[发明专利]一种机器人步态优化方法

权利要求书

1.一种机器人步态优化方法，用于对第一双足机器人的步态进行优化，其特征在于，该方法包括：基于神经细胞层建立神经网络模型、利用步态测量装置获得的第一双足机器人的步态数据进行训练，以及训练第一双足机器人的步态平衡；根据平衡结果以及第二双足机器人的步态数据对第一双足机器人的步态进行优化。

2.根据权利要求1所述的机器人步态优化方法，其特征在于，所述机器人的双足、踝关节和膝关节均为三自由度。

3.根据权利要求1所述的机器人步态优化方法，其特征在于，所述步态数据包括角速度和加速度，所述角速度和加速度为前进方向的角速度和加速度。

4.根据权利要求1所述的机器人步态优化方法，其特征在于，所述步态测量装置包括陀螺仪和加速度计。

5.根据权利要求1所述的机器人步态优化方法，其特征在于，对步态数据的训练包括：

获得路面信息数据，其中，该路面信息数据至少包括电子地图中与当前位置有连通关系的路线信息以及经验数据；

获得步态数据，基于所述步态数据对预先构建的所述神经网络模型进行训练，得到一级训练模型：

其中p和q表示在1至10之间随机选取的一个正整数，且当以上两式角标无对应物理意义时取0；

利用一级训练模型对经验数据进行深度学习，学习结果用于进行霍普菲尔网络训练，得到二级训练模型。

6.根据权利要求5所述的机器人步态优化方法，其特征在于，训练步态平衡包括：

获得至少一个第二双足机器人的步态数据，所述第二双足机器人的数量大于或等于3；

利用第一双足机器人的二级训练模型对每个第二双足机器人的步态数据进行深度学习，学习结果进行汇总，最终的学习结果用于进行稀疏自编码机训练，得到第一双足机器人的三级训练模型。

7.根据权利要求6所述的机器人步态优化方法，其特征在于，根据平衡结果以及第二双足机器人的步态数据对第一双足机器人的步态进行优化包括：获得与所述第一双足机器人在行走方向上距离最远的一个第二双足机器人，基于该第二双足机器人的步态数据对第一双足机器人的二级训练模型进行深度学习，学习结果用于进行稀疏自编码机训练，得到第一双足机器人的四级训练模型；对于第一双足机器人的双足、踝关节和膝关节的各个自由度的动作设置，是以第一双足机器人的步态数据训练四级训练模型后得到的模型来输出动作参数的。

8.根据权利要求7所述的机器人步态优化方法，其特征在于，所述一级训练模型是利用蒙特卡洛搜索树优化算法中的随机选取方式进行选取的。

9.根据权利要求8所述的机器人步态优化方法，其特征在于，所述经验数据为来自第一双足机器人或第二双足机器人以往通过与所述路线信息相似度最大的路线时的步态数据。