Um Controlador de Aprendizado SVR Predictivo Baseado em Filtro de Kalman Não Scentido (UKF) para Caminhada Bipede

Um controlador de aprendizado de regressão de vetor de suporte (SVR) preditivo baseado em filtro de Kalman não scentido (UKF) é proposto para melhorar a flexibilidade de robôs bipedes. Após estimar os estados bipedes do próximo momento usando um UKF, um controlador de aprendizado SVR com os estados bipedes preditos é implementado para garantir a estabilidade do ponto de momento zero (ZMP). Usando os estados bipedes preditos, o controlador de aprendizado SVR pode ajustar de forma previsível a postura do tronco de maneira oportuna e adequada para se adaptar à postura dinâmica do corpo inteiro. A flexibilidade dos robôs bipedes é aprimorada pelo método proposto, que é promissor para a realização da caminhada bípede estável em ambientes não estruturados. Resultados de simulação e experimentais demonstram a superioridade dos métodos propostos.