机器人运动控制方法、装置、机器人及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114986526A(43)申请公布日2022.09.02(21)申请号202110227266.XB62D57/032(2006.01)(22)申请日2021.03.01G05D1/08(2006.01)(71)申请人腾讯科技（深圳）有限公司地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人周钦钦陈相羽郑宇徐良威杨思成熊坤(74)专利代理机构北京三高永信知识产权代理有限责任公司11138专利代理师祝亚男(51)Int.Cl.B25J11/00(2006.01)B25J5/00(2006.01)B25J9/16(2006.01)B62D57/028(2006.01)权利要求书3页说明书21页附图9页(54)发明名称机器人运动控制方法、装置、机器人及存储介质(57)摘要本申请公开了一种机器人运动控制方法、装置、机器人及存储介质，涉及人工智能的机器人控制技术领域。所述方法包括：基于机器人待执行的目标运动所需达到的目标状态，通过非线性模型预测控制算法根据目标函数优化得到机器人各关节在未来特定时间间隔的关节期望运动数据；根据关节期望运动数据得到机器人各关节的关节执行力矩；通过该关节执行力矩控制机器人各关节运动，以使机器人向目标状态运动。本申请能够控制机器人按照预期完成目标运动，丰富了机器人的运动能力；并且，采用非线性模型预测控制算法优化生成全局最优且符合机器人相关特性的关节期望运动数据，保证机器人能够在符合动力学约束的情况下，准确有效地执行目标运动。CN114986526ACN114986526A权利要求书1/3页1.一种机器人运动控制方法，其特征在于，所述方法包括：基于所述机器人待执行的目标运动所需达到的目标状态，通过非线性模型预测控制算法根据目标函数优化得到所述机器人的各关节在未来特定时间间隔的关节期望运动数据；根据所述关节期望运动数据，得到所述机器人的各关节在所述未来特定时间间隔的关节执行力矩；通过所述关节执行力矩控制所述机器人的各关节运动，以使所述机器人向所述目标状态运动。2.根据权利要求1所述的方法，其特征在于，所述基于所述机器人待执行的目标运动所需达到的目标状态，通过非线性模型预测控制算法根据目标函数优化得到所述机器人的各关节在未来特定时间间隔的关节期望运动数据，包括：根据所述目标函数确定所述关节期望运动数据与所述目标状态之间的差距数据；以减小所述差距数据的绝对值为目标，通过非线性模型预测控制算法优化所述关节期望运动数据。3.根据权利要求2所述的方法，其特征在于，所述目标函数包括第一子目标函数，所述关节期望运动数据包括所述机器人在所述未来特定时间间隔中多个时间点对应的多个预测第一状态变量，所述第一子目标函数是所述多个预测第一状态变量分别与参考第一状态变量的差值的加权总和，所述参考第一状态变量是所述目标状态对应的第一状态变量，所述第一状态变量包括广义位置和广义速度。4.根据权利要求3所述的方法，其特征在于，所述目标函数还包括第二子目标函数，所述关节期望运动数据还包括所述机器人在所述未来特定时间间隔中多个时间点对应的多个期望输入力信息，所述第二子目标函数是时域空间上每两个相邻期望输入力信息之间差值的加权总和。5.根据权利要求4所述的方法，其特征在于，所述以减小所述差距数据的绝对值为目标，通过非线性模型预测控制算法优化所述关节期望运动数据，包括：获取所述预测第一状态变量和所述期望输入力信息的关系条件，所述关系条件用于限制所述预测第一状态变量和所述期望输入力信息中至少两种数据之间的关系，所述关系条件包括对应于所述机器人的结构的非线性状态方程；获取对于所述预测第一状态变量或所述期望输入力信息的约束条件，所述约束条件用于限制所述预测第一状态变量和所述期望输入力信息中至少一种物理量的值域；根据所述关系条件和所述约束条件，以减小所述差距数据的绝对值为目标，通过非线性模型预测控制算法优化所述关节期望运动数据。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：基于所述机器人的浮动基动力学模型，建立所述非线性状态方程；其中，所述非线性状态方程用于计算得到所述多个预测第一状态变量和所述多个期望输入力信息。7.根据权利要求1所述的方法，其特征在于，所述根据所述关节期望运动数据，得到所述机器人的各关节在所述未来特定时间间隔的关节执行力矩，包括：按照控制周期对所述关节期望运动数据中包括的所述各关节的期望关节角度时间序列进行差分处理，得到所述各关节的期望关节角速度时间序列；其中，所述期望关节角度时2CN114986526A权利要求书2/3页间序列包括所述关节在时域空间上按序排列的多个期望关节角度，所述期望关节角速度时间序列包括所述关节在时域空间上按序排列的