Duke Humanoid:利用被动动力学实现节能双足机器人

在现代机器人技术中,如何实现高效的双足行走一直是一个备受关注的课题。Duke Humanoid项目通过结合被动动力学和强化学习策略,成功打造出一款高效节能的双足机器人。在现代机器人技术中,如何实现高效的双足行走一直是一个备受关注的课题。Duke Humanoid项目通过结合被动动力学和强化学习策略,成功打造出一款高效节能的双足机器人。

设计理念

Duke Humanoid是一个开放源码的平台,拥有10个自由度,专为动态行走研究而设计。其设计模仿了人类的生理结构,特别注重腿部的长度比例和髋部的对称性,使其在零关节位置时能够保持静态平衡。这种设计减少了对持续电机驱动的依赖,通过优化机械结构,使机器人在步态过程中能够更自然地利用重力和惯性。

电机配置与硬件设计

为了实现高效的步态控制,Duke Humanoid在电机配置上进行了精心设计:

  • 电机类型:每个关节都配备了无刷直流电机,结合行星齿轮箱来提供所需的扭矩。
  • 减速比配置
    • 髋部旋转(HR)、髋部屈伸(HFE)和髋部外展内收(HAA)关节使用18:1的减速比电机,提供72N·m的持续扭矩。
    • 膝关节屈伸(KFE)使用20:1的减速比电机,提供80N·m的持续扭矩。
    • 踝关节则采用10:1的减速比电机,提供40N·m的持续扭矩。
  • 机械设计:采用了模块化设计,使用铝合金材质制造主体结构,轻质设计降低了下肢惯性,从而减少了电机的负载需求。此外,电机通过EtherCAT通信进行控制,确保了低延迟的响应。

控制策略与被动动力学

Duke Humanoid的控制策略是一种混合模式,结合了被动和主动控制方法:

  • 被动动力学:通过借助腿部的钟摆式运动,机器人在行走时利用了重力和惯性,从而减少了对电机驱动力的需求。这一策略特别适合低速步行。
  • 主动控制:通过传感器和强化学习算法,实时调整机器人的姿态和平衡,使其能够适应复杂地形和环境变化。

实验数据显示,在模拟环境中,采用被动控制策略后,机器人的能效提高了50%。在实际测试中,能效也提升了31%,显著减少了能量消耗。

Duke Humanoid通过创新的机械设计和控制策略,在机器人步态研究中树立了新的标杆。其通过结合被动动力学,不仅提升了能效,还推动了开放源码硬件在机器人领域的应用,为未来的研究和开发提供了广阔的空间。

相关推荐
kyle~5 小时前
机器人传感器系统---时间戳对齐
机器人
淮北49418 小时前
ros调试工具foxglove使用指南三:在3d空间写写画画(Panel->3D ->Scene entity)
python·学习·3d·机器人
AntResearch1 天前
ICLR 2025 Spotlight:让机器人实现「自主进化」,蚂蚁数科、清华提出具身协同框架 BodyGen
机器人
东雁西飞1 天前
MATLAB 控制系统设计与仿真 - 33
开发语言·算法·matlab·机器人·自动控制
郭涤生1 天前
第二章:ROS架构_《ROS机器人开发实践》_notes
架构·机器人
MobiCetus1 天前
【MachineLearning】生成对抗网络 (GAN)
linux·人工智能·python·深度学习·神经网络·生成对抗网络·机器人
古希腊掌握嵌入式的神1 天前
[ROS]ROS系统是如何协调工作机器人
机器人·ros
硅谷秋水1 天前
DataPlatter:利用最少成本数据提升机器人操控的泛化能力
人工智能·深度学习·计算机视觉·语言模型·机器人
Mr.Winter`1 天前
深度强化学习 | 基于优先级经验池的DQN算法(附Pytorch实现)
人工智能·pytorch·神经网络·机器学习·机器人·强化学习
GIS数据转换器2 天前
在机器人和无人机时代,测绘人的出路在哪里?
大数据·人工智能·信息可视化·机器人·自动驾驶·汽车·无人机