为了使类人机器人在实验室环境之外的应用,两足动物必须满足一定的要求。这些特别包括应对动态运动,如爬楼梯或坡道或在不规则地形上行走。从坐到站的转换也属于这一类。除了实际应用,如下车或坐到桌子旁后站起来,这些动作在绩效评估方面也有好处。因此,它们长期以来一直被用作人类的运动医学和老年医学评估。在这里,我们使用最优控制开发了最优的坐到站轨迹,其特点是其动态和类人的性质。我们在人形机器人REEM-C上实现了这些动作。基于获得的传感器数据,我们提出了基于两种不同实验协议的统一基准测试程序。这些协议的特点是对下肢表现的不同方面进行量化的难度越来越大。我们使用两类指标报告REEM-C获得的绩效结果:评估整体绩效的主要、场景特定指标(椅子高度和脚踝到椅子的距离)和进一步描述绩效的辅助、一般指标。 The latter provide a more detailed analysis of the applied motion and are based on metrics such as the angular momentum, zero moment point, capture point, or foot placement estimator. In the process, we identify performance deficiencies of the robot based on the collected data. Thus, this work is an important step toward a unified quantification of bipedal performance in the execution of humanlike and dynamically demanding motions.
通过对人体主体的运动测量,确定了人类的步进和制动控制器的明确数学形式。该控制器是基于降阶动力学和末端可捕获条件下的模型预测控制方案设计的双足机器人控制器,可同时适应站立和步进运动。最小数量的参数有利于从测量的质心轨迹和人体主体的零力矩点进行识别。尽管结果最小,但在考虑了自然下落速度的方向依赖性和围绕质心的惯性力矩的情况下,对模型进行了轻微的修改,结果才很好地适应了人的行为。此外,甚至从运动序列的前半部分成功地识别了参数,这意味着所提出的方法可用于设计动态系统,以评估人类的平衡能力,并帮助人类在行走中保持平衡
根据世界卫生组织