基于模糊推理的复杂地形下六足机器人步态辅助决策方法

尤波 王明磊 许家忠 李佳钰 丁亮 高海波

摘 要：目前载人六足机器人驾驶员在复杂地形下步态决策完全依赖主观经验，为提高驾驶员决策质量，提出一种步态辅助决策方法。建立驾驶员信息处理模型，将地形环境作为决策因素，步态及优先级作为决策结果，利用模糊推理系统进行辅助决策;将坡度、起伏度、粗糙度及障碍高度明确为地形特征量，划分其隶属度并制定模糊规则库;利用半物理仿真操纵平台对比驾驶员在无辅助和有辅助时的决策结果。实验结果表明，辅助决策方法能够辅助驾驶员在地形变化时做出合理决策，提高六足机器人在复杂地形下的稳定性与操纵性。

关键词：六足机器人;辅助决策;驾驶员模型;地形评估;模糊推理

DOI：10.15938/j.jhust.2020.01.015

中图分类号： TP242

文献标志码： A

文章编号： 1007-2683（2020）01-0100-08

Abstract：The drivers of manned hexapod robots rely on subjective experience in decision-making in complex terrainIn order to improve the quality of drivers′ decision-making， an auxiliary decision-making method is proposedThe information processing model of drivers is established， and the terrain is used as the decision factor while the priorities of gaits as the resultThe fuzzy decision-making system is established to assist the driversThe slope， fluctuation， roughness and barrier height are defined as the terrain features， degrees of membership are classified and the fuzzy rules are formulatedThe semi-physical simulation platform of the hexapod manipulation is used to compare the decision results of the drivers with auxiliary and without auxiliaryThe experimental results show that the auxiliary decision method can assist the driver to make reasonable decisions when the terrain changes， and increase stability and maneuverability of the hexapod robot in complex terrain-

Keywords：hexapod robots; assistant decision-making; driver model; terrain assessment; fuzzy reasoning

0 引 言

足式机器人是近代仿生设计的典型应用，运动方式上具有非连续支撑的特点，因此对地形的鲁棒性好，可适应更多的地形。六足机器人在运动过程中由于支撑足数量较多可以保持良好的稳定性，同时在运动控制方面也具有较多的研究成果[1-2]。因此六足机器人在工程应用领域受到更多的重视。

目前，在六足机器人操纵系统的决策方面已经取得了许多成果，主要体现在自主步态生成与足端轨迹规划方面。赵小川等[3]基于Webots仿真软件对六足机器人步态进行规划;Aparna等[4]生成六足机器人的三种规则波动步态，通过遥操作控制机器人完成任务;Belter等[5]通过机器人仿真模型对步态进行迭代优化，实现六足机器人在平坦地形上的快速运动。然而这些方法面对的地形环境为实验室环境或平坦路面，不适合障碍较多的情况;陈伟海等[6]利用中枢神经模式发生器（CPG）结合神经网络实现六足机器人的平面越障;Socha等[7]利用强化学习算法能够模仿生物体决策的特点，在多障碍地形下取得了較好运动效果，并有效减少自由步态时六足机器人运动的步数。但是这些方法都是针对平面障碍，并不能满足三维崎岖地形下的运动。Hauser等[8]对地形复杂性进行研究，通过组合地形图像来规划三维空间内移动机器人的足端轨迹;Belter等[9]通过快速搜索随机树对机器人进行路径规划，实现小型六足机器人在崎岖地形下的自主运动。以上对机器人的决策控制基本都是针对小型六足机器人，而载人六足机器人由于机械结构与任务地形更加复杂，目前的技术仍无法实现自主决策，需要完全由驾驶员进行实时决策。

载人六足机器人操纵系统具有多种模式和步态[10]来适应多种地形，包括自动模式下的二、三、六步态，手动模式下的手动步态。驾驶员感知地面环境并根据经验在多种功能模式中决策出合理的步态。决策结果受经验、情绪、注意力等主观因素影响，不能保证决策质量。因此需要研究一种步态辅助决策方法，辅助驾驶员进行步态决策。

本文首先在车辆驾驶员模型的基础上，结合六足机器人结构和运动方式，建立六足机器人驾驶员决策模型，确定采用模糊推理方法进行辅助决策，将地形信息作为决策因素;对复杂地形进行分类，提取坡度、起伏度、粗糙度和障碍高度作为地形描述特征，并对其进行计算;利用六足机器人半物理仿真操纵平台[11]采集的实验数据及专家经验制定模糊决策规则库。通过半物理仿真实验验证了步态辅助决策方法的有效性。

1 辅助决策方法

载人六足机器人的驾驶员模型对于分析驾驶员决策行为与控制决策风险具有重要意义。载人足式机器人运行过程中需要人-机-路作为一个整体进行考虑，才能更准确的对驾驶员的信息处理过程进行描述。本文结合六足机器人运动特点建立了基于信息处理的驾驶员模型，如图1所示。

驾驶员在行驶过程中接收机体内部与外部环境多方面的信息。对地形信息进行感觉认知，将复杂地形根据驾驶经验提取出不同地形特征并进行估算，与步态相关知识进行匹配，决策出当前地形下步态;机体运动状态通过各种传感器检测机体参数，并通过界面返回给驾驶员，驾驶员结合体感反馈信息分析机体综合状态从而实现机体控制。将步态决策与运动控制结合，利用控制面板、操纵杆等操纵终端共同完成驾驶任务。行驶过程中驾驶员对六足机器人的决策与控制能力受到注意力、经验、性格等主观因素的影响。

通过对驾驶员信息处理模型的分析可知，步态决策主要由六足机器人外部地形环境决定。由于地形特征与步态可行性都具有很大的模糊性，运用模糊推理进行决策是一种有效的方法。模糊推理实际是利用严格的数学方法模仿人类专家求解专业领域问题，只要规则库足够完善，利用模糊推理可以描述任意非线性函数。因此本文以地形为决策属性，研究一种基于模糊推理系统的六足机器人决策辅助方法，整体流程如图2所示。

辅助决策方法的核心为模糊推理系统，由数据库、规则库和推理机3个部分组成。首先传感器采集六足机器人外部地形环境，提取坡度、起伏度等地形特征信息作为决策属性，模糊化后存入数据库;基于实验数据与专家经验建立模糊规则库，将数据库中信息与规则库中相关规则进行匹配;最终利用模糊推理得到当前地形下各步态优先级供驾驶员辅助决策。驾驶员结合自身知识和辅助做出当前环境下最终步态决策，并操纵六足机器人运动。

六足机器人的行驶状态改变后，将其实验数据反馈至模糊推理系统，由专家进行分析后进一步校正和完善现有规则库，提高辅助决策方法的准确性。

2 步态决策模糊推理系统

2-1 复杂地形评估

载人六足机器人行驶的地形具有非结构化的特点，但复杂地形都能由少数几种基本地形特征评估，因此针对六足机器人在复杂地面下的运动特点，提取坡度、起伏度、粗糙度与障碍高度四种基本地形特征量来对地形进行评估。

坡度属于地形坡面信息，对六足机器人的整体稳定性产生较大影响。根据稳定锥稳定性分析方法[13]得出，机器人在爬坡过程中由于机体俯仰和側倾导致重心容易超出稳定多边形范围，造成运动失控甚至机体倾覆等后果。

起伏度用来宏观衡量地面的波动程度，对机器人的机体位姿与单腿运动产生影响。当地形起伏剧烈时，机体位姿发生突变，驾驶舱产生颠簸，影响机器人稳定性甚至驾驶员安全。

粗糙度用来衡量地面的障碍分布和粗糙程度，对机体的落足点产生约束。如当粗糙度较大、障碍较多时，不宜选取二步态等多足行进步态，应选取六步态或手动步态等单足行进步态。

越障能力是六足机器人最重要的性能指标之一。在面对垂直障碍时，驾驶员需要确定障碍的高度信息，并结合机器人的最大障碍翻越能力、静态稳定性、越障时重心变化等因素做出越障或避障的决策。

对采集的地形信息采用规则栅格组成的数字高程模型DEM进行表示，每个栅格存储了该区域的平均高程。驾驶员预瞄区域内地形特征量均可由局部3×3的DEM栅格进行计算后平均得到。DEM地形信息如图3所示，ei为当前坡度平面中i点的坡面高程，Y（f）表示机体前进方向，X（l）表示机体侧面方向。

式中：Sf、Sl分别为行进方向正向及侧向的高程变化率;L为栅格边长;Sf/|Sf|的正负表示上坡与下坡。

起伏度F传统上由邻域内最大和最小高程值之差得到，但仅仅选取两点难以反映整体起伏情况。而高程标准差法计算邻域内所有点的高程值的标准差，因此更能综合反映出地形的局部起伏变化。起伏度的计算如式（5）所示：

4 结 论

通过对六足机器人驾驶员模型进行分析，提出一种基于模糊推理的步态辅助决策方法，利用地形环境数据决策出合适的步态，辅助驾驶员在复杂地形下进行步态决策。

根据六足机器人运动特征与运行环境，将坡度、起伏度、粗糙度和障碍高度作为地形特征量对复杂地形进行评价。确定了地形特征量的计算方式与模糊隶属度函数，并制定各步态模糊推理规则。实验表明，本文提出的辅助决策方法能够为驾驶员提供合理的步态决策，辅助驾驶员更好地完成任务。

参 考 文 献：

[1] GARCIA E， JIMENEZ M A， DE SANTOS P G， et al. The Evolution of Robotics Research[J]. IEEE Robotics & Automation Magazine（S1070-9932）， 2007， 14（1）： 90.

[2] 张博文. 重载六足机器人操纵控制系统局部半自主控制研究[D]. 哈尔滨：哈尔滨理工大学， 2015.

[3] 赵小川， 罗庆生， 韩宝玲. 基于Webots仿真软件的仿生六足机器人机构设计与步态规划[J]. 系统仿真学报， 2009， 21（11）： 3241.ZHAO Xiaochuan，LUO Qingsheng，HAN Baoling. Developing Biologically Inspired Hexapod Robot in Webots Simulation Software Environment[J].Journal of System Simulation，2009，21（11）： 3241.

[4] APARNA K， GEETA S. Insect Inspired Hexapod Robot for Terrain Navigation[J]. International Journal of Research in Engineering and Technology（S2319-1163）， 2013， 2（8）： 63.

[5] BELTER D， SKRZYPCZYN'SKI P. A Biologically Inspired Approach to Feasible Gait Learning for a Hexapod Robot[J]. International Journal of Applied Mathematics and Computer Science（S2083-8492）， 2010， 20（1）： 69.

[6] 陈伟海， 刘涛， 王建华， 等. 仿生六足机器人传感信息处理及全方向运动控制[J]. 浙江大学学报（工学版）， 2015， 49（3）： 430.CHEN Weihai，LIU Tao，WAND Jianhua，et al. Sensor Signal Processing and Omnidirectional Locomotion Control of a Bio-inspired Hexapod Robot[J].Journal of Zhejiang University（Engineering Science）， 2015， 49（3）： 430.

[7] SOCHA V， KUTILEK P， STEFEK A， et al. Decision Making Process of Hexapods in a Model of Complex Terrains[J]. Acta Polytechnica Hungarica（S1785-8860）， 2016， 13（4）： 141.

[8] HAUSER K， BRETL T， LATOMBE J C， et al. Motion Planning for Legged Robots on Varied Terrain[J]. The International Journal of Robotics Research（S1741-3176）， 2008， 27（11/12）： 1325.

[9] BELTER D， SKRZYPCZYN'SKI P. Integrated Motion Planning for a Hexapod Robot Walking on Rough Terrain[J]. IFAC Proceedings Volumes（S2405-8963）， 2011， 44（1）： 6918.

[10]尤波， 蔡佳龍， 许家忠， 等. 载人六足机器人人机功能分配及操纵系统设计[J]. 哈尔滨理工大学学报， 2017， 22（1）： 48.YOU Bo，CAI Jialong，XU Jiazhong，et al. The Manned Hexapod Robots Man-machine Function Allocation and the Design of the Control System[J].Journal of Harbin University of Science and Technology， 2017， 22（1）： 48.

[11]金马， 高海波， 丁亮， 等. 一种六足机器人模拟驾驶系统研究与实现[J]. 机器人， 2016， 38（6）： 678.IN Ma， GAO Haibo， DING Liang， et al.Research and Implementation of a Driving Simulator for Hexapod Robots[J].Robot， 2016， 38（6）： 678.

[12]姜滨， 孙丽萍， 曹军. 木材干燥过程温湿度的T-S型模糊神经网络控制器设计[J]. 电机与控制学报， 2016， 20（10）：114.JIANG Bin， SUN Liping，CAO Jun. Design of T-S Fuzzy Neural Network Controller for Temperature and Humidity in Wood Drying Process[J]. Electric Machines and Control，2016， 20（10）：114.

[13]田海波， 方宗德， 周勇， 等. 轮腿式机器人倾覆稳定性分析与控制[J]. 机器人， 2009， 31（2）： 159.TIAN Haibo，FANG Zongde，ZHOU Yong，et al.Analysis and Control for Tumble Stability of Wheel-Legged Robots[J].Robot，2009， 31（2）： 159.

（编辑：王 萍）