人体推挤恢复研究

多年来，人形机器人的行走与推挤恢复控制器已取得进展，但仍存在导致不良行为的未解缺口。由于以往研究主要是纯工程方法，而数据驱动方法在控制领域已取得令人印象深刻的成就，我们确立了探索人类所应用控制规律的动机。成功的发现可能有助于填补当前基于工程的控制器中的缺口，并有可能提升性能。在本论文中，我们展示了用于收集和处理人体数据以及用于模型拟合数据分析的一组实验的完整设计与实现。利用所处理的运动数据和采集的力数据，我们导出参与者质心的位置、速度和加速度，以形成由推挤方向定义的一维质点模型。结果表明，比例-微分（PD）控制能够描述人们所使用的潜在控制规律，并且在我们研究范围内，推挤恢复试验的不同阶段设置了不同的 PD 增益。我们最终的 PD 控制拟合平均均方根误差低于 0.1m，平均考虑了试验数据点的 90% 以上。我们还探索了 PD 控制模型所使用的不同误差度量如何影响其性能，但我们提出的两种度量均未能帮助提升性能。最后，我们统计了人们如何根据推挤开始时质心特性切换推挤恢复策略。我们发现，质心离稳态点越远且速度越高，人越有可能迈步以补偿推挤力。