基于EACO的人形机器人仿生双足运动控制

为构建能像人类或其他有腿动物一样高效且稳定行走的机器人，我们开发了一种增强型精英变异蚁群优化（EACO）算法，其在人形机器人或其他有腿机器人的实时应用中引入遗传与交叉算子。本工作通过利用马尔可夫链估计期望收敛速率，提升了应用于实时人形机器人的EACO的全局搜索能力与收敛速率。此外，我们特别关注EACO算法在广泛问题上的表现，从蚁群优化（ACO）、实编码遗传算法（GAs）、结合神经网络（NNs）的GAs、粒子群优化（PSO），到复杂机器人系统，包括人形机器人的步态综合、可参数化轨迹的动态建模与步态优化。实验结果揭示了该方法发现早熟收敛概率、成功应对固有停滞、并提升基于EACO的人形机器人系统收敛速率的能力，且证明了我们的策略在求解复杂优化任务上的适用性与有效性。利用EACO优化策略，我们发现了速度高达0.47m/s的可靠且快速行走步态。这些发现对理解和应对EACO的固有停滞与较差收敛速率具有重要意义，并为人类形机器人的遗传架构与控制优化提供了新见解。