基于模糊推理的復雜地形下六足機器人步態輔助決策方法

尤波 王明磊 許家忠 李佳鈺 丁亮 高海波

摘 要：目前載人六足機器人駕駛員在復雜地形下步態決策完全依賴主觀經驗，為提高駕駛員決策質量，提出一種步態輔助決策方法。建立駕駛員信息處理模型，將地形環境作為決策因素，步態及優先級作為決策結果，利用模糊推理系統進行輔助決策;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果。實驗結果表明，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，提高六足機器人在復雜地形下的穩定性與操縱性。

關鍵詞：六足機器人;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

文獻標志碼： 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

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

目前，在六足機器人操縱系統的決策方面已經取得了許多成果，主要體現在自主步態生成與足端軌跡規劃方面。趙小川等[3]基于Webots仿真軟件對六足機器人步態進行規劃;Aparna等[4]生成六足機器人的三種規則波動步態，通過遙操作控制機器人完成任務;Belter等[5]通過機器人仿真模型對步態進行迭代優化，實現六足機器人在平坦地形上的快速運動。然而這些方法面對的地形環境為實驗室環境或平坦路面，不適合障礙較多的情況;陳偉海等[6]利用中樞神經模式發生器（CPG）結合神經網絡實現六足機器人的平面越障;Socha等[7]利用強化學習算法能夠模仿生物體決策的特點，在多障礙地形下取得了較好運動效果，并有效減少自由步態時六足機器人運動的步數。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動。Hauser等[8]對地形復雜性進行研究，通過組合地形圖像來規劃三維空間內移動機器人的足端軌跡;Belter等[9]通過快速搜索隨機樹對機器人進行路徑規劃，實現小型六足機器人在崎嶇地形下的自主運動。以上對機器人的決策控制基本都是針對小型六足機器人，而載人六足機器人由于機械結構與任務地形更加復雜，目前的技術仍無法實現自主決策，需要完全由駕駛員進行實時決策。

載人六足機器人操縱系統具有多種模式和步態[10]來適應多種地形，包括自動模式下的二、三、六步態，手動模式下的手動步態。駕駛員感知地面環境并根據經驗在多種功能模式中決策出合理的步態。決策結果受經驗、情緒、注意力等主觀因素影響，不能保證決策質量。因此需要研究一種步態輔助決策方法，輔助駕駛員進行步態決策。

本文首先在車輛駕駛員模型的基礎上，結合六足機器人結構和運動方式，建立六足機器人駕駛員決策模型，確定采用模糊推理方法進行輔助決策，將地形信息作為決策因素;對復雜地形進行分類，提取坡度、起伏度、粗糙度和障礙高度作為地形描述特征，并對其進行計算;利用六足機器人半物理仿真操縱平臺[11]采集的實驗數據及專家經驗制定模糊決策規則庫。通過半物理仿真實驗驗證了步態輔助決策方法的有效性。

1 輔助決策方法

載人六足機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險具有重要意義。載人足式機器人運行過程中需要人-機-路作為一個整體進行考慮，才能更準確的對駕駛員的信息處理過程進行描述。本文結合六足機器人運動特點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體內部與外部環境多方面的信息。對地形信息進行感覺認知，將復雜地形根據駕駛經驗提取出不同地形特征并進行估算，與步態相關知識進行匹配，決策出當前地形下步態;機體運動狀態通過各種傳感器檢測機體參數，并通過界面返回給駕駛員，駕駛員結合體感反饋信息分析機體綜合狀態從而實現機體控制。將步態決策與運動控制結合，利用控制面板、操縱桿等操縱終端共同完成駕駛任務。行駛過程中駕駛員對六足機器人的決策與控制能力受到注意力、經驗、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，步態決策主要由六足機器人外部地形環境決定。由于地形特征與步態可行性都具有很大的模糊性，運用模糊推理進行決策是一種有效的方法。模糊推理實際是利用嚴格的數學方法模仿人類專家求解專業領域問題，只要規則庫足夠完善，利用模糊推理可以描述任意非線性函數。因此本文以地形為決策屬性，研究一種基于模糊推理系統的六足機器人決策輔助方法，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，由數據庫、規則庫和推理機3個部分組成。首先傳感器采集六足機器人外部地形環境，提取坡度、起伏度等地形特征信息作為決策屬性，模糊化后存入數據庫;基于實驗數據與專家經驗建立模糊規則庫，將數據庫中信息與規則庫中相關規則進行匹配;最終利用模糊推理得到當前地形下各步態優先級供駕駛員輔助決策。駕駛員結合自身知識和輔助做出當前環境下最終步態決策，并操縱六足機器人運動。

六足機器人的行駛狀態改變后，將其實驗數據反饋至模糊推理系統，由專家進行分析后進一步校正和完善現有規則庫，提高輔助決策方法的準確性。

2 步態決策模糊推理系統

2-1 復雜地形評估

載人六足機器人行駛的地形具有非結構化的特點，但復雜地形都能由少數幾種基本地形特征評估，因此針對六足機器人在復雜地面下的運動特點，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行評估。

坡度屬于地形坡面信息，對六足機器人的整體穩定性產生較大影響。根據穩定錐穩定性分析方法[13]得出，機器人在爬坡過程中由于機體俯仰和側傾導致重心容易超出穩定多邊形范圍，造成運動失控甚至機體傾覆等后果。

起伏度用來宏觀衡量地面的波動程度，對機器人的機體位姿與單腿運動產生影響。當地形起伏劇烈時，機體位姿發生突變，駕駛艙產生顛簸，影響機器人穩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，對機體的落足點產生約束。如當粗糙度較大、障礙較多時，不宜選取二步態等多足行進步態，應選取六步態或手動步態等單足行進步態。

越障能力是六足機器人最重要的性能指標之一。在面對垂直障礙時，駕駛員需要確定障礙的高度信息，并結合機器人的最大障礙翻越能力、靜態穩定性、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則柵格組成的數字高程模型DEM進行表示，每個柵格存儲了該區域的平均高程。駕駛員預瞄區域內地形特征量均可由局部3×3的DEM柵格進行計算后平均得到。DEM地形信息如圖3所示，ei為當前坡度平面中i點的坡面高程，Y（f）表示機體前進方向，X（l）表示機體側面方向。

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

起伏度F傳統上由鄰域內最大和最小高程值之差得到，但僅僅選取兩點難以反映整體起伏情況。而高程標準差法計算鄰域內所有點的高程值的標準差，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 論

通過對六足機器人駕駛員模型進行分析，提出一種基于模糊推理的步態輔助決策方法，利用地形環境數據決策出合適的步態，輔助駕駛員在復雜地形下進行步態決策。

根據六足機器人運動特征與運行環境，將坡度、起伏度、粗糙度和障礙高度作為地形特征量對復雜地形進行評價。確定了地形特征量的計算方式與模糊隸屬度函數，并制定各步態模糊推理規則。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決策，輔助駕駛員更好地完成任務。

參 考 文 獻：

[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. 重載六足機器人操縱控制系統局部半自主控制研究[D]. 哈爾濱：哈爾濱理工大學， 2015.

[3] 趙小川， 羅慶生， 韓寶玲. 基于Webots仿真軟件的仿生六足機器人機構設計與步態規劃[J]. 系統仿真學報， 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. 仿生六足機器人傳感信息處理及全方向運動控制[J]. 浙江大學學報（工學版）， 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. 載人六足機器人人機功能分配及操縱系統設計[J]. 哈爾濱理工大學學報， 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. 一種六足機器人模擬駕駛系統研究與實現[J]. 機器人， 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型模糊神經網絡控制器設計[J]. 電機與控制學報， 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. 輪腿式機器人傾覆穩定性分析與控制[J]. 機器人， 2009， 31（2）： 159.TIAN Haibo，FANG 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）