一种用于智能机器人的运动控制方法及系统

该成果核心技术架构围绕 “感知 - 规划 - 控制” 三级协同展开：①感知层：通过人形机器人智能传感器组（含视觉、力控、惯性传感器）采集环境数据（如障碍物、地面平整度）与机器人状态数据（如关节角度、负载），输入预训练的第一神经网络模型（混合注意力架构），解决多传感器数据融合的时序依赖问题，输出运动预测数据与环境分析结果；②规划层：基于感知结果构建运动规划模型，采用预设第一算法（如多目标优化算法）对关节运动轨迹进行 “能耗 - 稳定性” 双目标优化，平衡运动效率与安全性；③控制层：中央控制器生成关节位置、速度、力矩参考轨迹，各关节本地第二控制器结合实时反馈（如关节误差），在预测时域内局部调整轨迹，结合边缘计算架构降低通信延迟。

1. 混合注意力神经网络破解感知瓶颈：首创混合注意力机制的第一神经网络模型，针对多传感器数据（视觉、力控、惯性）的时序异步问题，通过注意力权重分配优先处理关键数据（如突发障碍物信号），数据融合延迟≤50ms，环境分析准确率达 92%，解决传统传感器融合 “时序混乱、关键信息遗漏” 问题，为运动规划提供精准输入； 2. 能耗 - 稳定性多目标优化突破效率痛点：区别于传统单目标轨迹规划（仅追求速度或能耗），采用预设第一算法同步优化 “能耗成本” 与 “运动稳定性”，在负载变化、地面不平的复杂环境中，关节运动能耗降低 28%，同时机器人倾倒风险从 15% 降至 3%，平衡运动效率与安全性； 3. 中央 - 本地协同控制降低响应延迟：构建 “中央控制器统筹规划 + 本地控制器实时调整” 的分布式架构，结合边缘计算将关节控制逻辑下沉至本地，通信延迟降低 70%，控制响应速度≤100ms，解决传统集中式控制 “指令传输拥堵、调整滞后” 问题，适配人形机器人快速交互、工业机器人精密操作需求。

1. 李和娟（核心发明人）：深圳市踩点智慧科技有限公司技术总监，长期深耕机器人运动控制与神经网络研究，主导本成果技术架构设计，提出 “混合注意力神经网络融合” 核心思路，曾参与 2 项省级人形机器人科研项目，拥有 4 项机器人控制领域专利，是成果创新领军者； 2. 陆昊（算法研发负责人）：负责第一神经网络模型与 “能耗 - 稳定性” 优化算法开发，攻克多传感器时序融合、多目标优化求解难题，使数据融合延迟与能耗分别降低 60%、28%，保障规划层核心算法性能； 3. 邓鸿星（控制系统负责人）：主导中央 - 本地协同控制系统开发，设计边缘计算适配架构，实现控制响应速度≤100ms，完成与机器人硬件的集成测试，推动技术从理论向实用转化； 4. 测试验证团队：对接机器人厂商开展场景测试，收集工业、服务领域控制需求，优化算法参数，累计完成超 1000 小时工况测试，为产业化提供实践数据支撑。

点击查看

科创中国

科创中国

友情链接

海外专利信息资源系统

省级中心站