一种具身智能机器人的步态生成方法及电子设备与流程

本发明涉及智能机器人，尤其涉及一种具身智能机器人的步态生成方法及电子设备。

背景技术：

1、中枢模式发生器（central pattern generator, cpg）是广泛存在于脊椎动物与无脊椎动物中枢神经系统内的自组织生物神经环路，无需外周节律性感觉反馈与大脑高级中枢的持续指令，即可自主产生稳定的节律性神经脉冲输出，是生物节律性运动调控的核心功能单元。cpg具备节律鲁棒性、环境适配性与低计算能耗的核心优势，是行走、游泳、呼吸等本能节律性行为的神经基础，目前已成为足式仿生机器人步态生成、康复外骨骼运动控制、脊髓损伤后运动功能重建等领域的核心理论模型。

2、cpg的内核由非线性微分方程驱动，其中圆形hopf振子作为经典的cpg实现模型，凭借良好的稳定性、平滑性与参数可调性，被广泛用于步态节律的生成。该模型可生成稳定的圆形极限环，通过二维状态变量表征步态相位，能够描述步态生成过程中周期性关节运动的内在节律特征。

3、然而，现有基于hopf振子的cpg步态生成技术存在以下技术缺陷：现有cpg节律生成模型大多针对固定步速的场景设计，当行走速度发生变化时，需要针对新的步速重新采集数据并训练模型，无法实现跨步速的步态泛化生成，模型的泛化性能与工程实用性受限。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种具身智能机器人的步态生成方法及电子设备，用以解决现有技术中步态节律生成模型针对固定步速设计，无法实现跨步速的步态生成的问题。

2、一方面，本发明实施例提供了一种具身智能机器人的步态生成方法，包括：构建步态节律生成模型；其中，步态节律生成模型为仿生连续周期节律生成中枢模型，用于生成步态相位特征向量；获取受试者在目标步速下的髋关节角度数据，根据目标步速下的髋关节角度数据调节步态节律生成模型的节律振荡角频率，得到适配目标步速的步态节律生成模型；根据适配目标步速的步态节律生成模型生成目标步速下的步态相位特征向量；构建步态相位特征至膝关节运动特征的非线性映射模型，将目标步速下的步态相位特征向量输入非线性映射模型，输出目标步速下的膝关节角度轨迹，以实现具身智能机器人的步态生成。

3、进一步地，构建步态节律生成模型，包括：获取受试者在参考步速下的髋关节角度数据；根据参考步速下的髋关节角度数据计算步态节律生成模型的节律振荡角频率；以步态节律生成模型生成的步态相位特征向量与参考步速下的髋关节角度数据之间的偏差最小为优化目标，确定步态节律生成模型除节律振荡角频率之外的其他节律参数；基于其他节律参数和节律振荡角频率，构建仿生连续周期节律生成中枢模型，作为步态节律生成模型。

4、进一步地，节律振荡角频率通过如下方式计算得到：对髋关节角度数据执行滑动窗口傅里叶变换，得到各个数据窗口对应的频谱信息；基于频谱信息计算各个数据窗口的瞬时振荡频率；对各个数据窗口的瞬时振荡频率进行平滑处理得到平滑振荡频率，将平滑振荡频率转换为节律振荡角频率。

5、进一步地，基于频谱信息计算各个数据窗口的瞬时振荡频率，包括：根据各个数据窗口的谱峰强度及谐波关系，确定对应数据窗口的基频峰索引；基于基频峰索引和滑动窗口傅里叶变换的采样参数，计算各个数据窗口的瞬时振荡频率。

6、进一步地，基于基频峰索引和滑动窗口傅里叶变换的采样参数计算各个数据窗口的瞬时振荡频率，包括：通过如下公式计算得到各个数据窗口的瞬时振荡频率：；其中，m为数据窗口的序号，为瞬时振荡频率，为基频峰索引，为滑动窗口傅里叶变换的采样频率，n为滑动窗口傅里叶变换的周期采样个数。

7、进一步地，根据适配目标步速的步态节律生成模型生成目标步速下的步态相位特征向量，包括：获取受试者在目标步速下的膝关节角度数据；根据目标步速下的髋关节角度数据、目标步速下的膝关节角度数据构建初始步态相位；基于初始步态相位，采用适配目标步速的步态节律生成模型生成目标步速下的步态相位特征向量。

8、进一步地，构建步态相位特征至膝关节运动特征的非线性映射模型，包括：构建以步态相位特征向量为输入，膝关节角度轨迹为输出的初始非线性映射模型；根据步态节律生成模型生成参考步速下的步态相位特征向量，并获取受试者在参考步速下的膝关节角度数据；以参考步速下的步态相位特征向量和参考步速下的膝关节角度数据对初始非线性映射模型进行训练，得到步态相位特征至膝关节运动特征的非线性映射模型。

9、进一步地，初始非线性映射模型为三层径向基函数神经网络，包括：输入层、非线性隐层和输出层；其中，非线性隐层采用高斯径向基函数作为激活函数，非线性隐层第个隐层神经元的输出为：，为输入的步态相位特征向量，为第个隐层神经元的中心向量，为输入的步态相位特征向量与中心向量的欧几里得范数，为第个基函数的宽度参数；输出层的输出为：，为膝关节角度轨迹，为隐层神经元的总数，为第个隐层神经元到输出层的连接权重，为输出层偏置项。

10、进一步地，以参考步速下的步态相位特征向量和参考步速下的膝关节角度数据对初始非线性映射模型进行训练，包括：将参考步速下的步态相位特征向量输入初始非线性映射模型，得到预测膝关节角度轨迹；以最小化预测膝关节角度轨迹与参考步速下的膝关节角度的误差为训练目标，迭代优化非线性隐层和输出层的参数。

11、另一方面，本发明实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的具身智能机器人的步态生成方法的步骤。

12、在本发明中，提供了一种跨步速的步态生成方案，首先构建能够输出步态相位特征向量的仿生连续周期节律生成中枢模型，基于目标步速下受试者髋关节角度数据自适应调节节律振荡角频率，得到适配目标步速的步态节律生成模型并生成对应步态相位特征向量，进一步建立步态相位特征至膝关节运动特征的非线性映射模型，由非线性映射模型输出膝关节角度轨迹以实现机器人步态生成。

13、本发明采用节律相位生成结合非线性映射的两阶段架构，保留节律生成模型具备的节律鲁棒性、运动轨迹稳定性、仿生生理合理性与低计算开销优势，同时借助非线性映射实现对复杂步态非线性特征的高精度拟合，仅调整节律振荡角频率即可适配不同目标步速，无需重新训练模型就能求解目标步速下的膝关节角度，解决了现有技术中步态节律生成模型针对固定步速设计，无法实现跨步速的步态生成的问题，有效提升具身智能机器人步态的速度自适应能力、跨步速泛化性能与工程实用性。

14、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。

1.一种具身智能机器人的步态生成方法，其特征在于，包括：

2.根据权利要求1所述的具身智能机器人的步态生成方法，其特征在于，所述构建步态节律生成模型，包括：

3.根据权利要求1或2所述的具身智能机器人的步态生成方法，其特征在于，所述节律振荡角频率通过如下方式计算得到：

4.根据权利要求3所述的具身智能机器人的步态生成方法，其特征在于，所述基于所述频谱信息计算所述各个数据窗口的瞬时振荡频率，包括：

5.根据权利要求4所述的具身智能机器人的步态生成方法，其特征在于，所述基于所述基频峰索引和所述滑动窗口傅里叶变换的采样参数计算所述各个数据窗口的瞬时振荡频率，包括：

6.根据权利要求2所述的具身智能机器人的步态生成方法，其特征在于，根据所述适配目标步速的步态节律生成模型生成所述目标步速下的步态相位特征向量，包括：

7.根据权利要求1所述的具身智能机器人的步态生成方法，其特征在于，所述构建步态相位特征至膝关节运动特征的非线性映射模型，包括：

8.根据权利要求7所述的具身智能机器人的步态生成方法，其特征在于，所述初始非线性映射模型为三层径向基函数神经网络，包括：输入层、非线性隐层和输出层；其中，所述非线性隐层采用高斯径向基函数作为激活函数，所述非线性隐层第个隐层神经元的输出为：，为输入的步态相位特征向量，为第个隐层神经元的中心向量，为所述输入的步态相位特征向量与所述中心向量的欧几里得范数，为第个基函数的宽度参数；所述输出层的输出为：，为所述膝关节角度轨迹，为所述隐层神经元的总数，为第个隐层神经元到输出层的连接权重，为输出层偏置项。

9.根据权利要求8所述的具身智能机器人的步态生成方法，其特征在于，以所述参考步速下的步态相位特征向量和所述参考步速下的膝关节角度数据对所述初始非线性映射模型进行训练，包括：

10.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述权利要求1至9中任一项所述的具身智能机器人的步态生成方法的步骤。