中国一汽公开人形机器人专利 助力提升对内部扰动的自适应能力
每天懂一传感器
中国一汽公开人形机器人专利 助力提升对内部扰动的自适应能力
在人形机器人运动控制领域，扰动问题始终是提升性能和稳定性的关键挑战。通常情况下，扰动可划分为外部扰动和内部扰动两大类。外部扰动包括环境因素如推搡或地形不平，而内部扰动则源于机器人自身运动过程中的复杂动态。
内部扰动主要体现在以下几个方面：
- 多个关节高速运动时引发的惯性耦合效应；
- 电机扭矩波动和传动间隙带来的振动；
- 负载变化（如抓取重物）所引起的重心偏移；
- 电池电量逐步消耗导致的质量分布微小变化。
这些内部动态因素往往相互叠加，容易造成机器人在执行行走或作业任务时产生步态不稳，甚至摔倒。传统的控制方式通常依赖于精确的物理模型，但在面对复杂且多变的内部动态时，往往难以实现理想效果。
专利亮点：融合数据驱动与强化学习，构建“自适应”控制机制
中国一汽此次公开的专利技术，提出了一种将数据驱动方法与强化学习相结合的创新控制架构。该架构由多个关键模块组成，旨在提高机器人对内部扰动的适应能力。
首先，系统通过多维感知采集模块，实时获取人形机器人关节角度、基座惯性测量单元（IMU）数据，以及足部与地面之间的接触力。这些数据相当于机器人自身的“神经末梢”，为后续控制提供基础信息。
上下肢解耦控制实现更精细化操作
在该系统中，上下肢的控制任务被分别独立处理：
- 上肢命令生成模块：根据具体任务需求（如搬运、装配）生成上肢动作指令，并计算对应的力矩控制。
- 下肢命令生成模块：专为行走任务设计，生成下肢的运动指令。
专利的核心创新在于下肢自适应训练模型。该模型将来自多个传感器的数据，包括关节角度、惯性测量参数、足部接触力、当前动作指令以及上一时刻的关节力矩等，统一输入至一个待训练的下肢控制模型中，通过学习优化控制策略。
系统进一步引入了奖励函数（Reward Function）机制，对模型进行持续训练。当机器人成功应对内部扰动并保持稳定时，模型将获得正向反馈；反之则受到负面反馈。借助大量训练样本，模型逐步提升对内部扰动的预测与补偿能力，从而实现“越用越稳”的自适应效果。
技术背景：从“旗小智”到工厂“7号员工”
此次专利的发布并非孤立事件，而是中国一汽在人形机器人领域长期战略部署的又一重要成果。早在2025年上海国际车展期间，中国一汽旗下红旗品牌推出的人形机器人“旗小智”便首次亮相，凭借其在发布会中担任主持人的表现引起广泛关注。
随后，“旗小智”被部署至中国一汽繁荣工厂，担任“7号智能员工”，承担零部件的精准分拣和物流运输任务。该机器人每日可处理上千件零部件，其作业稳定性和操作精度得到了充分验证。
业内人士指出，汽车制造环境对人形机器人的性能要求极高：不仅需要在狭小空间内灵活移动，还需搬运重物并确保操作安全。中国一汽此次公开的专利技术，正是为了解决机器人在高强度、高频次作业中因自身运动引发的稳定性问题，为其实现总装、物流等关键生产环节的规模化应用奠定坚实基础。
查看全文
传感器专家网 
四方光电 
评论0条评论