仿人机器人复杂运动规划:上下楼梯、跨越台阶、跑步、翻滚、爬行、守门、起立、跳舞

除了基本的步行之外，仿人机器人还可以进行各种仿人的复杂运动。仿人机器人的 复杂运动在学术界至今没有确切的定义，一般来说，可以是指模拟人类在3D空间的上下楼梯、跨越台阶和使用手臂一起进行全身运动规划的跑步、翻滚、爬行、守门、起立、跳舞以 及跟目标物体接触的踢球、开门、搬运东西等一系列运动。

这些运动的特点是需要建立各 自运动的复杂模型，在规划中除了需要保证稳定性的前提，还需要考虑实时性和运动的合 理性。对仿人机器人的复杂运动研究是仿人机器人的一个大的方向，这是使仿人机器人 可以生活在人类的环境中所需要研究的内容。近些年，很多研究人员开始把研究目标从 仿人机器人稳定的步行控制转移到规划适合人类生活环境的复杂运动中来。自从索尼公 司研制的QRIO 成为世界上D一台能跑步的机器人之后，ASIMO10 在2004年也实现了每 小时6km的跑步速度。

Ryosuke 于2009年提出了一种仿人机器人快速跑步的控制方法， 该方法使用一个运动生成器和平衡控制器。运动控制器可以同时迅速生成行走和跑步的 轨迹，而平衡控制器则能够通过动态改变足部的接触点使机器人保持平衡。Z后在仿人 大小的机器人上实现了每小时7km 的跑步[116]。Pandu Ranga 提出了两种控制方式来控 制机器人的上下斜坡运动，一种是GA-NN, 即遗传神经网络，还有一种是GA-FLC, 即 遗传模糊控制器。神经网络的权值和模糊控制器的规则通过GA 来进行离线优化。然后 再通过神经网络或者模糊逻辑控制器对机器人的上下斜坡进行实时的控制117】。Philipp Michel[1183等人使用HRP-2 仿人机器人在3D空间中进行了上楼梯、避障等运动，他采用 GPU加速的方式在3D空间对机器人运动的每一帧进行实时跟踪控制，这种加速方式对摄 像机的偏移和抖动具有很好的鲁棒性。Chenglong Fu[1193 通过步态综合和传感器控制的方式在THBIP-I 上实现了上楼梯运动。

其中，反馈控制参数由强化学习方法进行每一步 的自动调整。Yisheng Guan等人对仿人机器人的越障可行性进行了详细分析，并建立复 杂模型，同时对越障过程中的几何约束和稳定约束进行了分析，Z后在HRP-2 仿人机器 人上进行了实验[120]。S'ebastien Lengagne 提出了一种踢球运动的快速重规划方法，该方 法使用时间离散积分的方式来求解半有限规划问题，从Z优运动开始计算经过离线规划 生成的运动参数子集，Z后在 HOAP-3 仿人机器人上实现了踢球运动[121]。 Fumio Kanehiro 等人使用Mahalanobis 距离来进行仿人机器人的倒地起立控制。使用非冲突的 相似状态组成一个集合，通过状态转换图来进行动作序列的规划。

通过该方法，机器人可 以从任意的位置进行起立运动122]。Libeau 等人通过强化学习的方法来控制仿人机器人 攀岩运动，经过对不同墙的地形的先前学习之后，机器人能够快速地进行攀岩运动123】。 Hitoshi Arisumi[124] 通过对门建立动态模型，并对其进行几何约束分析，提出让仿人机器 人使用冲力的方法进行开门，Z后通过仿真和实验验证了有效性。Eiichi Yoshida 等人设 计了一种仿人机器人搬箱子的运动，这种运动需要机器人的手臂、腰部和腿部分别进行协 调运动规划。并且需要考虑关节碰撞和稳定性的问题[125]。X.Zhao 等人采用相似性函数 对采集到的人类打太极运动的数据进行评估，实现了仿人机器人 BHR 的打太极运 动126]。其他各种适合在人类生活环境中的复杂运动还有包括和人一起抬重物127、举东 西[128、钉钉子129等仿人运动。由于对仿人机器人行走步态在各种复杂运动的研究上刚 处于起步阶段，还没有构成成型的研究和控制方法。