(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210637668.1 (22)申请日 2022.06.07 (71)申请人 中国北方车辆 研究所 地址 100072 北京市丰台区槐树岭4 号院 (72)发明人 苏波　江磊　邢伯阳　刘宇飞　 王志瑞　梁振杰　赵建新　邱天奇　 许鹏　田翀　许威　党睿娜　 (74)专利代理 机构 中国兵器 工业集团公司专利 中心 11011 专利代理师 周恒 (51)Int.Cl. B25J 9/16(2006.01) G05B 13/04(2006.01) (54)发明名称 一种分层驱动 的自主无人系统类人控制架 构 (57)摘要 本发明属于机器人运动控制技术领域， 具体 涉及一种分层驱动的自主无人系统类人控制架 构。 本发明首先通过 “大脑层”产生粗粒度的行为 驱动控制命令其主要是控制无人平台本体质心 位置、 速度和姿态的粗粒度指令； “中枢层”通过 接收上述粗粒度指令后结合无人平台模型产生 细粒度的虚拟直觉控制， 以虚拟力和虚拟扭矩完 成对平台本体对粗粒度行为命令的跟随， 并将该 虚拟控制量向物理执行单元进行分配产生其细 粒度的期望控制量； 最终， “末梢层”通过驱动无 人平台执行器单元对细粒度控制量的反馈闭环 跟踪， 面向典型的执行器单元采用多通道耦合控 制方法达到伺服驱动的目的， 最终将复杂的无人 平台整体控制简化 为分层驱动控制。 权利要求书6页 说明书16页 附图2页 CN 115042174 A 2022.09.13 CN 115042174 A 1.一种分层驱动的自主无人系统类人控制架构， 其特征在于， 所述控制架构应用于四 足机器人无人装备控制系统， 其基于类人控制 基本原理以分层驱动的形式来进行设计； 基 于类人控制基本原理， 所述控制架构对 人体的行走控制模块， 划分为 “大脑层”、“中枢层”和 “末梢层”三个模块； 所述控制架构的设计过程包括如下环 节： 步骤1： 依据控制指令粒度级别、 模型演化能力与仿生功能归属， 对无人装备控制系统 的各部分行 走控制模块的功能进行划分； 包括： 步骤11： 对 “大脑层”功能进行划分， 包括： 感知建图、 全局定位导航、 任务理解、 任务规 划； 步骤12： 对 “中枢层”功能进行划分， 包括： 虚拟刚体稳定控制、 肢体控制、 本体状态估 计； 步骤13： 对 “末梢层”功能进行划分， 包括： 伺服驱动控制、 力反馈状态估计； 步骤2： 在完成步骤1的无人装备控制系统的各部分行走控制模块的功能划分之后， 对 “大脑层”进行设计， 其对环境进行感知， 进行环境模型建模， 通过全局定位导航算法， 实现 自身定位， 输出机器人的全局定位信息； 对外部任务指令进行任务理解， 形成任务规划， 最 终输出局部高程地图、 任务规划的粗粒度行为指令、 粗粒度运动轨迹、 粗粒度姿态指令给 “中枢层”； 步骤3：“中枢层”完成机器人自身的稳定平衡与运动控制， 协调肢体控制行为和本体状 态估计；“中枢层”输入为“大脑层”输出的全局 定位信息、 局 部高程地图、 粗粒度运动轨迹、 粗粒度姿态指令以及粗粒度行为指令， 另外还输入了 “末梢层”的力觉感知信息； “中枢层” 以全局定位信息和力觉感知信息作为反馈信息， 基于虚拟模型控制方法， 即VMC控制方法， 实现对期望的运动轨迹进行跟踪， 完成对粗粒度行为指令的执行， 解算细粒度控制 本体所 需的虚拟力和扭矩指令， 进一步通过静力学最优分配方法求解对应支撑点的支撑力， 输出 至“末梢层”； 同时，“中枢层”依据粗粒度行为指令完成对肢体的位置、 姿态与轨迹规划， 输 出细粒度控制肢体所需的关节角度xd、 速度 和加速度指令 步骤4：“中枢层”输出的细粒度支 撑点对应的支 撑力， 以及控制肢体所需的关节角度xd、 速度 和加速度指令 一并输入至 “末梢层”；“末梢层”通过阻抗控制、 模型辨识与扰动估 计方法产生对应的扭矩指令， 并输出 给执行器。 2.如权利要求1所述的分层驱动的自主无人系统类人控制架构， 其特征在于， 所述步骤 11中， 借鉴人体的大脑层功能， 所述 “大脑层”用于对环境进行感知， 进行环境模型建模， 通 过全局定位导航算法， 实现自身定位， 输出机器人的全局定位信息； 并对外部任务指 令进行 任务理解， 形成任务规划， 最终输出局部高程地图、 任务规划的粗粒度行为指令给 “中枢 层”； 由此， 对“大脑层”功能进行划分， 包括： 感知建图、 全局定位 导航、 任务理解、 任务 规划； 所述步骤11中， “大脑层”的输入包括视觉、 雷达、 定位以及外部任务指令信息， 通过 SLAM算法、 测距算法建立环境模型， 输出局部高程地图； 通过包括组合导航、 局部视觉导航 在内的全局定位导航算法实现自身定位， 输出机器人 的全局定位信息； 对外部任务指令进 行任务理解， 然后通过模糊决策、 强化学习、 语义分析算法实现任务规划， 输出粗粒度运动 轨迹、 粗粒度姿态指令以及粗粒度行为指令 。权　利　要　求　书 1/6 页 2 CN 115042174 A 23.如权利要求2所述的分层驱动的自主无人系统类人控制架构， 其特征在于， 所述步骤 12中， 对“中枢层”功能进行划分； 借鉴人体的中枢层功能， 所述 “中枢层”用于完成机器人自身的稳定平衡与运动控制， 协调肢体控制行为和本体状态估计； “中枢层”输入为“大脑层”输出的全局定位信息、 局部 高程地图、 粗粒度运动轨迹、 粗粒度姿态指 令以及粗粒度行为指 令， 另外还输入了 “末梢层” 的力觉感知信息； “中枢层”以全局定位信息和力觉感知信息作为反馈信息， 基于虚拟模型 控制方法， 实现对粗粒度运动轨迹进 行跟踪， 完成对粗粒度行为指 令的执行， 解算细粒度控 制本体所需的虚拟力和扭矩指 令， 进一步通过静力学最优分配方法求解对应支撑点的支撑 力， 输出至 “末梢层”； 同时，“中枢层”依据粗粒度行为指令完成对肢体的位置、 姿态与轨迹 规划， 输出细粒度控制肢体所需的关节角度、 速度和加速度指令； 由此， 对 “中枢层”功能进 行划分， 包括： 虚拟刚体稳定控制、 肢体控制、 本体 状态估计。 4.如权利要求3所述的分层驱动的自主无人系统类人控制架构， 其特征在于， 所述步骤 13中， 对“末梢层”功能进行划分； 借鉴人体的末梢层功能， 所述 “末梢层”用于完成外部环境的应激反射， 通过神经脉冲 与神经刺激实现对肌肉的张紧控制， 另一方面通过骨骼与肌肉的反馈实现对外部环境的力 觉感知， 因此 “末梢层”的输入为“中枢层”输出的细粒度支撑点对应的支撑力， 以及控制肢 体所需的关节角度、 速度和加速度指 令； 所述“末梢层”通过阻抗控制、 模型辨识与扰动估计 方法产生对应的扭矩指令， 并输出给执行器； 同时， “末梢层”采集执行器反馈的位置、 速度 和扭矩信息， 通过力反馈估计、 负载扰动估计方法实现力觉感知， 生 成力觉感知信息并反馈 至“中枢层”； 由此， 对“末梢层”功能进行划分， 包括： 伺服驱动控制、 力反馈状态估计。 5.如权利要求4所述的分层驱动的自主无人系统类人控制架构， 其特征在于， 所述步骤 2的具体步骤如下： 步骤21： 对包括视觉、 雷达在内的感知传感器的数据进行采集， 通过SLAM算法、 测距算 法建立环境模型， 输出局部高程地图； 通过包括组合导航、 局部视觉导航在内的全局定位导 航算法实现自身定位， 输出机器人的全局定位信息； 步骤22： 通过模糊决策、 强化学习、 语义分析算法实现任务理解， 产生粗粒度行为指令 输出至“中枢层”； 步骤23： 基于 机器人全局定位信息和任务理解结果完成对粗粒度运动轨 迹的规划； 步骤24： 规划粗粒度姿态指令， 输出至 “中枢层”。 6.如权利要求5所述的分层驱动的自主无人系统类人控制架构， 其特征在于， 所述步骤 23具体包括： 步骤231： 依靠初始化轨迹规划算法完成对轨迹位置约束的设定， 设当前全局定位结果 为 其为轨迹起始位置， 依据任务理解规划轨迹末端位置为 设 为轨迹中点， 则 轨迹位置约束[ Pst,Pmid,Pend]如下： 步骤232： 参考步骤231的方法， 完成对轨迹速度约束的设定， 设当前全局定位速度为权　利　要　求　书 2/6 页 3 CN 115042174 A 3