基于分层学习的四足机器人运动自适应控制模型

来源：计算机测量与控制杂志2020年第1期北京时间：

作者：崔俊文,刘自红,石磊,刘福强,乐玉

摘要：针对四足机器人面对腿部损伤无法继续有效自主运作的问题，提出一种基于分层学习的自适应控制模型。该模型结构由上层状态策略控制器(SDC)和下层基础运动控制器(BDC)组成。SDC对机器人腿部及姿态进行决策并选择运动子策略，BDC子运动策略表达该状态下机器人的运动行为。在Unity3D中构建反关节多自由度的四足机器人，训练多种腿部受损状况的BDC子运动策略，BDC成熟后20s周期随机腿部受损并训练SDC。该模型控制流程为SDC监测机器人状态，激活BDC策略，BDC输出期望关节角度，最后由PD控制器进行速度控制。其实现机器人在腿部受损后自我适应继续保持运作。仿真与实验结果表明，该控制模型能在机器人损伤后能自我快速、稳定调整运动策略，并保证运动的连贯性及柔和性。

关键词：分层学习;深度强化学习;四足机器人;部分马尔可夫决策;步态控制;机构失效

基金资助：四川省大学生创新创业训练项目基金(S201910619035)