不仅能稳定实现五种步态，步态转换成功率也极高：行走、小跑和溜步间的转换成功率接近100%，涉及跳跑和腾跃的复杂转换成功率也优于多数现有方案。转换过程中，机器人身体姿态、运动速度和重心高度变化微小且平滑，展现了优异的稳定性和适应性。团队还设计了两种传感器融合控制框架，进一步提升了机器人的环境适应能力。第一种框架通过头部摄像头识别地面路径标记，结合模糊控制器调整步幅实现自主转向和路径跟踪；第二种框架在髋关节处模拟扭矩传感器，当机器人走上斜坡时，关节扭矩增大触发反射回路，CPG自动将步态从小跑切换为更稳定的行走，回到平地后再切换回小跑。这些设计体现了感知-动作闭环的思想，显著增强了机器人的自主性。这项研究通过对称性原则构建的八神经元CPG网络，不仅增加了四足机器人的步态多样性，还解决了单腿多关节协调控制难题。结合多种步态切换策略和传感器融合框架，机器人在仿真测试中展现出了接近生物水平的适应性和稳定性。目前，研究团队正将这一技术拓展至人形机器人运动控制，探索其在多自由度、高动态步态生成与切换中的潜力，为具身智能研究和复杂环境下的机器人自主运动提供了新方案。
// 用于公众号引流关注 var posttime=1757701850; // 文章发布时间戳
=*=*=*=*=*=
当前为第2/2页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页