| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-25页 |
| 1.1 研究背景与选题意义 | 第10-11页 |
| 1.2 仿人机器人的发展历程 | 第11-14页 |
| 1.3 仿人机器人运动规划研究现状 | 第14-21页 |
| 1.3.1 仿人机器人步态规划研究现状 | 第14-18页 |
| 1.3.2 仿人机器人复杂运动规划研究现状 | 第18-21页 |
| 1.4 机器人蜂拥控制研究现状 | 第21-22页 |
| 1.5 主要研究内容简介 | 第22-24页 |
| 1.6 论文的结构安排 | 第24-25页 |
| 第二章 NAO机器人结构与运动学 | 第25-34页 |
| 2.1 引言 | 第25-26页 |
| 2.2 仿人机器人运动学 | 第26-32页 |
| 2.2.1 NAO机器人数据结构与编程模型 | 第26-30页 |
| 2.2.2 正运动学 | 第30-31页 |
| 2.2.3 逆运动学 | 第31-32页 |
| 2.3 零力矩点 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于自然ZMP的仿人机器人步态规划与优化 | 第34-56页 |
| 3.1 引言 | 第34页 |
| 3.2 基于自然ZMP的质心轨迹规划 | 第34-42页 |
| 3.2.1 单腿支撑相轨迹规划 | 第35-36页 |
| 3.2.2 双腿支持撑轨迹规划 | 第36-38页 |
| 3.2.3 统一坐标系中的多步轨迹规划 | 第38-39页 |
| 3.2.4 摆动腿轨迹规划 | 第39-40页 |
| 3.2.5 实验结果与比较 | 第40-42页 |
| 3.3 基于粒子群的步态轨迹优化算法 | 第42-55页 |
| 3.3.1 粒子群算法 | 第42-43页 |
| 3.3.2 基于粒子群算法的步态参数选择与评价函数 | 第43-45页 |
| 3.3.2.1 步态参数的设计与步行流程 | 第43-44页 |
| 3.3.2.2 评价函数 | 第44-45页 |
| 3.3.3 机器学习训练平台建立 | 第45-47页 |
| 3.3.3.1 训练准备 | 第45-46页 |
| 3.3.3.2 训练流程 | 第46-47页 |
| 3.3.4 分层学习 | 第47-49页 |
| 3.3.5 实验结果与分析 | 第49-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 基于简化模型的仿人机器人射门运动规划与优化 | 第56-69页 |
| 4.1 引言 | 第56-57页 |
| 4.2 基于三质心模型的仿人机器人射门算法 | 第57-64页 |
| 4.2.1 三质心模型 | 第57-58页 |
| 4.2.2 摆动腿与ZMP轨迹规划 | 第58-60页 |
| 4.2.3 射门算法流程 | 第60-61页 |
| 4.2.4 射门前机器人姿态调整方法 | 第61-62页 |
| 4.2.5 基于三质心模型的机器人射门算法效果验证 | 第62-64页 |
| 4.3 基于粒子群的射门轨迹优化算法 | 第64-68页 |
| 4.3.1 基于三维线性摆模型的射门流程 | 第64-65页 |
| 4.3.2 基于粒子群算法的射门优化算法应用 | 第65页 |
| 4.3.3 实验结果 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 基于量化信息蜂拥控制的多仿人机器人编队与避障 | 第69-85页 |
| 5.1 引言 | 第69页 |
| 5.2 预备知识与系统描述 | 第69-71页 |
| 5.2.1 图论相关知识与非连续微分方程的Filippov解 | 第69-71页 |
| 5.2.2 系统描述 | 第71页 |
| 5.3 基于量化信息的二阶多智能体蜂拥控制 | 第71-76页 |
| 5.3.1 多智能体量化蜂拥控制 | 第71-75页 |
| 5.3.2 仿真实验 | 第75-76页 |
| 5.4 基于量化信息蜂拥控制的多机器人编队与避障 | 第76-84页 |
| 5.4.1 基于量化蜂拥控制的多机器人避障 | 第76-81页 |
| 5.4.2 仿真实验 | 第81-84页 |
| 5.5 本章小结 | 第84-85页 |
| 第六章 CIT3D Robo Cup仿真实验平台 | 第85-98页 |
| 6.1 Robo Cup 3D仿真平台框架 | 第85-86页 |
| 6.2 CIT3D仿真球队程序框架 | 第86-89页 |
| 6.3 定位算法 | 第89-91页 |
| 6.4 全身动作设计 | 第91-94页 |
| 6.5 调试工具开发 | 第94-97页 |
| 6.6 本章小结 | 第97-98页 |
| 主要结论与展望 | 第98-100页 |
| 主要结论 | 第98页 |
| 展望 | 第98-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-108页 |
| 附录 | 第108页 |
| 作者在攻读博士学位期间发表的论文 | 第108页 |
| 作者在攻读博士学位期间取得的研究成果 | 第108页 |
