[论文解读] Evolution of Biped Walking Using Neural Oscillators Controller and Harmony Search Algorithm Optimizer

Ebrahim Yazdi, Abolfazl Toroghi Haghighat|arXiv (Cornell University)|Jun 23, 2010

Robotic Locomotion and Control参考文献 15被引用 7

一句话总结

该论文提出一种基于神经振荡器的控制器，并结合和谐搜索（Harmony Search, HS）算法，在基于物理的仿真环境中实现NAO机器人的稳定双足行走。采用松本振荡器生成节律性运动模式，利用HS算法优化控制参数，通过感官反馈自适应调节，显著提升了步态稳定性，实现了可调节步长周期的鲁棒行走。

ABSTRACT

In this paper, a simple Neural controller has been used to achieve stable walking in a NAO biped robot, with 22 degrees of freedom that implemented in a virtual physics-based simulation environment of Robocup soccer simulation environment. The algorithm uses a Matsuoka base neural oscillator to generate control signal for the biped robot. To find the best angular trajectory and optimize network parameters, a new population-based search algorithm, called the Harmony Search (HS) algorithm, has been used. The algorithm conceptualized a group of musicians together trying to search for better state of harmony. Simulation results demonstrate that the modification of the step period and the walking motion due to the sensory feedback signals improves the stability of the walking motion.

研究动机与目标

• 在基于物理的仿真环境中，为22自由度的NAO人形机器人开发一种稳定的行走步态。
• 解决在不依赖预设轨迹的情况下生成一致且稳定的双足行走运动的挑战。
• 利用一种新型元启发式算法，优化神经振荡器参数以提升步态性能。
• 将感官反馈整合到控制系统中，实现实时动态调整步长周期与运动轨迹，以增强稳定性。

提出的方法

• 基于松本型的神经振荡器网络，为双足机器人关节驱动生成节律性运动模式。
• 采用和谐搜索（HS）算法作为基于群体的优化器，调节神经振荡器参数。
• HS算法模拟音乐家寻找最优和声的过程，通过迭代改进一组参数向量（和声记忆），以最小化适应度函数。
• 适应度函数用于评估仿真环境中的步态稳定性、步长一致性及能量效率。
• 利用机器人状态的感官反馈，在仿真过程中实时调整步长周期与轨迹。
• 控制系统的实现与测试在RoboCup足球仿真2D环境中完成，模拟了真实的物理环境。

实验结果

研究问题

• RQ1 基于神经振荡器的控制器是否能在仿真NAO机器人中生成稳定且具有节律性的行走模式？
• RQ2 和谐搜索算法在优化双足行走神经振荡器参数方面的有效性如何？
• RQ3 感官反馈在多大程度上提升了行走步态的稳定性和适应性？
• RQ4 该方法在动态扰动或参数变化下是否能实现鲁棒行走？
• RQ5 步长周期调节对步态稳定性和能量效率有何影响？

主要发现

• 所提出的控制器在长时间仿真中成功实现了NAO机器人稳定、连续的双足行走。
• 和谐搜索算法有效优化了神经振荡器参数，显著提升了步态一致性和稳定性。
• 引入感官反馈使步长周期得以动态调整，显著增强了在不同条件下的步态稳定性。
• 该方法在极少参数调优的情况下实现了稳定行走，表现出对仿真中扰动的鲁棒性。
• 适应度函数评估结果表明，优化后的参数相比基线配置实现了更低的能量消耗和更高的步态质量。