(xí)方式可根據(jù)有訓(xùn)練樣本的時(shí)候用監(jiān)督學(xué)習(xí),沒有樣本的時(shí)候,進(jìn)行人工區(qū)分改善條件使用監(jiān)督學(xué)習(xí)。倘若不同的環(huán)境相同的樣本存在大的偏移,則可使用非監(jiān)督學(xué)習(xí)。

通過機(jī)器學(xué)習(xí)各種生物的步態(tài),是基于CPG 的六足機(jī)器人具備生物一樣的運(yùn)動(dòng)性能的未來發(fā)展趨勢(shì)。

5.3 深度強(qiáng)化學(xué)習(xí)和變結(jié)構(gòu)自適應(yīng)

在非線性動(dòng)態(tài)環(huán)境,如地震環(huán)境下,傳統(tǒng)的算法無法做到很高的精度進(jìn)行避障。近年來,深度學(xué)習(xí)由于其學(xué)習(xí)能力好、適應(yīng)性強(qiáng)、可移植性好等優(yōu)點(diǎn)得到了眾多研究學(xué)者的關(guān)注。但傳統(tǒng)的深度學(xué)習(xí)算法收斂性差,存在較大的偏差,這也會(huì)降低機(jī)器人的避障能力[23]。因此開發(fā)基于六足機(jī)器人的避障算法并應(yīng)用于實(shí)際需要進(jìn)一步的研究。

在通過增強(qiáng)學(xué)習(xí)實(shí)現(xiàn)各種步態(tài)行走方面目前未見合適的數(shù)學(xué)模型,難以讓機(jī)器人自主進(jìn)行學(xué)習(xí)。此外,當(dāng)六足機(jī)器人發(fā)生故障時(shí),內(nèi)部的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)被破壞,原有的步態(tài)算法不再適用,最終無法保持穩(wěn)定。因此,通過機(jī)器學(xué)習(xí)自適應(yīng)結(jié)構(gòu)變化,也是研究的一大熱點(diǎn)。

6 結(jié)論

本文闡述了六足機(jī)器人及相關(guān)CPG 控制方法的發(fā)展現(xiàn)狀,指出CPG 模型結(jié)構(gòu)簡單、穩(wěn)定性好,可有效控制六足機(jī)器人的步態(tài)。以Hopf 振蕩器為例,搭建了CPG 模型,研究發(fā)現(xiàn)其輸出具有穩(wěn)定特性;通過將其進(jìn)行改進(jìn),添加支撐、擺動(dòng)頻率和耦合項(xiàng),將仿真的數(shù)據(jù)放入六足機(jī)器人實(shí)驗(yàn)平臺(tái),以三足步態(tài)為例驗(yàn)證了此方法的可行性。此外,研究發(fā)現(xiàn),不需要同時(shí)控制六足的18 個(gè)關(guān)節(jié),振蕩器模型輸出的信號(hào)經(jīng)過映射關(guān)系即可得到關(guān)節(jié)轉(zhuǎn)動(dòng)的角度。今后的研究則需要驗(yàn)證其他步態(tài)的可行性,提高六足運(yùn)動(dòng)的穩(wěn)定性,提高機(jī)器人的避障能力,使六足機(jī)器人的運(yùn)動(dòng)控制具有更好的適應(yīng)性和實(shí)用性。