(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 202210418991.X (22)申请日 2022.04.20 (71)申请人 中国科学院自动化研究所 地址 100190 北京市海淀区中关村东路95 号 (72)发明人 张金涵　陈嘉浩　吴伟　乔红　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 白袖龙 (51)Int.Cl. B25J 9/16(2006.01) B25J 9/00(2006.01) (54)发明名称 基于小脑预测与修正的肌肉骨骼机器人控 制方法及装置 (57)摘要 本发明提供一种基于小脑预测与修正的肌 肉骨骼机器人控制方法及装置， 所述方法包括： 基于循环神经网络， 得到肌肉骨骼机器人的输入 信号对应的初始控制信号； 基于小脑预测 网络， 对初始控制信号进行位置预测， 得到初始控制信 号对应的预测位置； 基于小脑修正网络， 根据预 测位置、 运动预测误差及初始控制信号确定初始 控制信号对应的修正信号； 基于初始控制信号以 及修正信号， 确定肌肉骨骼机器人的控制信号， 并基于控制信号控制肌肉骨骼机器人移动至目 标位置。 本发 明能够准确控制肌肉骨骼机器人到 达目标位置 。 权利要求书3页 说明书14页 附图2页 CN 114872040 A 2022.08.09 CN 114872040 A 1.一种基于小脑预测与修 正的肌肉骨骼机器人控制方法， 其特 征在于， 包括： 基于循环神经网络， 得到 肌肉骨骼机器人的输入信号对应的初始控制信号； 基于小脑预测网络， 对所述初始控制信号进行位置预测， 得到所述初始控制信号对应 的预测位置； 基于小脑修正网络， 根据所述预测位置、 运动预测误差及所述初始控制信号确定所述 初始控制信号对应的修 正信号； 基于所述初始控制信号以及所述修正信号， 确定所述肌肉骨骼机器人的控制信号， 并 基于所述控制信号控制所述肌肉骨骼机器人移动至目标位置； 所述循环神经网络基于样本输入信号、 样本初始控制信号以及所述样本初始控制信号 对应的奖励值训练得到， 所述奖励值基于所述样本初始控制 信号对应的样本实际位置与对 应的样本目标位置之间的误差确定； 所述小脑预测网络基于所述样本初始控制信号以及所 述样本初始控制 信号对应的样本实际位置训练得到； 所述小脑修正网络基于所述样本初始 控制信号对应的样本控制 信号、 所述样本控制 信号对应的样本实际位置以及所述奖励值训 练得到。 2.根据权利要求1所述的基于小脑预测与修正的肌肉骨骼机器人控制方法， 其特征在 于， 所述初始控制信号基于如下公式确定： 其中， 表示所述初始控制信号， z0表示所述输入信号， rtr表示所述循环神经网络的隐 含层神经元的膜电位， 表示所述循环神经网络的隐含层神经元的放电率， Ur、 Wr、 Vr以及br 分别表示所述循环神经网络的输入权重、 循环权重、 输出权重以及偏置， αr表示所述循环神 经网络的神经 元泄漏率， 取值范围为(0,1]。 3.根据权利要求1所述的基于小脑预测与修正的肌肉骨骼机器人控制方法， 其特征在 于， 所述初始控制信号对应的预测位置基于如下公式确定： 其中， ze表示所述初始控制信号对应的预测位置， 表示第T个 时间步所述小脑预测网 络的隐含层神经元的放电率， rte表示第t个时间步所述小脑预测网络的隐含层神经元的放 电率， 表示第t‑1个时间步所述小脑预测网络的隐含层神经元的放电率， t≤T； 表示所 述初始控制信号， 表示所述小脑预测网络的隐含层神经元的膜电位， Ue、 We、 Ve以及be分别 表示所述小脑预测网络的输入权重、 循环权重、 输出权重以及偏置， αe表示所述小脑预测网 络的神经 元泄漏率， 取值范围为(0,1]。权　利　要　求　书 1/3 页 2 CN 114872040 A 24.根据权利要求3所述的基于小脑预测与修正的肌肉骨骼机器人控制方法， 其特征在 于， 所述小脑预测网络的循环权 重基于如下公式确定： 其中， ρ0表示期望谱半径， 表示初始化循环权重矩阵， 表示具有单位谱半径 的矩阵； 所述小脑预测网络的输出权 重基于如下公式确定： 其中， Nve表示所述小脑预测网络输 出的维度， 表示 的第i个元素， 表示ze的第i个 元素， β 表示岭参数， Vie表示Ve的第i行。 5.根据权利要求1所述的基于小脑预测与修正的肌肉骨骼机器人控制方法， 其特征在 于， 所述根据所述预测位置、 运动预测 误差及所述初始控制信号确定所述初始控制信号对 应的修正信号， 包括： 基于所述目标位置以及所述运动预测误差， 确定修正时长； 所述运动预测误差指所述 预测位置与所述目标位置之差； 在所述修正 时长内， 基于所述预测位置、 所述运动预测误差以及所述初始控制信号， 确 定所述修正信号。 6.根据权利要求5所述的基于小脑预测与修正的肌肉骨骼机器人控制方法， 其特征在 于， 所述修正时长基于如下公式确定： 其中， ttot表示所述修正时长， tbase表示弹道运动阶段的基本时长， tdynamic表示弹道运动 阶段的动态时长， 表示所述预测位置与所述目标位置之差， δ表示运动期望精度， η1表示运 动难度指标的因子， η2表示运动精度指标的因子， D表示 运动距离 。 7.根据权利要求1至6任一项所述的基于小脑预测与修正的肌肉骨骼机器人控制方法， 其特征在于， 所述确定所述肌肉骨骼机器人的控制信号， 之后还 包括： 基于所述肌肉骨骼机器人的控制信号以及所述实际位置， 更新所述小脑预测网络 。 8.根据权利要求1至6任一项所述的基于小脑预测与修正的肌肉骨骼机器人控制方法， 其特征在于， 所述小脑修 正网络的超参数基于如下公式更新：权　利　要　求　书 2/3 页 3 CN 114872040 A 3