| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-26页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 仿人机器人的发展概述 | 第11-14页 |
| 1.2.1 仿人机器人发展历程 | 第11-14页 |
| 1.2.2 仿人机器人发展趋势 | 第14页 |
| 1.3 模仿学习在仿人机器人运动规划中的应用 | 第14-17页 |
| 1.3.1 仿人机器人传统运动规划方法 | 第14-15页 |
| 1.3.2 模仿学习的引入 | 第15-16页 |
| 1.3.3 基于模仿学习的仿人机器人运动规划系统 | 第16页 |
| 1.3.4 模仿学习用于仿人机器人运动规划的难点 | 第16-17页 |
| 1.4 仿人机器人模仿学习的国内外研究现状 | 第17-24页 |
| 1.4.1 基于示教姿态的模仿学习 | 第17-21页 |
| 1.4.2 基于示教轨迹的模仿学习 | 第21-24页 |
| 1.4.3 仿人机器人模仿学习面临的局限 | 第24页 |
| 1.5 本文的研究内容及组织结构 | 第24-26页 |
| 第2章 仿人机器人姿态模仿的静态平衡控制 | 第26-40页 |
| 2.1 引言 | 第26页 |
| 2.2 仿人机器人质心的预估与控制 | 第26-30页 |
| 2.2.1 基于人体示教数据的机器人质心预估 | 第26-28页 |
| 2.2.2 机器人质心-角度雅可比矩阵的求解 | 第28-29页 |
| 2.2.3 基于二次规划的质心补偿量的优化 | 第29-30页 |
| 2.3 基于KINECT的示教数据获取 | 第30-33页 |
| 2.3.1 人体示教骨骼点的采集 | 第31-33页 |
| 2.3.2 人体示教关节角度的转换 | 第33页 |
| 2.4 基于NAO机器人的仿真实验分析 | 第33-39页 |
| 2.4.1 仿人机器人静态姿态模仿的研究 | 第35-37页 |
| 2.4.2 连续低速运动模仿下的质心控制 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 仿人机器人步态模仿的动态平衡控制 | 第40-56页 |
| 3.1 引言 | 第40页 |
| 3.2 仿人机器人步态模仿的稳定性控制 | 第40-44页 |
| 3.2.1 ZMP理论概述 | 第40-42页 |
| 3.2.2 基于小车-桌子模型的ZMP方程建立 | 第42页 |
| 3.2.3 基于ZMP方程的仿人机器人步态稳定性控制 | 第42-44页 |
| 3.3 步态模仿中的支撑脚识别与质心加速度的计算 | 第44-46页 |
| 3.3.1 基于滞回曲线的支撑脚选取 | 第44-45页 |
| 3.3.2 基于示教信息的机器人质心加速度计算 | 第45-46页 |
| 3.4 基于NAO机器人的仿真实验分析 | 第46-54页 |
| 3.4.1 支撑脚的识别 | 第46-47页 |
| 3.4.2 仿人机器人对人体步态的模仿学习 | 第47-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第4章 基于SVR的仿人机器人姿态平衡泛化的研究 | 第56-70页 |
| 4.1 引言 | 第56页 |
| 4.2 支持向量回归算法 | 第56-59页 |
| 4.2.1 支持向量线性回归模型 | 第56-57页 |
| 4.2.2 支持向量非线性回归模型 | 第57-58页 |
| 4.2.3 支持向量回归算法的优点 | 第58-59页 |
| 4.3 基于SVR的仿人机器人姿态平衡回归模型的构建与训练 | 第59-66页 |
| 4.3.1 机器人姿态平衡模型的建立 | 第59-60页 |
| 4.3.2 基于粒子群算法的回归模型参数的寻优 | 第60-64页 |
| 4.3.3 姿态平衡回归模型的训练 | 第64-66页 |
| 4.4 NAO机器人姿态平衡泛化的仿真实验分析 | 第66-68页 |
| 4.5 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间取得的学术成果 | 第78-80页 |
| 致谢 | 第80页 |