人形机器人平衡的先进执行器策略

人形机器人平衡的先进执行器策略

近年来，人形机器人技术取得了显著进步，机器人已经能够行走、奔跑甚至跳跃。然而，要实现与人类相当的敏捷性和平衡性，仍面临诸多挑战。本文将深入探讨工程师们为保持人形机器人平衡而采用的静态和动态控制策略，这些策略对于提高机器人稳定性、增强其在各种应用中的功能至关重要。

静态平衡

静平衡指机器人在静止位置或移动速度足够慢以至于动态影响可以忽略不计时保持稳定性的能力。这通常通过精确定位和控制机器人相对于支撑基座的重心 (COG) 来实现。

与三脚架机器人相比，双足人形机器人天生就不稳定，因此开发其静态姿势具有挑战性。双足机器人缺乏同等水平的平衡和支撑，因此很难保持稳定的姿势。实现这一点需要先进的控制系统和精密的机械装置，因此这项任务比三脚架机器人更为复杂。

为了实现静态平衡，必须理解和掌握几个基本概念：

• 质心 (CoM)：机器人质量集中的点。为了保持稳定平衡，重心在地面上的投影应位于平衡轴内。
• 支持基础 (BoS)：机器人与地面接触点（例如脚）所包围的面积。BoS 越大，通常稳定性越好。
• 零力矩点（ZMP）：地面上地面反作用力合力作用的点。为了保持稳定平衡，ZMP 应位于 BoS 内。
• 姿势控制：调整机器人的关节和肢体位置以维持或实现所需的姿势，使 CoM 保持在 BoS 内。
• 质心 (CoM) 与重心 (CoG)：在人形机器人中，质心 (CoM) 是机器人质量均匀分布的点，充当其质量分布的平衡点，无论机器人的方向如何都保持不变。另一方面，重心 (CoG) 是机器人重量均匀分布的点，受重力影响。重心可以随着机器人方向的变化或在不同的重力场中移动而移动，因为它代表重力有效作用于机器人的点。

a. 质心 (CoM) 控制

• 目的：保持机器人的重心在其支撑底座内。
• 方法：调整关节角度来转移重心。这可能涉及躯干、手臂和腿部的轻微运动以保持平衡。
• 描述：CoM 控制对于人形机器人而言，保持稳定性至关重要。通过不断调整 CoM 的位置，机器人可以补偿外力并保持稳定的姿势。
• 优点：
• 通过降低倾倒风险来提高稳定性，这对于静止和缓慢移动至关重要。
• 该方法用途广泛，适用于站立、慢行、小动作等各种场景，并且能与其他控制策略很好地结合。
• 增强的姿势控制是另一个好处，可以实现精确的身体定位和更流畅、自然的动作，这对于需要精确姿势调整的任务特别有用。
• 缺点：
• 它需要强大的处理能力和复杂的实时控制算法，对计算提出了要求。
• 此外，连续的关节调整会消耗大量能源，因此需要高效的执行器设计来最大限度地降低功耗。

b. 零力矩点 (ZMP) 控制

• 目的：将零力矩点保持在机器人脚部支撑多边形内，以确保缓慢移动或静止位置时的平衡。
• 描述：ZMP 控制是一种常用的确保人形机器人稳定性的方法。它涉及计算零力矩点，即地面上所有垂直力和动量的总和为零的点。通过确保 ZMP 保持在支撑多边形（机器人脚覆盖的区域）内，机器人可以保持平衡。例如，移动手臂或倾斜躯干可以帮助将 COM 转移到更稳定的位置，从而使 ZMP 转移到更稳定的位置。
• 优点：
• 通过提供明确的平衡标准来提供可预测性，从而有助于设计稳定的运动。
• 通过持续监控和调整 ZMP 来保持一致的平衡，从而确保可靠性。
• 缺点：
• ZMP控制策略面临计算需求，需要大量资源进行实时调整。
• 它对干扰很敏感，难以应对突然的干扰或不平坦的地形。
• 此外，它具有动态限制，对于跑步或跳跃等高度动态的活动效果较差。

动态平衡

动平衡涉及机器人在运动时（例如行走、跑步或执行复杂任务）保持稳定性。这需要更复杂的控制策略来适应快速变化的条件。

a. 倒立摆模型

• 目的：简化机器人的动力学，使其类似于倒立摆，从而有助于设计直立稳定性的基本平衡控制算法。
• 描述：倒立摆模型将机器人的动力学简化为类似于倒立摆，其中机器人的身体在一个枢轴点上保持平衡，通常代表它的脚。核心思想是控制机器人的重心 (COM) 来保持平衡，就像在手上平衡一根棍子一样。这种方法对于设计基本的平衡控制算法至关重要，并为更复杂的平衡技术奠定了基础。
• 优点：
• 为设计基本的平衡控制算法提供了坚实的基础，这对于保持直立稳定性至关重要。
• 此外，通过降低动态模式的复杂性，可以更容易地理解和控制机器人的平衡
• 缺点：它假设了一种简化的动态，可能无法捕捉到更快速或不规则运动的复杂性。因此，它为基本平衡提供了坚实的基础。对于步行、跑步或跳跃等动态活动，需要更复杂的模型和控制策略。

b. 质量中心 (COM) 的预览控制

• 目的：预测机器人质心的未来位置并相应地规划运动以在行走等动态活动期间保持稳定性。
• 描述：COM 预览控制依赖于预测机器人重心的未来位置并据此规划运动。这涉及生成确保稳定性的轨迹并控制执行器以紧密遵循该路径。控制系统计算 COM 在短时间窗口内所需的路径，使机器人能够提前调整而不是仅仅对干扰做出反应。这种方法可有效确保运动平稳稳定，尤其是在行走过程中。
• 优势：这种方法通过预测动态活动期间的变化和平衡来提高稳定性。它确保动作更顺畅、更自然，在行走时尤其有效。
• 缺点：该方法需要复杂的实时计算，并且严重依赖准确的预测模型。它很难应对突然、意外的环境变化，因此适应性是一个挑战。

>> 注意：预览 COM 控制与质心 (CoM) 控制：

尽管名称相似，但 COM 的预览控制和质心 (CoM) 控制是不同的策略。

• COM 预览控制是针对步行和跑步等活动的动态策略，使用预测算法来预测和调整重心 (CoM) 的未来位置。这可确保运动平稳，但需要大量计算资源。
• 质心 (CoM) 控制是一种在静止或缓慢移动时保持稳定性的静态策略。它不断调整关节角度，使 CoM 保持在支撑范围内，对干扰做出即时响应，但也需要计算能力。

综上所述，COM 的预览控制非常适合动态任务，而 CoM 控制最适合静态和缓慢移动的情况。这些策略共同增强了人形机器人在各种任务和环境中的稳定性和功能性。

c. 全身控制

• 目的：协调机器人身体的各个部位以达到平衡，优化所有关节和肢体的控制力度以完成复杂的任务和动作。
• 描述：全身控制考虑到机器人身体的所有部位，协调运动以实现平衡。这种方法利用机器人的整个运动链和动态特性，优化所有关节和肢体的控制力分配，以实现各种姿势和动作的稳定性。与专注于特定部位的简单方法不同，全身控制协调机器人的所有关节和执行器，以实现统一、平衡的姿势。这种整体方法使机器人能够在保持稳定性的同时执行复杂任务。
• 为什么选择：全身控制通过使用整个运动链提供增强的稳定性和灵活性，使机器人能够通过协调、平衡的动作执行复杂的任务。
• 缺点：它需要强大的计算能力和复杂的优化算法，对跨所有关节的传感器数据的实时协调和集成在技术上提出了很高的要求。

d. 反应策略

• 目的：反应性策略根据环境的实时反馈调整机器人的姿势。
• 描述：这些策略在不可预测的环境中至关重要，在这些环境中，预编程的行为可能不够用。这些策略依靠快速的传感器反馈和执行器响应来保持平衡。例如，如果机器人被推，传感器会检测到干扰，执行器会快速调整肢体以抵消力。反应策略对于实时平衡维持至关重要，可以立即纠正突然的变化。
• 优点：它们可以立即纠正以保持平衡，这对于在不可预测的环境中保持实时稳定性至关重要。这种快速适应的能力确保机器人能够有效地处理突然的变化或干扰。
• 缺点：它们需要高度灵敏的传感器和执行器来处理数据并实时调整。此外，系统必须能够快速做出决策，这需要大量的计算资源。

e. 自适应和基于学习的控制

• 目的：通过机器学习和自适应算法增强机器人的平衡能力，使其能够从过去的经验中学习并随着时间的推移而改进。
• 描述：自适应和基于学习的控制策略利用机器学习和自适应算法来增强机器人的平衡能力。这些方法使机器人能够从以前的经验中学习并随着时间的推移改善其平衡能力，根据观察到的结果策略不断改进其响应模式，以提高未来场景的性能。这种方法使机器人能够适应新的环境和任务，在动态和不可预测的情况下更熟练地保持平衡。
• 优点：自适应和基于学习的控制策略使机器人能够通过从过去的经验中学习，随着时间的推移提高其平衡能力。这种方法在处理不可预测的现实世界场景时特别有效。
• 缺点：它们需要大量数据收集和复杂的机器学习算法来分析和学习数据。实时学习和适应所需的计算资源可能非常庞大。

结论：

总之，保持人形机器人的平衡需要静态和动态控制策略的结合。ZMP 控制、倒立摆模型、全身控制和基于自适应学习的方法等技术使机器人能够在各种情况下保持稳定。 Archimedes Drive 当集成到执行器中时可以显著增强人形机器人的平衡能力，因为它具有以下几个主要优点：

• 精度和准确度：Archimedes Drive 提供真正的零间隙，提供高精度和平稳的运动控制。这使执行器能够进行精细的实时调整，这对于保持平衡至关重要。
• 紧凑高效的设计：驱动器的紧凑设计可以有效利用空间并减轻重量，降低机器人的重心并提高稳定性。
• 耐用性和可靠性：过扭矩保护功能有利于自适应和基于学习的控制策略，这些策略最初可能会涉及频繁跌倒。这种保护可确保关节在学习曲线中保持完好和功能正常。
• 增强反馈和控制：高精度和平稳的运行为控制系统提供了更好的反馈，从而实现了更准确、有效的平衡调整。
• 能源效率：高效的动力传输减少了能量损失，使得执行器能够运行更长时间，并以更少的功耗有效保持平衡。