信息与控制

作者：陈弘毅, 侯运锋, 李家龙, 李清都

关键词：监督学习, 聚类分类, 图编码, 互信息法, 触地检测, 双足机器人, 不变扩展卡尔曼滤波

针对传统触地检测方法在非结构化地形中易受传感器噪声和动态复杂性影响，难以保证鲁棒性，且依赖足底力传感器的方案对某些机器人应用存在局限的问题，研究开发了一种基于监督学习的双足机器人触地事件检测算法，以帮助不变扩展卡尔曼滤波器获取准确且低成本的触地信号，从而实现精准的状态观测。首先，建立了触地事件的状态机模型，分析了触地事件的类型及其转换过程。然后，收集了机器人的传感器数据，包括惯性测量单元(Inertial Measurement Unit，IMU)、编码器、电流和足底力传感器数据及基于机器人运动学推算的脚底高度和z轴速度，使用互信息法进行特征选择，最终保留16维特征。最后，采样历史特征信息，通过聚类方法构建图编码，并将编码结果输入1维卷积神经网络(One-Dimensional Convolutional Neural Network，1DCNN)以提取时间信息，对脚底受力情况进行回归分析并对触地事件进行分类。实验对比了电流检测和神经网络分类等触地检测方法。实验结果表明，本方法在平地行走时表现优异。同时算法表现出较强的泛化能力和鲁棒性，在复杂地形中较传统方法优势显著。本方法克服了传统触地检测方法对足底力传感器的依赖，为机器人触地检测提供了一种高效、低成本的解决方案。

来源：2025年第6期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第6期