尤波 王明磊 許家忠 李佳鈺 丁亮 高海波

摘 要：目前載人六足機(jī)器人駕駛員在復(fù)雜地形下步態(tài)決策完全依賴主觀經(jīng)驗，為提高駕駛員決策質(zhì)量，提出一種步態(tài)輔助決策方法。建立駕駛員信息處理模型，將地形環(huán)境作為決策因素，步態(tài)及優(yōu)先級作為決策結(jié)果，利用模糊推理系統(tǒng)進(jìn)行輔助決策;將坡度、起伏度、粗糙度及障礙高度明確為地形特征量，劃分其隸屬度并制定模糊規(guī)則庫;利用半物理仿真操縱平臺對比駕駛員在無輔助和有輔助時的決策結(jié)果。實驗結(jié)果表明，輔助決策方法能夠輔助駕駛員在地形變化時做出合理決策，提高六足機(jī)器人在復(fù)雜地形下的穩(wěn)定性與操縱性。

關(guān)鍵詞：六足機(jī)器人;輔助決策;駕駛員模型;地形評估;模糊推理

DOI：10.15938/j.jhust.2020.01.015

中圖分類號： TP242

文獻(xiàn)標(biāo)志碼： A

文章編號： 1007-2683（2020）01-0100-08

Abstract：The drivers of manned hexapod robots rely on subjective experience in decision-making in complex terrainIn order to improve the quality of drivers′ decision-making， an auxiliary decision-making method is proposedThe information processing model of drivers is established， and the terrain is used as the decision factor while the priorities of gaits as the resultThe fuzzy decision-making system is established to assist the driversThe slope， fluctuation， roughness and barrier height are defined as the terrain features， degrees of membership are classified and the fuzzy rules are formulatedThe semi-physical simulation platform of the hexapod manipulation is used to compare the decision results of the drivers with auxiliary and without auxiliaryThe experimental results show that the auxiliary decision method can assist the driver to make reasonable decisions when the terrain changes， and increase stability and maneuverability of the hexapod robot in complex terrain-

Keywords：hexapod robots; assistant decision-making; driver model; terrain assessment; fuzzy reasoning

0 引 言

足式機(jī)器人是近代仿生設(shè)計的典型應(yīng)用，運(yùn)動方式上具有非連續(xù)支撐的特點(diǎn)，因此對地形的魯棒性好，可適應(yīng)更多的地形。六足機(jī)器人在運(yùn)動過程中由于支撐足數(shù)量較多可以保持良好的穩(wěn)定性，同時在運(yùn)動控制方面也具有較多的研究成果[1-2]。因此六足機(jī)器人在工程應(yīng)用領(lǐng)域受到更多的重視。

目前，在六足機(jī)器人操縱系統(tǒng)的決策方面已經(jīng)取得了許多成果，主要體現(xiàn)在自主步態(tài)生成與足端軌跡規(guī)劃方面。趙小川等[3]基于Webots仿真軟件對六足機(jī)器人步態(tài)進(jìn)行規(guī)劃;Aparna等[4]生成六足機(jī)器人的三種規(guī)則波動步態(tài)，通過遙操作控制機(jī)器人完成任務(wù);Belter等[5]通過機(jī)器人仿真模型對步態(tài)進(jìn)行迭代優(yōu)化，實現(xiàn)六足機(jī)器人在平坦地形上的快速運(yùn)動。然而這些方法面對的地形環(huán)境為實驗室環(huán)境或平坦路面，不適合障礙較多的情況;陳偉海等[6]利用中樞神經(jīng)模式發(fā)生器（CPG）結(jié)合神經(jīng)網(wǎng)絡(luò)實現(xiàn)六足機(jī)器人的平面越障;Socha等[7]利用強(qiáng)化學(xué)習(xí)算法能夠模仿生物體決策的特點(diǎn)，在多障礙地形下取得了較好運(yùn)動效果，并有效減少自由步態(tài)時六足機(jī)器人運(yùn)動的步數(shù)。但是這些方法都是針對平面障礙，并不能滿足三維崎嶇地形下的運(yùn)動。Hauser等[8]對地形復(fù)雜性進(jìn)行研究，通過組合地形圖像來規(guī)劃三維空間內(nèi)移動機(jī)器人的足端軌跡;Belter等[9]通過快速搜索隨機(jī)樹對機(jī)器人進(jìn)行路徑規(guī)劃，實現(xiàn)小型六足機(jī)器人在崎嶇地形下的自主運(yùn)動。以上對機(jī)器人的決策控制基本都是針對小型六足機(jī)器人，而載人六足機(jī)器人由于機(jī)械結(jié)構(gòu)與任務(wù)地形更加復(fù)雜，目前的技術(shù)仍無法實現(xiàn)自主決策，需要完全由駕駛員進(jìn)行實時決策。

載人六足機(jī)器人操縱系統(tǒng)具有多種模式和步態(tài)[10]來適應(yīng)多種地形，包括自動模式下的二、三、六步態(tài)，手動模式下的手動步態(tài)。駕駛員感知地面環(huán)境并根據(jù)經(jīng)驗在多種功能模式中決策出合理的步態(tài)。決策結(jié)果受經(jīng)驗、情緒、注意力等主觀因素影響，不能保證決策質(zhì)量。因此需要研究一種步態(tài)輔助決策方法，輔助駕駛員進(jìn)行步態(tài)決策。

本文首先在車輛駕駛員模型的基礎(chǔ)上，結(jié)合六足機(jī)器人結(jié)構(gòu)和運(yùn)動方式，建立六足機(jī)器人駕駛員決策模型，確定采用模糊推理方法進(jìn)行輔助決策，將地形信息作為決策因素;對復(fù)雜地形進(jìn)行分類，提取坡度、起伏度、粗糙度和障礙高度作為地形描述特征，并對其進(jìn)行計算;利用六足機(jī)器人半物理仿真操縱平臺[11]采集的實驗數(shù)據(jù)及專家經(jīng)驗制定模糊決策規(guī)則庫。通過半物理仿真實驗驗證了步態(tài)輔助決策方法的有效性。

1 輔助決策方法

載人六足機(jī)器人的駕駛員模型對于分析駕駛員決策行為與控制決策風(fēng)險具有重要意義。載人足式機(jī)器人運(yùn)行過程中需要人-機(jī)-路作為一個整體進(jìn)行考慮，才能更準(zhǔn)確的對駕駛員的信息處理過程進(jìn)行描述。本文結(jié)合六足機(jī)器人運(yùn)動特點(diǎn)建立了基于信息處理的駕駛員模型，如圖1所示。

駕駛員在行駛過程中接收機(jī)體內(nèi)部與外部環(huán)境多方面的信息。對地形信息進(jìn)行感覺認(rèn)知，將復(fù)雜地形根據(jù)駕駛經(jīng)驗提取出不同地形特征并進(jìn)行估算，與步態(tài)相關(guān)知識進(jìn)行匹配，決策出當(dāng)前地形下步態(tài);機(jī)體運(yùn)動狀態(tài)通過各種傳感器檢測機(jī)體參數(shù)，并通過界面返回給駕駛員，駕駛員結(jié)合體感反饋信息分析機(jī)體綜合狀態(tài)從而實現(xiàn)機(jī)體控制。將步態(tài)決策與運(yùn)動控制結(jié)合，利用控制面板、操縱桿等操縱終端共同完成駕駛?cè)蝿?wù)。行駛過程中駕駛員對六足機(jī)器人的決策與控制能力受到注意力、經(jīng)驗、性格等主觀因素的影響。

通過對駕駛員信息處理模型的分析可知，步態(tài)決策主要由六足機(jī)器人外部地形環(huán)境決定。由于地形特征與步態(tài)可行性都具有很大的模糊性，運(yùn)用模糊推理進(jìn)行決策是一種有效的方法。模糊推理實際是利用嚴(yán)格的數(shù)學(xué)方法模仿人類專家求解專業(yè)領(lǐng)域問題，只要規(guī)則庫足夠完善，利用模糊推理可以描述任意非線性函數(shù)。因此本文以地形為決策屬性，研究一種基于模糊推理系統(tǒng)的六足機(jī)器人決策輔助方法，整體流程如圖2所示。

輔助決策方法的核心為模糊推理系統(tǒng)，由數(shù)據(jù)庫、規(guī)則庫和推理機(jī)3個部分組成。首先傳感器采集六足機(jī)器人外部地形環(huán)境，提取坡度、起伏度等地形特征信息作為決策屬性，模糊化后存入數(shù)據(jù)庫;基于實驗數(shù)據(jù)與專家經(jīng)驗建立模糊規(guī)則庫，將數(shù)據(jù)庫中信息與規(guī)則庫中相關(guān)規(guī)則進(jìn)行匹配;最終利用模糊推理得到當(dāng)前地形下各步態(tài)優(yōu)先級供駕駛員輔助決策。駕駛員結(jié)合自身知識和輔助做出當(dāng)前環(huán)境下最終步態(tài)決策，并操縱六足機(jī)器人運(yùn)動。

六足機(jī)器人的行駛狀態(tài)改變后，將其實驗數(shù)據(jù)反饋至模糊推理系統(tǒng)，由專家進(jìn)行分析后進(jìn)一步校正和完善現(xiàn)有規(guī)則庫，提高輔助決策方法的準(zhǔn)確性。

2 步態(tài)決策模糊推理系統(tǒng)

2-1 復(fù)雜地形評估

載人六足機(jī)器人行駛的地形具有非結(jié)構(gòu)化的特點(diǎn)，但復(fù)雜地形都能由少數(shù)幾種基本地形特征評估，因此針對六足機(jī)器人在復(fù)雜地面下的運(yùn)動特點(diǎn)，提取坡度、起伏度、粗糙度與障礙高度四種基本地形特征量來對地形進(jìn)行評估。

坡度屬于地形坡面信息，對六足機(jī)器人的整體穩(wěn)定性產(chǎn)生較大影響。根據(jù)穩(wěn)定錐穩(wěn)定性分析方法[13]得出，機(jī)器人在爬坡過程中由于機(jī)體俯仰和側(cè)傾導(dǎo)致重心容易超出穩(wěn)定多邊形范圍，造成運(yùn)動失控甚至機(jī)體傾覆等后果。

起伏度用來宏觀衡量地面的波動程度，對機(jī)器人的機(jī)體位姿與單腿運(yùn)動產(chǎn)生影響。當(dāng)?shù)匦纹鸱鼊×視r，機(jī)體位姿發(fā)生突變，駕駛艙產(chǎn)生顛簸，影響機(jī)器人穩(wěn)定性甚至駕駛員安全。

粗糙度用來衡量地面的障礙分布和粗糙程度，對機(jī)體的落足點(diǎn)產(chǎn)生約束。如當(dāng)粗糙度較大、障礙較多時，不宜選取二步態(tài)等多足行進(jìn)步態(tài)，應(yīng)選取六步態(tài)或手動步態(tài)等單足行進(jìn)步態(tài)。

越障能力是六足機(jī)器人最重要的性能指標(biāo)之一。在面對垂直障礙時，駕駛員需要確定障礙的高度信息，并結(jié)合機(jī)器人的最大障礙翻越能力、靜態(tài)穩(wěn)定性、越障時重心變化等因素做出越障或避障的決策。

對采集的地形信息采用規(guī)則柵格組成的數(shù)字高程模型DEM進(jìn)行表示，每個柵格存儲了該區(qū)域的平均高程。駕駛員預(yù)瞄區(qū)域內(nèi)地形特征量均可由局部3×3的DEM柵格進(jìn)行計算后平均得到。DEM地形信息如圖3所示，ei為當(dāng)前坡度平面中i點(diǎn)的坡面高程，Y（f）表示機(jī)體前進(jìn)方向，X（l）表示機(jī)體側(cè)面方向。

式中：Sf、Sl分別為行進(jìn)方向正向及側(cè)向的高程變化率;L為柵格邊長;Sf/|Sf|的正負(fù)表示上坡與下坡。

起伏度F傳統(tǒng)上由鄰域內(nèi)最大和最小高程值之差得到，但僅僅選取兩點(diǎn)難以反映整體起伏情況。而高程標(biāo)準(zhǔn)差法計算鄰域內(nèi)所有點(diǎn)的高程值的標(biāo)準(zhǔn)差，因此更能綜合反映出地形的局部起伏變化。起伏度的計算如式（5）所示：

4 結(jié) 論

通過對六足機(jī)器人駕駛員模型進(jìn)行分析，提出一種基于模糊推理的步態(tài)輔助決策方法，利用地形環(huán)境數(shù)據(jù)決策出合適的步態(tài)，輔助駕駛員在復(fù)雜地形下進(jìn)行步態(tài)決策。

根據(jù)六足機(jī)器人運(yùn)動特征與運(yùn)行環(huán)境，將坡度、起伏度、粗糙度和障礙高度作為地形特征量對復(fù)雜地形進(jìn)行評價。確定了地形特征量的計算方式與模糊隸屬度函數(shù)，并制定各步態(tài)模糊推理規(guī)則。實驗表明，本文提出的輔助決策方法能夠為駕駛員提供合理的步態(tài)決策，輔助駕駛員更好地完成任務(wù)。

參 考 文 獻(xiàn)：

[1] GARCIA E， JIMENEZ M A， DE SANTOS P G， et al. The Evolution of Robotics Research[J]. IEEE Robotics & Automation Magazine（S1070-9932）， 2007， 14（1）： 90.

[2] 張博文. 重載六足機(jī)器人操縱控制系統(tǒng)局部半自主控制研究[D]. 哈爾濱：哈爾濱理工大學(xué)， 2015.

[3] 趙小川， 羅慶生， 韓寶玲. 基于Webots仿真軟件的仿生六足機(jī)器人機(jī)構(gòu)設(shè)計與步態(tài)規(guī)劃[J]. 系統(tǒng)仿真學(xué)報， 2009， 21（11）： 3241.ZHAO Xiaochuan，LUO Qingsheng，HAN Baoling. Developing Biologically Inspired Hexapod Robot in Webots Simulation Software Environment[J].Journal of System Simulation，2009，21（11）： 3241.

[4] APARNA K， GEETA S. Insect Inspired Hexapod Robot for Terrain Navigation[J]. International Journal of Research in Engineering and Technology（S2319-1163）， 2013， 2（8）： 63.

[5] BELTER D， SKRZYPCZYN'SKI P. A Biologically Inspired Approach to Feasible Gait Learning for a Hexapod Robot[J]. International Journal of Applied Mathematics and Computer Science（S2083-8492）， 2010， 20（1）： 69.

[6] 陳偉海， 劉濤， 王建華， 等. 仿生六足機(jī)器人傳感信息處理及全方向運(yùn)動控制[J]. 浙江大學(xué)學(xué)報（工學(xué)版）， 2015， 49（3）： 430.CHEN Weihai，LIU Tao，WAND Jianhua，et al. Sensor Signal Processing and Omnidirectional Locomotion Control of a Bio-inspired Hexapod Robot[J].Journal of Zhejiang University（Engineering Science）， 2015， 49（3）： 430.

[7] SOCHA V， KUTILEK P， STEFEK A， et al. Decision Making Process of Hexapods in a Model of Complex Terrains[J]. Acta Polytechnica Hungarica（S1785-8860）， 2016， 13（4）： 141.

[8] HAUSER K， BRETL T， LATOMBE J C， et al. Motion Planning for Legged Robots on Varied Terrain[J]. The International Journal of Robotics Research（S1741-3176）， 2008， 27（11/12）： 1325.

[9] BELTER D， SKRZYPCZYN'SKI P. Integrated Motion Planning for a Hexapod Robot Walking on Rough Terrain[J]. IFAC Proceedings Volumes（S2405-8963）， 2011， 44（1）： 6918.

[10]尤波， 蔡佳龍， 許家忠， 等. 載人六足機(jī)器人人機(jī)功能分配及操縱系統(tǒng)設(shè)計[J]. 哈爾濱理工大學(xué)學(xué)報， 2017， 22（1）： 48.YOU Bo，CAI Jialong，XU Jiazhong，et al. The Manned Hexapod Robots Man-machine Function Allocation and the Design of the Control System[J].Journal of Harbin University of Science and Technology， 2017， 22（1）： 48.

[11]金馬， 高海波， 丁亮， 等. 一種六足機(jī)器人模擬駕駛系統(tǒng)研究與實現(xiàn)[J]. 機(jī)器人， 2016， 38（6）： 678.IN Ma， GAO Haibo， DING Liang， et al.Research and Implementation of a Driving Simulator for Hexapod Robots[J].Robot， 2016， 38（6）： 678.

[12]姜濱， 孫麗萍， 曹軍. 木材干燥過程溫濕度的T-S型模糊神經(jīng)網(wǎng)絡(luò)控制器設(shè)計[J]. 電機(jī)與控制學(xué)報， 2016， 20（10）：114.JIANG Bin， SUN Liping，CAO Jun. Design of T-S Fuzzy Neural Network Controller for Temperature and Humidity in Wood Drying Process[J]. Electric Machines and Control，2016， 20（10）：114.

[13]田海波， 方宗德， 周勇， 等. 輪腿式機(jī)器人傾覆穩(wěn)定性分析與控制[J]. 機(jī)器人， 2009， 31（2）： 159.TIAN Haibo，F(xiàn)ANG Zongde，ZHOU Yong，et al.Analysis and Control for Tumble Stability of Wheel-Legged Robots[J].Robot，2009， 31（2）： 159.

（編輯：王 萍）