技术特征：
1.一种机器人运动控制方法，其特征在于，所述方法包括：基于所述机器人待执行的目标运动所需达到的目标状态，通过非线性模型预测控制算法根据目标函数优化得到所述机器人的各关节在未来特定时间间隔的关节期望运动数据；根据所述关节期望运动数据，得到所述机器人的各关节在所述未来特定时间间隔的关节执行力矩；通过所述关节执行力矩控制所述机器人的各关节运动，以使所述机器人向所述目标状态运动。2.根据权利要求1所述的方法，其特征在于，所述基于所述机器人待执行的目标运动所需达到的目标状态，通过非线性模型预测控制算法根据目标函数优化得到所述机器人的各关节在未来特定时间间隔的关节期望运动数据，包括：根据所述目标函数确定所述关节期望运动数据与所述目标状态之间的差距数据；以减小所述差距数据的绝对值为目标，通过非线性模型预测控制算法优化所述关节期望运动数据。3.根据权利要求2所述的方法，其特征在于，所述目标函数包括第一子目标函数，所述关节期望运动数据包括所述机器人在所述未来特定时间间隔中多个时间点对应的多个预测第一状态变量，所述第一子目标函数是所述多个预测第一状态变量分别与参考第一状态变量的差值的加权总和，所述参考第一状态变量是所述目标状态对应的第一状态变量，所述第一状态变量包括广义位置和广义速度。4.根据权利要求3所述的方法，其特征在于，所述目标函数还包括第二子目标函数，所述关节期望运动数据还包括所述机器人在所述未来特定时间间隔中多个时间点对应的多个期望输入力信息，所述第二子目标函数是时域空间上每两个相邻期望输入力信息之间差值的加权总和。5.根据权利要求4所述的方法，其特征在于，所述以减小所述差距数据的绝对值为目标，通过非线性模型预测控制算法优化所述关节期望运动数据，包括：获取所述预测第一状态变量和所述期望输入力信息的关系条件，所述关系条件用于限制所述预测第一状态变量和所述期望输入力信息中至少两种数据之间的关系，所述关系条件包括对应于所述机器人的结构的非线性状态方程；获取对于所述预测第一状态变量或所述期望输入力信息的约束条件，所述约束条件用于限制所述预测第一状态变量和所述期望输入力信息中至少一种物理量的值域；根据所述关系条件和所述约束条件，以减小所述差距数据的绝对值为目标，通过非线性模型预测控制算法优化所述关节期望运动数据。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：基于所述机器人的浮动基动力学模型，建立所述非线性状态方程；其中，所述非线性状态方程用于计算得到所述多个预测第一状态变量和所述多个期望输入力信息。7.根据权利要求1所述的方法，其特征在于，所述根据所述关节期望运动数据，得到所述机器人的各关节在所述未来特定时间间隔的关节执行力矩，包括：按照控制周期对所述关节期望运动数据中包括的所述各关节的期望关节角度时间序列进行差分处理，得到所述各关节的期望关节角速度时间序列；其中，所述期望关节角度时
间序列包括所述关节在时域空间上按序排列的多个期望关节角度，所述期望关节角速度时间序列包括所述关节在时域空间上按序排列的多个期望关节角速度；基于所述各关节的实际关节角度和期望关节角度之间的差值，确定所述各关节在未来特定时间间隔的第一作用力矩；基于所述各关节的实际关节角速度和期望关节角速度之间的差值，确定所述各关节在未来特定时间间隔的第二作用力矩；基于所述各关节在未来特定时间间隔的第一作用力矩和第二作用力矩，确定所述各关节在未来特定时间间隔的关节执行力矩。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：基于所述关节期望运动数据中包括的所述各关节的期望关节力矩时间序列，确定所述各关节在未来特定时间间隔的期望关节力矩；其中，所述期望关节力矩时间序列包括所述关节在时域空间上按序排列的多个期望关节力矩；所述基于所述各关节在未来特定时间间隔的第一作用力矩和第二作用力矩，确定所述各关节在未来特定时间间隔的关节执行力矩，包括：基于所述各关节在未来特定时间间隔的第一作用力矩、第二作用力矩和期望关节力矩，确定所述各关节在未来特定时间间隔的关节执行力矩。9.根据权利要求1至8任一项所述的方法，其特征在于，所述机器人为四足机器人，所述目标运动为从四足趴地状态变为双足站立状态的运动过程。10.根据权利要求9所述的方法，其特征在于，所述机器人在所述双足站立状态下，通过一对轮子与承载面接触；处于所述双足站立状态的所述机器人被简化为类二阶倒立摆模型，所述类二阶倒立摆模型包括下摆杆、与所述下摆杆的第一端连接的上摆杆，以及与所述下摆杆的第二端连接的所述轮子；其中，所述上摆杆与所述下摆杆的连接关节为髋关节；所述通过所述关节执行力矩控制所述机器人的各关节运动，以使所述机器人向所述目标状态运动之后，所述方法还包括：基于所述类二阶倒立摆模型的状态方程，构建线性二次型调节器；采用所述线性二次型调节器根据所述机器人在当前时刻的第二状态变量，计算得到所述机器人在当前时刻的期望输入；其中，所述第二状态变量包括所述轮子的转速、所述髋关节的扭矩和所述髋关节的角度；采用所述类二阶倒立摆模型的状态方程根据所述当前时刻的期望输入，计算得到所述机器人在下一时刻的第二状态变量；基于所述下一时刻的第二状态变量，对所述机器人进行双轮站立平衡控制。11.根据权利要求9所述的方法，其特征在于，所述通过所述关节执行力矩控制所述机器人的各关节运动，以使所述机器人向所述目标状态运动之后，所述方法还包括：基于所述机器人的期望落地后姿态，利用逆运动学求解出所述机器人在落地后所述各关节的落地后期望关节角度；基于所述各关节的当前关节角度和落地后期望关节角度，通过样条曲线插值算法，确定所述机器人从当前姿态变为所述期望落地后姿态的过程中，所述各关节的关节角度变化数据；基于所述各关节的关节角度变化数据，对所述机器人的各关节进行控制，以使得所述
机器人从所述当前姿态变为所述期望落地后姿态。12.根据权利要求11所述的方法，其特征在于，所述方法还包括：基于所述机器人的前足的期望足底位置和速度，以及所述前足的实际足底位置和速度，确定所述前足的期望足底作用力；利用逆动力学算法根据所述前足的期望足底作用力，确定所述前足的关节力矩；在所述机器人落地的过程中，基于所述前足的关节力矩对所述机器人进行落地控制。13.一种机器人运动控制装置，其特征在于，所述装置包括：期望数据获取模块，用于基于所述机器人待执行的目标运动所需达到的目标状态，通过非线性模型预测控制算法根据目标函数得到所述机器人的各关节在未来特定时间间隔的关节期望运动数据；执行力矩确定模块，用于根据所述关节期望运动数据，得到所述机器人的各关节在所述未来特定时间间隔的关节执行力矩；机器人控制模块，用于通过所述关节执行力矩控制所述机器人的各关节运动，以使所述机器人向所述目标状态运动。14.一种机器人，其特征在于，所述机器人包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至12任一项所述的机器人运动控制方法。15.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至12任一项所述的机器人运动控制方法。
技术总结
本申请公开了一种机器人运动控制方法、装置、机器人及存储介质，涉及人工智能的机器人控制技术领域。所述方法包括：基于机器人待执行的目标运动所需达到的目标状态，通过非线性模型预测控制算法根据目标函数优化得到机器人各关节在未来特定时间间隔的关节期望运动数据；根据关节期望运动数据得到机器人各关节的关节执行力矩；通过该关节执行力矩控制机器人各关节运动，以使机器人向目标状态运动。本申请能够控制机器人按照预期完成目标运动，丰富了机器人的运动能力；并且，采用非线性模型预测控制算法优化生成全局最优且符合机器人相关特性的关节期望运动数据，保证机器人能够在符合动力学约束的情况下，准确有效地执行目标运动。标运动。标运动。
技术研发人员：周钦钦 陈相羽 郑宇 徐良威 杨思成 熊坤
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2021.03.01
技术公布日：2022/9/1