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！

龙图腾网获悉成都航天凯特机电科技有限公司申请的专利基于模型预测的人形机器控制方法及系统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：CN120715915B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511232271.4，技术领域涉及：B25J9/16；该发明授权基于模型预测的人形机器控制方法及系统是由张云辉;蒋礼平;李小龙;李银春;赵明;张永辉;邓溢铭;李跃设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本基于模型预测的人形机器控制方法及系统在说明书摘要公布了：本发明提供一种基于模型预测的人形机器控制方法及系统，首先获取人形机器的关节传感数据髋关节活动角度序列、膝关节受力信号和环境交互数据深度图像流数据、足底接触压力数据，经特征关联处理生成动态状态特征集，包含关节协同特征向量和环境约束特征矩阵；再调用预训练模型对特征集进行时空联合预测，输出含步态周期特征的未来运动控制序列；接着基于此构建关节同步控制模型，生成含时间协调约束的驱动控制指令集；最后将驱动控制指令集传输至分布式执行单元，采集关节状态反馈数据用于下一轮处理，从而提升了人形机器在复杂环境下的运动控制性能。

本发明授权基于模型预测的人形机器控制方法及系统在权利要求书中公布了：1.一种基于模型预测的人形机器控制方法，其特征在于，所述方法包括： 获取人形机器的关节传感数据和环境交互数据，所述关节传感数据包括髋关节活动角度序列和膝关节受力信号，所述环境交互数据包括深度图像流数据和足底接触压力数据； 对所述关节传感数据和所述环境交互数据进行特征关联处理，生成人形机器的动态状态特征集，所述动态状态特征集包含关节协同特征向量和环境约束特征矩阵； 调用预训练的运动序列预测模型对所述动态状态特征集执行时空联合预测处理，输出包含步态周期特征的未来运动控制序列，所述未来运动控制序列包括各关节的角度变化轨迹和执行器的力调节参数； 基于所述未来运动控制序列构建关节同步控制模型，生成包含时间协调约束的驱动控制指令集，所述驱动控制指令集包括每个关节的位置驱动信号和力反馈调节参数； 将所述驱动控制指令集传输至人形机器的分布式执行单元，执行所述驱动控制指令集并采集运动过程中的关节状态反馈数据，将所述关节状态反馈数据作为下一轮特征关联处理的输入数据； 所述对所述关节传感数据和所述环境交互数据进行特征关联处理，生成人形机器的动态状态特征集，包括： 对所述关节传感数据中的髋关节活动角度序列进行时域波动特征提取，通过滑动时间窗口捕捉角度序列的周期性变化特征，提取角度波动的主峰周期特征和波动幅度特征，作为髋关节动态特征； 对所述膝关节受力信号进行频带分量分析，将受力信号分解为不同频率范围的分量信号，提取各分量信号的能量占比特征和波形畸变特征，作为膝关节负载特征； 将所述髋关节动态特征和所述膝关节负载特征进行特征维度拼接，生成关节协同特征向量，所述关节协同特征向量的维度等于髋关节动态特征维度与膝关节负载特征维度之和，通过特征拼接实现下肢关节运动状态的耦合表征； 对所述环境交互数据中的深度图像流数据进行空间结构解析，通过立体匹配生成场景深度信息，提取障碍物的空间位置分布特征和地面坡度变化特征，构建环境空间特征矩阵； 对所述足底接触压力数据进行区域压力特征提取，将足底划分为前掌区域、中足区域和后跟区域，提取各区域的压力峰值特征和压力中心偏移特征，作为足底交互特征； 将所述环境空间特征矩阵和所述足底交互特征进行张量维度融合，生成环境约束特征矩阵，所述环境约束特征矩阵的行维度对应空间位置分布，列维度对应压力交互特征； 将所述关节协同特征向量和所述环境约束特征矩阵按照时间采集顺序进行对齐关联，通过非线性映射函数建立关节运动特征与环境约束特征的关联性，生成包含运动学与环境交互关系的动态状态特征集，所述动态状态特征集的每个特征元素均包含关节运动参数和对应的环境约束参数； 所述调用预训练的运动序列预测模型对所述动态状态特征集执行时空联合预测处理，输出包含步态周期特征的未来运动控制序列，包括： 将所述动态状态特征集输入运动序列预测模型的时空特征编码模块，通过空间注意力机制挖掘环境约束特征矩阵中的关键空间位置特征，通过时间注意力机制捕捉关节协同特征向量中的时序依赖关系，生成时空关联特征张量；所述空间注意力机制通过计算环境约束特征矩阵中各空间位置对关节运动的影响权重实现，所述时间注意力机制通过计算关节协同特征向量中不同时间点特征的关联权重实现； 将所述时空关联特征张量输入运动序列预测模型的图结构建模层，构建人形机器关节连接拓扑图，通过图节点特征传播计算关节间的运动耦合关系，生成图结构运动特征，所述关节连接拓扑图的节点表示各关节，边表示关节间的运动传递关系； 将所述图结构运动特征输入运动序列预测模型的时序预测层，通过递归预测方式生成未来多个时间步长的关节运动状态预测值，所述关节运动状态预测值包括各关节的角度预测值和执行器的力预测参数； 对所述关节运动状态预测值进行运动学可行性校验，以使得预测角度在关节活动范围限制内，预测力参数在执行器额定负载范围内，生成初步运动序列； 对所述初步运动序列进行步态周期划分，通过分析足底接触压力的周期性变化特征确定步态周期特征，所述步态周期特征包括支撑相持续特征和摆动相持续特征，将步态周期特征嵌入初步运动序列生成包含步态周期特征的未来运动控制序列，所述未来运动控制序列的时间步长与步态周期特征的时间划分保持一致； 所述基于所述未来运动控制序列构建关节同步控制模型，生成包含时间协调约束的驱动控制指令集，包括： 解析所述未来运动控制序列中的各关节角度变化轨迹，提取每个关节在各时间步长的目标角度特征和角度变化速率特征，构建关节运动学约束关系，所述关节运动学约束关系反映相邻关节角度变化的关联性； 基于所述关节运动学约束关系和人形机器的肢体连杆结构特征，通过逆运动学分析计算各关节的位置驱动参数，所述位置驱动参数包括关节旋转角度参数和旋转方向参数； 解析所述未来运动控制序列中的执行器力调节参数，结合关节当前负载状态特征，通过力反馈调节机制计算执行器的力反馈调节参数，所述力反馈调节参数用于补偿运动过程中的外部负载变化影响； 将所述位置驱动参数和所述力反馈调节参数输入关节同步控制模型的时间协调层，建立多关节之间的动作时间同步关系，生成时间协调约束条件； 基于所述时间协调约束条件对位置驱动参数和力反馈调节参数进行时间校准处理，使各关节的控制参数在时间轴上保持同步，生成校准后的关节控制参数； 将所述校准后的关节控制参数转换为执行器可识别的驱动信号格式，生成包含每个关节位置驱动信号和力反馈调节参数的驱动控制指令集，所述驱动控制指令集按照关节编号顺序和时间步长顺序排列，每个关节的驱动控制指令包含时间标识、位置驱动信号和对应的力反馈调节参数。

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成都航天凯特机电科技有限公司，其通讯地址为：611730 四川省成都市郫都区现代工业港新经济产业园西源大道一段1207号国盾融合创新中心一期B5-1、B5-2栋；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”。

以上内容由龙图腾AI智能生成。