双足机器人是腿足机器人领域的研究热点和重要的研究方向,相对于轮式、履带式其他类型的移动方式的机器人而言,具有更高灵活性和环境适应性,且更贴近人类的特征,具有重要的研究价值。其中步行稳定性是双足机器人未来能应用于实际环境的基础和关键。本文以12自由度双足机器人物理样机为研究对象,针对双足机器人的步态规划问题进行研究,主要工作内容作包含以下几个方面:(1)双足机器人结构设计及运动学分析。研究人体双腿构造和步行过程,仿照人腿结构特征来设计双足机器人的结构特征。基于DH坐标系构建了双足机器人的正运动学方程,并给出逆运动学的数值求解方法,为后续步态规划奠定了理论基础。(2)双足步行过程分析及离线步态规划。介绍检验双足机器人动态平衡的ZMP稳定判据,分析双足步行过程和规律,设计相关步行参数,利用插值算法在起步、止步、周期步行阶段在前向平面以及侧向平面分别规划了双足机器人的各关节轨迹曲线。(3)双足机器人的自学习反馈控制。把强化学习中的深度确定性策略梯度算法(DDPG算法)应用于双足机器人步行姿态的优化当中,以应对步行过程中的各项干扰因素带来的不确定性,并针对性地引入RBF神经网络和Sum Tree样本池工具来提升改进DDPG算法的效率,增强双足机器人行走的环境适应性。(4)双足机器人步态仿真与双足稳定行走实验。根据所搭建的双足机器人样机模型在Solidworks中创建相对应的三维模型,利用SW2URDF插件转移到ROS平台,在Gazebo仿真引擎中进行动力学仿真。然后设计了实验所需控制系统和驱动系统,配置了相应硬件来完成实验,验证了步行方法的合理性和正确性。理论研究,仿真分析和实验结果表明,本课题所提出的基于改进DDPG算法的离线规划-在线调整的双足机器人步行控制方式,具有效率高、稳定性好、可以根据环境变化自我调节等优势。本课题的研究也为未来进一步将强化学习等智能技术运用到传统控制领域提供参考和依据。