[发明专利]一种机器人的轨迹规划系统和方法

权利要求书

1.一种机器人的轨迹规划系统，包括：路径规划器、步态规划器和关节轨迹规划器，

所述路径规划器利用环境点云图以及机器人目的地信息及采用基于深度强化学习算法的在线实时路径规划算法，生成避障路径与步态周期，构成落脚点序列；

所述步态规划器接收到来自所述路径规划器的落脚点序列和步态周期，根据零力矩点(ZMP)理论和预观测控制理论(MPC)生成机器人质心(COM)轨迹，利用多次样条曲线拟合出左脚轨迹和右脚轨迹，输出机器人质心轨迹、左脚轨迹、右脚轨迹以及经过重采样后的落脚点序列；

所述关节轨迹规划器根据机器人质心轨迹、左脚轨迹、右脚轨迹和经过重采样后的落脚点序列，利用模型预观测控制(MPC)理论和人机耦合11杆动力学模型，及融合动力学过滤器及神经网络(CWNN)的机器人关节轨迹规划算法，计算得到驱动机器人的关节轨迹。

2.根据权利要求1所述的一种机器人的轨迹规划系统，其特征在于：所述路径规划器获取到机器人目的地信息和环境点云图信息用于生成从机器人当前位置到目的位置的避障路径与步态周期。

3.根据权利要求1所述的一种机器人的轨迹规划系统，其特征在于：所述步态规划器中，落脚点序列被看作未来若干个步态周期的零力矩点参考值。

4.根据权利要求3所述的一种机器人的轨迹规划系统，其特征在于：建立机器人质心位置和规划落脚点位置的关系，求得机器人质心位置。

5.根据权利要求3所述的一种机器人的轨迹规划系统，其特征在于：通过轨迹拟合求得左脚轨迹、右脚轨迹。

6.根据权利要求1所述的一种机器人的轨迹规划系统，其特征在于：所述关节轨迹规划器利用神经网络将机器人质心轨迹、左脚轨迹、右脚轨迹转换为机器人腰部中心位置，利用人机耦合11杆动力学模型求得补偿动力学建模误差后的修正机器人质心轨迹，利用神经网络和机器人运动学逆解模型求得驱动机器人所需要的关节轨迹。

7.一种机器人的轨迹规划方法，包括如下步骤：

步骤100、信息输入，利用传感器从环境中获取环境点云图以及通过人机交互接口获取机器人目的地信息；

步骤200、路径规划，机器人目的地信息和环境点云图信息被预处理并导入到路径规划器中训练好的深度强化学习智能体中采用基于深度强化学习算法的在线实时路径规划算法，生成从机器人当前位置到目的位置的避障路径与步态周期，构成落脚点序列；

步骤300、步态规划，接收落脚点序列和步态周期，根据零力矩点(ZMP)理论和预观测控制理论(MPC)生成机器人质心(COM)轨迹，利用多次样条曲线拟合出左脚轨迹和右脚轨迹，输出机器人质心轨迹、左脚轨迹、右脚轨迹以及经过重采样后的落脚点序列；

步骤400、关节轨迹规划，根据机器人质心轨迹、左脚轨迹、右脚轨迹和落脚点序列，利用模型预观测控制(MPC)理论和人机耦合11杆动力学模型，及融合动力学过滤器及神经网络(CWNN)的机器人关节轨迹规划算法，计算得到驱动机器人的关节轨迹。

8.根据权利要求7所述的一种机器人的轨迹规划方法，其特征在于所述步骤300具体为：

步骤310、输入为来自路径规划器的落脚点序列和步态周期，落脚点序列被看作未来若干个步态周期的零力矩点参考值；

步骤320、控制系统伺服周期决定采样周期；

步骤330、输出机器人质心轨迹、左脚轨迹、右脚轨迹以及经过重采样后的落脚点序列。

9.根据权利要求8所述的一种机器人的轨迹规划方法，其特征在于所述步骤330中的机器人质心轨迹求解具体为：

将机器人的动力学模型简化为空间三维小车-桌子模型建立机器人质心位置和规划落脚点位置的关系，求得机器人质心位置。

10.根据权利要求8所述的一种机器人的轨迹规划方法，其特征在于所述步骤330中的左脚轨迹和右脚轨迹的求解具体为：通过轨迹拟合求得左脚轨迹、右脚轨迹。