Intelligent Posture Control of Humanoid Robot in Variable Environment

摘要

摘要： 为了解决仿人机器人运动控制精度和运动稳定性差等问题，提出智能运动姿态控制算法。将连续动作和连续状态空间的深度强化学习应用于姿态控制，建立机器人运动智能姿态控制器。并针对物理样机训练样本少、效率低等问题，提出使用机器人辨识模型对姿态控制器进行离线的预训练，作为真实物理环境下继续学习提升的先验知识，提高了后期训练效率。将优化后的机器人姿态控制器用于机器人的运动控制中，分别和加入PID控制器、MPC控制器、以及PID+MPC控制器的机器人运动相比，在环境过渡步行试验中机器人上身俯仰姿态轨迹跟踪残差标准差分别减少60.97%，46.36%，23.98%，在平地障碍物步行试验中机器人上身俯仰姿态轨迹跟踪残差标准差分别减少60.38%，26.38%，9.52%。