买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西湖大学申请的专利一种导盲机器人及其导盲控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116035874B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310032362.8，技术领域涉及：A61H3/06；该发明授权一种导盲机器人及其导盲控制方法是由崔东飞;周祎博;董相铭;吴宗凯;魏震宇;王东林设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本一种导盲机器人及其导盲控制方法在说明书摘要公布了：一种导盲机器人，包括机器人平台和控制装置，所述的机器人平台为导盲机器人平台，所述的控制装置设置于机器人平台的上方，所述的控制装置包括无刷直流电机、电机控制器、带编码器的万向节和牵引绳索组成；所述的电机控制器CAN通信网络与计算单元通信，所述的电机控制器控制无刷直流电机，所述的电机控制器上集成设置力传感器，所述的力传感器上设置牵引绳索；本发明的有益效果在于：本方案采用基于强化学习和时序预测模型的四足导盲机器人控制精确高效地完成导盲任务。

本发明授权一种导盲机器人及其导盲控制方法在权利要求书中公布了：1.一种导盲机器人的导盲控制方法，其特征在于：包括机器人平台和控制装置，所述的机器人平台为导盲机器人平台，所述的控制装置设置于机器人平台的上方，所述的控制装置包括无刷直流电机、电机控制器、带编码器的万向节和牵引绳索组成；所述的电机控制器CAN通信网络与计算单元通信，所述的电机控制器控制无刷直流电机，所述的电机控制器上集成设置力传感器，所述的力传感器上设置牵引绳索； 所述的机器人平台上设置雷达、RGB-D摄像头和编码器，所述的雷达、RGB-D摄像头和编码器获取点云、摄像头与盲人的距离和盲人相对于导盲机器人的偏角，通过所述的点云、摄像头与盲人的距离和盲人相对于导盲机器人的偏角由编码器发送至建图和定位系统；所述的建图和定位系统生成网格图并发送至路径规划系统；盲人路径规划器根据人的位置和目标位置规划出一条无碰撞的路径传给路径修正模块；路径修正模块由盲人和导盲机器人的速度根据训练好的策略输出修改路径的k值从而修改路径规划的步长得到符合盲人速度的规划路径；k值是对原本路径规划的采样率，它的取值范围是[0,1,2,3,4]；强化学习网络由输入盲人和导盲机器人的速度得到路径规划的采样率；盲人运动规划器中的盲人运动预测模型根据盲人定位模块输入的盲人位置信息和反馈力处理分析得到盲人的位置传给盲人运动规划器；盲人运动规划器根据修正后的规划路径和预测的盲人位置通过模型预测控制优化输出绳子的拉力、绳长和导盲机器人的偏航角；由人的位置、绳子的拉力的方向、绳长和导盲机器人的偏航角可以得到导盲机器人的期望位置；导盲机器人运动预测模型根据导盲机器人定位模块的定位信息、期望速度、反馈速度、反馈力和编码器角度预测导盲机器人的位置；导盲机器人运动规划器根据预测的导盲机器人位置和期望的导盲机器人位置通过MPC的方法优化输出导盲机器人的命令速度；导盲机器人的速度控制器根据命令速度控制导盲机器人运动同时电机的PID控制器根据命令拉力控制电机通过导盲绳牵引盲人完成导盲任务； 所述导盲机器人的导盲控制方法，包括行人运动规划、机器人动作控制、运动模型预测模型； 所述的行人运动规划通过行人运动规划器实现，所述行人运动规划器为机器人规划了期望位置，并为绳子电机规划了期望的力；首先，规划器会先调用行人状态预测器HSE，来预测行人未来的速度，SAC算法会从全局路径规划点中选择出合适的个点，作为人接下来步的期望位置；然后构造矩阵，其中为表征力方向的单位向量，表示绳子长度，为偏航角，根据行人状态预测其公式： 来预测接下来步人的位置，其中T表示时间步长； 为了优化得到最好的，根据公式最小化了损失函数： 其中，，，为权重参数，、以及为设定的阈值参数； 对于损失函数，最小化能够使行人接近期望终点；最小化能够使行人的预测轨迹接近规划轨迹；最小化和能够使绳子拉力的大小和方向不会发生突变；最小化和能够使绳子的长度和方向不会发生突变； 最终，被用来控制电机；同时，根据优化矩阵，使用机器人动力学模型RDM来对机器人运动控制器预测路径： 所述的机器人运动控制器为导盲机器人规划了期望速度；由于机器人的底层控制器能够抗干扰，因此机器人的动力学模型，与过去若干部所受到的扰动，和真实速度都有关；因此，不能将狗所受到的力F和速度改变量简化为线性关系； 为了更好地表达F和的关系，用西湖导盲机器人采集了数据集，并训练了基于Transformer的机器人运动学模型RDM； 首先构造待优化矩阵，根据公式： 预测了接下来步导盲机器人的位置； 为了优化得到最好的，最小化了如下的损失函数： 其中，，是权重参数； 对于上述损失函数，最小化能够使机器人的预测轨迹接近规划轨迹；最小化能够保证机器人行走的高效； 最终，作为最优线速度和角速度来控制机器人； 所述的运动预测模型，是Transformer基于现有的序列-序列模型，使用encoder-decoder架构；在encoder-decoder架构中，编码器将输入序列x1,…,xn转换为一个连续的表达z=z1,…,zn，然后解码器再基于该表达生成输出序列y1,…,ym；模型由encoder和decoder堆叠而成，每一层的具有相同的结构；encoder由2层组成，每一层包括两个子层：第一层是multi-headself-attention层，第二层是一个简单的全连接前馈网络；在每个子层后，都接了一个残差连接以及归一化，即每个子层的输出为了方便残差连接，模型中的所有子层，包括embedding层，输出向量维度均为； Transformer中使用的注意力机制被称为“ScaledDot-ProductAttention”；该模块的输入包括三个向量：查询向量、键向量和值向量；三个向量均基于输入向量计算得出，查询向量和键向量的维数为，值向量的维数为；先计算单个查询向量和所有键向量的点积，然后将其除以，最后通过一个softmax函数得到对应的权重，再与值向量进行加权；该过程可以表达为如下公式： 其中查询向量Q、键向量K和值向量V；查询向量和键向量的维数为；给定一个输入矩阵，基于不同的参数矩阵计算得到多组V、K、Q矩阵，然后通过多个注意力函数计算得出多个加权后的V矩阵，最后将这些矩阵拼接起来，通过一个权重矩阵W得到最终的输出；这就是Transformer的多头注意力机制；上述过程用公式可以表达如下： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西湖大学，其通讯地址为：310000 浙江省杭州市西湖区转塘街道石龙山街18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。