[发明专利]一种类人机器人的控制方法

说明书

一种类人机器人的控制方法，包括以下步骤：步骤1：采用主成分分析提取所述类人机器人的全身关节动作数据特征，对数据进行降维处理；步骤2：在低维空间内通过高斯过程动态模型建立机器人的动作模型；步骤3：通过机器人的动作模型控制所述类人机器人进行运动。通过采用高斯过程动态模型直接对机器人的动作进行学习并有效的建立了动作模型，从而有效的解决了机器人动作数据维数过高的问题，通过降维处理能够有效的对机器人的动作进行学习训练，在低维空间中展现机器人动作的特征。

技术领域

本发明涉及机器人领域，具体涉及一种类人机器人的控制方法。

背景技术

近年来，关于类人机器人的研究与开发盛行，在类人机器人动作模型的研究中，存在众多的难题需要攻克。对于人类动作模型的研究，有众多的研究者在研究，并且使用类人机器人建立了多种人类动作模拟系统。但人类动作模型并不能直接适用于类人机器人。

与人的身体相比，机器人的自由度要少很多，无法像人一样灵活的做出各种动作.并且，随着机器人自由度的增多，对于机器人的控制难度也会相应增加，这导致机器人动作的准确性比较低。除此之外，机器人动作幅度较小，各种干扰因素伴随着机器人动作而无法避免，这些因素增加了机器人动作模型建立的复杂度与学习的难度。

发明内容

针对上述问题，本发明提出了通过高斯过程动态模型对高维数据进行降维处理后建立机器人动作模型，从而控制类人机器人进行运动。该控制方法可有效简化机器人动作模型建立的复杂度，对机器人的控制更加稳定准确。

为了实现上述目的，本发明采用以下技术方案：

一种类人机器人的控制方法，包括以下步骤：

步骤1：采用主成分分析提取所述类人机器人的全身关节动作数据特征，对数据进行降维处理；

步骤2：在低维空间内通过高斯过程动态模型建立机器人的动作模型；

步骤3：通过机器人的动作模型控制所述类人机器人进行运动；

具体的，所述步骤1中降维处理具体步骤为：

1-1：输入数据集，输出集，其中表示连续时间内机器人姿态的观测集，表示主成分分析降维处理后的低维数据集；

1-2：对Y进行零均值归一化处理，计算协方差矩阵；

计算特征向量U和特征值λ，根据特征值的顺序，将重组为,其中；

1-3：对输出集进行计算，其中，。

具体的，所述步骤2中通过高斯过程动态模型建立机器人动作模型的具体步骤为：

2-1：输入数据Y，输出参数；

2-2：初始化X,，从i=1到i=Iteration执行高斯过程动态模型，其中Iteration是整个高斯过程动态模型得学习次数；

2-3:对与取同时分布得到，取其负对数概率得到

，从j=1开始到j=D执行公式

，求解W后结束j循环；

从m=1开始到m=M执行公式

，求得最优解后结束m循环；

2-4：结束i循环。