一种用于人形机器人的混合智能控制方法与流程

本发明涉及人形机器人控制，具体为一种用于人形机器人的混合智能控制方法。

背景技术：

1、随着人工智能技术的发展，人形机器人的控制系统正快速向由低频认知决策层与高频学习式运动控制层构成的混合智能架构演进，业界通常将该架构划分为大脑层、小脑层与执行器层三个层级，其中，大脑层运行视觉语言大模型等高层认知决策模块，负责场景理解、任务规划与技能调度，运行频率相对较低；

2、小脑层是大脑层与执行器层之间的中间控制层，包含强化学习策略网络与模型预测控制安全控制器，负责将大脑层下发的任务意图转化为具体的关节运动指令，运行频率高于大脑层；

3、执行器层是直接驱动机器人关节电机的底层力矩控制回路，运行频率高于小脑层；

4、在小脑层的具体实现中，强化学习方法通过在仿真环境中与环境交互学习得到端到端的运动控制策略，能够接收本体感知与外部感知信息并直接输出各关节的目标力矩或位置指令，具备良好的动态适应性与全身协调能力；

5、模型预测控制方法基于机器人较为精确的动力学模型，在有限时域内滚动求解最优控制序列，具备较强的物理可解释性与安全裕度，但计算实时性和运动灵活性相对受限，此外，控制障碍函数作为一种用于形式化描述机器人系统安全约束集合并保证系统状态始终维持在安全集合内的数学工具，以及李雅普诺夫稳定性理论作为控制系统稳定性分析的经典方法，均已在机器人控制领域获得较为广泛的应用基础；

6、目前业界与本发明较为接近的一种实现方案通常按照如下方式构建混合控制系统：机器人正常运行时，由强化学习策略网络接收本体感知与外部感知信息，直接输出各关节的目标力矩或位置指令，驱动机器人完成行走、避障等全身运动任务；

7、系统通过预设的异常检测规则，例如姿态角是否超出阈值、足底接触力是否异常、关节力矩是否超限等硬性判据，对机器人当前状态进行离散化的正常与异常二值判断；

8、一旦触发异常判据，控制系统直接将控制权限由强化学习策略网络整体切换至预先设计好的模型预测控制安全控制器或跌倒保护程序，由该安全控制器接管全部关节的力矩指令输出，尝试将机器人拉回稳定姿态或执行被动式跌倒保护动作；

9、上述现有方案存在如下缺陷，其一，强化学习模型本质上是黑盒结构，缺乏可解释性，当机器人在实际运行中遇到训练数据分布之外的复杂地形或外部冲击时，模型无法主动感知自身输出可靠性正在下降的趋势，导致策略输出容易出现失效而未能被及时察觉，进而引发机器人失稳跌倒，其二，现有异常检测判据是离散化的二值判断，控制权限切换是整体性的硬切换方式，切换瞬间强化学习策略与模型预测控制策略之间往往存在较大的动作数值差异，这种跨模型、跨频率的切换容易引发较大的力矩阶跃与控制抖动，对机器人机械结构造成损伤甚至导致倾覆，其三，大脑层、小脑层与执行器层三个时间尺度之间的信息传递与力矩融合过程缺乏统一的稳定性理论约束，各频域之间的量化误差与延迟误差可能不断累积传递，导致混合决策闭环的整体稳定性缺乏理论保证，存在因误差累积而引发失稳跌倒的风险；

10、综上，现有的人形机器人混合智能控制方案在状态置信度评估、控制权限过渡方式以及跨时间尺度稳定性保证等方面均存在不足，亟需一种能够主动、连续地评估机器人所处状态可信程度，实现控制权限平滑过渡并具备理论稳定性保证的人形机器人混合智能控制方法。

技术实现思路

1、本发明要解决的技术问题是：现有的人形机器人混合智能控制方案中，强化学习策略缺乏可解释的置信度评估能力，导致机器人遭遇分布外状态时策略输出容易失效而不能被主动预判；

2、同时，现有方案采用的控制权限硬切换方式在切换瞬间容易引发剧烈的力矩阶跃与控制抖动，造成机械结构损伤甚至倾覆；

3、此外，大脑层、小脑层与执行器层三个时间尺度之间的信息传递与力矩融合过程缺乏统一的稳定性理论约束，导致误差累积风险难以控制，本发明旨在提供一种能够实时评估状态置信度、实现控制权限平滑过渡并具备跨尺度稳定性理论保证的人形机器人混合智能控制方法。

4、为解决上述技术问题，本发明提供一种用于人形机器人的混合智能控制方法，应用于包括大脑层、小脑层与执行器层的分层控制架构，所述方法包括：获取机器人的当前状态向量；

5、由强化学习策略网络根据所述当前状态向量输出第一候选动作，由模型预测控制器根据所述当前状态向量输出第二候选动作；

6、根据所述当前状态向量，计算所述当前状态向量相对于所述强化学习策略网络训练状态分布的状态置信度，所述状态置信度为0到1之间的连续数值；

7、根据所述状态置信度，通过连续映射函数生成仲裁系数，所述仲裁系数为0到1之间的连续数值；

8、按照所述仲裁系数对所述第一候选动作与所述第二候选动作进行加权求和，得到融合动作；

9、针对机器人的零力矩点稳定域约束、地面摩擦锥约束以及关节力矩极限约束分别构建控制障碍函数，根据各所述控制障碍函数构建安全约束不等式；

10、以所述融合动作为参考目标，以最小化待求动作与所述融合动作之间偏差为优化目标，以所述安全约束不等式为约束条件，求解二次规划问题，得到安全动作；

11、将所述安全动作下发至执行器层，驱动机器人各关节电机执行。

12、在部分实施方式中，计算所述状态置信度的过程包括计算所述当前状态向量相对于离线统计得到的训练状态分布均值向量与协方差矩阵的马氏距离，以及将所述当前状态向量输入由多个结构相同但初始化参数不同的子网络构成的集成网络后计算各子网络输出结果之间的集成方差，再将马氏距离与集成方差进行加权融合并归一化，得到所述状态置信度，从而使置信度评估同时具备统计分布偏离度量与模型预测分歧度量两方面依据。

13、在部分实施方式中，本发明还提供构建离散时间李雅普诺夫候选函数以表征大脑层、小脑层与执行器层之间因采样频率不一致所产生的跨尺度状态误差累积程度的方法，并将基于该候选函数推导得到的下降速率约束条件嵌入所述二次规划问题的约束条件中，与所述安全约束不等式共同参与安全动作的实时求解，从而为跨时间尺度的信息传递与力矩融合提供形式化的稳定性理论保证。

14、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

15、1.本发明通过并行引入基于马氏距离与集成方差相融合的状态置信度实时评估机制，使机器人能够主动、连续地感知自身所处状态是否处于可信区域，实现故障的提前预判，将现有技术中被动应对分布外状态的方式转变为主动预防方式。

16、2.本发明通过基于状态置信度生成的连续仲裁系数对强化学习策略与模型预测控制策略的候选动作进行加权融合，取代现有技术中离散化的控制权限硬切换方式，并在融合之后引入结合控制障碍函数的安全滤波环节对融合动作进行二次投影约束，从根本上消除了权限切换瞬间的力矩突变，实现了控制权限的平滑无扰动过渡与融合动作的主动安全约束，降低了机械结构损伤与机器人倾覆的风险。

17、3.本发明通过构建离散时间李雅普诺夫候选函数并将其下降速率约束嵌入二次规划的实时求解过程，同时建立该候选函数下降速率异常与仲裁系数映射参数、模型预测控制器保守程度参数之间的跨模块闭环反馈调节机制，形成稳定性监测—仲裁与安全参数联动调节的协同控制效果，区别于强化学习、模型预测控制、控制障碍函数、李雅普诺夫稳定性理论等已知技术手段的简单叠加应用，为跨时间尺度的信息传递与力矩融合提供了形式化的稳定性理论保证，显著降低了失稳跌倒的风险，提升了系统整体的鲁棒性。