基于神经网络的生物节能反动力学方法用于液压腿类机器人的腿部

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 生物模拟学是一种生物模拟学.

背景情况:

• 液压腿式机器人提供高负载能力和功率密度,这对于智能移动平台至关重要.
• 这些机器人的高能耗限制了它们的耐用性和运行效率.
• 哺乳动物的自主能源效率启发了机器人运动规划的新方法.

研究的目的:

• 为具有冗余自由度 (RDOF) 的液压腿式机器人提出一种生物效能反动力学方法.
• 提高液压腿式机器人的能源效率和运行性能.
• 为了减少能源消耗,并提高这些机器人系统的长期可行性.

主要方法:

• 利用动态编程 (DP) 来确定最佳的关节配置,最大限度地减少生成训练数据的能量损耗.
• 开发了一种使用神经网络 (NN) 模拟哺乳动物能效的节能逆动力学模型.
• 采用了广泛的比较实验来验证拟议方法的有效性.

主要成果:

• 拟议的生物节能反动力学方法 (EIKNN) 显著降低了液压腿式机器人的能量消耗.
• 与能源效率高的运动规划现有方法相比,表现出卓越的性能.
• 通过广泛的比较实验验证实了该方法的有效性.

结论:

• 该EIKNN方法为液压腿式机器人提供了显著的能源消耗降低.
• 这种方法为开发高效和可持续的液压腿式机器人提供了基本的进步.
• 这项研究为智能移动平台更可行的长期运营铺平了道路.