双足机器人跌倒预测：站立阶段
机器人学
2025-06-03 v2
摘要
本文提出一种双足机器人跌倒预测的新方法，专门针对站立时由突发、初期与间歇故障引起的潜在跌倒检测。利用一维卷积神经网络（CNN），我们的方法旨在最大化跌倒预测前置时间的同时最小化误报率。所提算法独特地集成了各类故障类型的检测并估计潜在跌倒的前置时间。我们的贡献包括：开发可检测全尺寸机器人中突发、初期与间歇故障的算法，其在人形机器人的仿真与硬件数据上的实现，以及一种前置时间估计方法。包括误报率、前置时间与响应时间在内的评估指标证明了我们方法的有效性。特别地，我们的模型在不同故障场景下取得了令人印象深刻的前置时间与响应时间，且误报率为 0。本研究结果对提升双足机器人系统的安全性与可靠性具有重要意义。
引用
@article{arxiv.2309.14546,
title = {Fall Prediction for Bipedal Robots: The Standing Phase},
author = {M. Eva Mungai and Gokul Prabhakaran and Jessy W. Grizzle},
journal= {arXiv preprint arXiv:2309.14546},
year = {2025}
}
备注
\c{opyright} 2024 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works