Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Cơ chế điều khiển CPG cho robot nhảy hai chân trong môi trường không thể đoán trước
Tóm tắt
Một cơ chế điều khiển CPG được đề xuất để kiểm soát chuyển động nhảy của robot hai chân trong môi trường không thể đoán trước. Dựa trên phân tích chuyển động của robot và quan sát sinh học về cơ chế điều khiển của động vật, nhiệm vụ điều khiển chuyển động được chia thành hai phần đơn giản: điều khiển chuỗi chuyển động và điều khiển lực đầu ra. Dựa trên mô hình CPG hai cấp, một cơ chế điều khiển CPG hai cấp được xây dựng để phối hợp các bộ phận truyền động của khớp robot, đồng thời thông tin phản hồi đa dạng cũng được đưa vào cơ chế điều khiển. Các tế bào trung gian trong cơ chế điều khiển được mô hình hóa để tạo ra nhịp điệu và mẫu chuyển động nhanh chóng cho việc điều khiển chuỗi chuyển động; các tế bào thần kinh vận động được mô hình hóa để điều khiển các lực đầu ra của các bộ phận truyền động khớp theo thời gian thực dựa trên các phản hồi. Hệ thống điều khiển có thể cảm nhận những thay đổi do các nhiễu chưa biết và những thay đổi trong môi trường theo thông tin phản hồi, và thích ứng với môi trường không thể đoán trước bằng cách điều chỉnh đầu ra của các tế bào thần kinh. Cơ chế điều khiển được áp dụng cho một robot nhảy hai chân trong môi trường không thể đoán trước trên nền tảng mô phỏng, và các chuyển động thích ứng ổn định đã được thu được.
Từ khóa
#robot nhảy hai chân #cơ chế điều khiển CPG #môi trường không thể đoán trước #điều khiển chuỗi chuyển động #điều khiển lực đầu raTài liệu tham khảo
Mardera E, Buchera D. Central pattern generators and the control of rhythmic movements. Current Biology, 2001, 11, 986–996.
Grillner S. Biological pattern generation: The cellular and computational logic of networks in motion. Neuron, 2006, 52, 751–766.
Kimura H, Tsuchiya K, Ishiguro A, Witte H. Adaptive Motion of Animals and Machines, Springer, Tokyo, 2006.
Lewis M A, Tenore F, Etienne-Cummings R. CPG design using inhibitory networks. IEEE International Conference on Robotics and Automation, Barcelona, Spain, 2005, 3682–3687.
Kimura H, Fukuoka Y, Cohen A H. Adaptive dynamic walking of a quadruped robot on natural ground based on biological concepts. Journal of Robotics Research, 2007, 26, 475–490.
Fukuoka Y, Kimura H, Hada Y. Adaptive dynamic walking of a quadruped robot tekken on irregular terrain using a neural system model. Robotics and Automation, 2003, 9, 2037–2042.
Ijspeert A J. A connectionist central pattern generator for the aquatic and terrestrial gaits of a simulated salamander. Biological Cybernetics, 2001, 84, 331–348.
Taga G, Yamaguehi Y, Shimizu H. Self-organized control of bipedal locomotion by neural oscillators in unpredictable environment. Biological Cybernetics, 1991, 65, 147–159.
Nishii J. An adaptive control model of a locomotion by the central pattern generator. Lecture Notes in Computer Science, 1995, 930, 151–157.
Nishii J. A learning model of a periodic locomotor pattern by the central pattern generator. Adaptive Behavior, 1999, 7, 137–149.
Rutishauser S, Sprowitz A, Righetti L, Ijspeert A J. Passive compliant quadruped robot using Central Pattern Generators for locomotion control. 2nd IEEE RAS & EMBS International Conference on Biomedical Robotics and Biomechatronics, Scottsdale, Arizona, USA, 2008, 710–715.
Kassim A B M, Yasuno T. Moving control of quadruped hopping robot using adaptive CPG networks. IEEE Conference on Robotics Automation and Mechatronics, Singapore, 2010, 581–588.
Ijspeert A J. Central pattern generators for locomotion control in animals and robots: A review. Neural Networks, 2008, 21, 642–653.
Grillner S. Biological pattern generation: The cellular and computational logic of networks in motion. Neuron, 2006, 52, 751–766.
Graham Brown T G. On the fundamental activity of the nervous centers: Together with an analysis of the conditioning of rhythmic activity in progression, and a theory of the evolution of function in the nervous system. The Journal of Physiology, 1914, 48, 18–41.
McCrea D A, Rybak I A. Organization of mammalian locomotor rhythm and pattern generation. Brain Research Reviews, 2008, 57, 134–146.
Gallagher J, Beer R, Espenschied K, Quinn R. Application of evolved locomotion controllers to a hexapod robot. Robotics and Autonomous Systems, 1996, 19, 95–103.
Beer R, Chiel H. A distributed neural network for hexapod robot locomotion. Neural Computation, 1992, 4, 356–365.
Raibert M H, Brown H B Jr, Chepponis M. Experiments in balance with a 3D one-legged hopping machine. Robotics Research, 1984, 3, 75–92.