機器人動態步態，如跑動動態，實踐上較具難度，研究上常使用簡化模型模擬並誘發機器人的動態。然而，簡化物理模型無法完全模擬實際機器人複雜動態，故本文提出一複合模型並利用此模型為模板激發足類機器人的跑動步態。此複合模型結合本實驗室先前所開發之Rolling Spring-loaded Inverted Pendulum (R-SLIP) 物理模型與一資料驅動(data-driven)模型，以高斯過程(Gaussian process (GP))回歸補償無法以物理模型描述之動態。R-SLIP-GP複合模型保有原R-SLIP模型之跑動動態，並在無需大量資料疊代與訓練情況下，進一步改善模型之準確性。藉由模擬與實際機器人跑動實驗，本研究驗證加入GP模型能大幅改善模型的準確性，尤其補償原本無法輕易建模之動態，如機器人腳與地面之間的複雜交互作用。此外，本文亦以R-SLIP-GP模型為模板，進而設計並控制機器人之跑動動態。實驗結果顯示，複合模型可以激發較原本R-SLIP模型更為穩定與省能的跑動動態。（機械系林沛群主任提供） 圖一 (a)在template and anchor架構下本文機器人動態設計與控制概念 (b) 本研究所提出之R-SLIP-GP模型 (c)實驗所使用之六足機器人 圖二 (a)某一步態下R-SLIP模型與R-SLIP-GP模型之動態預測結果 (b) 五組實驗步態模型預測誤差比較
機器人動態步態，如跑動動態，實踐上較具難度，研究上常使用簡化模型模擬並誘發機器人的動態。然而，簡化物理模型無法完全模擬實際機器人複雜動態，故本文提出一複合模型並利用此模型為模板激發足類機器人的跑動步態。此複合模型結合本實驗室先前所開發之Rolling Spring-loaded Inverted Pendulum (R-SLIP) 物理模型與一資料驅動(data-driven)模型，以高斯過程(Gaussian process (GP))回歸補償無法以物理模型描述之動態。R-SLIP-GP複合模型保有原R-SLIP模型之跑動動態，並在無需大量資料疊代與訓練情況下，進一步改善模型之準確性。藉由模擬與實際機器人跑動實驗，本研究驗證加入GP模型能大幅改善模型的準確性，尤其補償原本無法輕易建模之動態，如機器人腳與地面之間的複雜交互作用。此外，本文亦以R-SLIP-GP模型為模板，進而設計並控制機器人之跑動動態。實驗結果顯示，複合模型可以激發較原本R-SLIP模型更為穩定與省能的跑動動態。（機械系林沛群主任提供）
圖一 (a)在template and anchor架構下本文機器人動態設計與控制概念 (b) 本研究所提出之R-SLIP-GP模型 (c)實驗所使用之六足機器人
圖二 (a)某一步態下R-SLIP模型與R-SLIP-GP模型之動態預測結果 (b) 五組實驗步態模型預測誤差比較