先前对人类向前跌倒的研究表明,沿纵轴部署翻滚策略可以降低手部受到的冲击力,从而有效减少手腕受伤。然而,对类人机器人的类似研究却很少受到关注。为了解决这一研究空白,在这项工作中,我们通过采用差分动态规划 (DDP) 方法,考虑对类人机器人的翻转策略(类似于人类的翻转策略)进行优化设计、实施和检查。
此前,研究人员通过仅考虑类人机器人的一侧,启发式地设计了降落伞着陆坠落 (PLF) 运动。然而,如果在轨迹优化中不考虑实际接触环境,这种模型不能可靠地应用于完整的人形机器人。我们考虑基于具有刚性接触模型的全身双足机器人的降落伞着陆模型并采用差分动态规划 (DDP) 方法有效地降低了冲击并在着陆过程中保持平衡状态。
为了改进先前的工作,我们考虑了双向长短期记忆 (BLSTM) 网络,该网络利用系统状态的历史测量作为输入,实时有效地预测跌倒概率。研究结果通过了大量的模拟实验验证,这些实验的随机变量考虑了具有随机幅度、方向、位置和作用时间的外力,我们证明了所提出的 BLSTM 网络可以稳健地预测跌倒事件。