[发明专利]一种机器人行走参数优化方法、计算机设备以及可读存储介质

说明书

本发明适用于机器人领域，提供了一种机器人行走参数优化方法，所述方法包括：根据机器人的多个行走参数对应的数值范围生成行走参数数组集合；计算各行走参数数组在不同行走模式下的适应度；对行走参数数组集合进行选择、交叉、变异，不断优化机器人行走参数并最终得到多种行走模式下最优机器人行走参数数组。本发明实施例提供的一种机器人行走参数优化方法，能够针对多种行走模式并行优化机器人行走参数，相较于现有技术只能针对单一行走模式优化机器人行走参数，具有更强的实用性。此外，还能够解决现有技术在优化行走参数过程中可能存在的“因出现多峰局部最优情况而导致所得到的‘最优行走参数’实际上是‘局部最优行走参数’”的技术缺陷。

技术领域

本发明涉及机器人领域，特别是涉及一种机器人行走参数优化方法、计算机设备以及可读存储介质。

背景技术

当前，有足机器人的发展越来越迅速，相比于常规的轮式机器人，有足机器人拥有着独特的拟人化的行进结构，从而具有更高的灵活度以及更强的跨越障碍的能力，能够适用于更加广泛的领域。然而，也正是因为这种拟人化的行进结构，对行进结构上的各个“关节点”的研究也成了当前学者主要的研究方向。而如何保证机器人快速且稳定的行进，如何保证机器人在不同的行进环境下能够自适应调整，从而避免发生倾斜也成了有足机器人发展途中的拦路虎之一。

现有技术中，对有足机器人的改进主要集中在两个方向：对“腿部”行进结构的改进和对“大脑”控制系统的改进。但是当前一些对“腿部”行进结构的研究，仅仅考虑了如何让机器人能够适应各类行走环境，而没有把提升机器人的行走速度当做重点。事实上，很多特定的情况下，更需要机器人能够尽可能快的行走。而当前一些对“大脑”控制系统的研究，更多的是考虑如何控制机器人在某种环境下稳定的行进，比如有些学者采用了进化算法、策略梯度下降等学习算法实现了有足机器人的自我调整以适应不同的行走模式，此外，也有学者对上述技术做出了改进，提出了一种基于韵律模式的机器人在未知环境下行走学习信息处理方法，使得机器人脱离了对“视觉”的依赖，提高了机器人在未知环境下的自我调节能力。

然而，无论是对“腿部”行进结构的改进，还是对“大脑”控制系统的改进，这些研究往往都只涉及到有足机器人均速直行的表现，而并没有涉及到在多种行走模式下的机器人行走参数并行优化问题，比如在很多时候，我们还需要机器人在持续转弯，紧急急停的时候仍然能够保持较高的稳定性。因此，急需一种能够针对多种行走模式下并行优化的机器人行走参数优化方法。

发明内容

本发明实施例提供一种机器人行走参数优化方法，旨在解决多种行走模式下的机器人行走参数优化问题。

本发明实施例提供一种机器人行走参数优化方法，所述方法包括以下步骤：

根据机器人的多个行走参数对应的数值范围生成行走参数数组集合，所述行走参数数组集合包括多个行走参数数组，所述行走参数数组包括各行走参数从所述行走参数对应的数值范围内随机确定的数值；

计算各行走参数数组在不同行走模式下的适应度以及各行走参数数组在不同行走模式下的平均适应度；

根据所述各行走参数数组在不同行走模式下的适应度，在行走参数数组集合中进行选择，并生成优选行走参数数组集合；

在所述优选行走参数数组集合中进行交叉，并生成交叉行走参数数组集合；

在所述交叉行走参数数组集合进行变异，并生成新一代行走参数数组集合；

计算新一代行走参数数组集合中各行走参数数组在不同行走模式下的适应度以及新一代行走参数数组集合中各行走参数数组在不同行走模式下的平均适应度；

当判断新一代各行走参数数组与上一代各行走参数数组在各行走模式下的平均适应度的差的平方和大于等于预设值时，则进入所述根据所述各行走参数数组在不同行走模式下的适应度，通过锦标赛选择，生成优选行走参数数组集合的步骤；