TWM677250U

TWM677250U - 人形機器人

Info

Publication number: TWM677250U
Application number: TW114204265U
Authority: TW
Inventors: 黃奇卿; 黃家鴻; 姜臨軒
Original assignee: 黃奇卿
Priority date: 2025-04-29
Filing date: 2025-04-29
Publication date: 2025-11-21

Abstract

一種人形機器人，該人形機器人的軀幹元件、大腿骨元件及小腿骨元件上設置多個慣性測量單元，該腳底板總成包括有第一觸地元件、第二觸地元件、第三觸地元件、第四觸地元件，其依序透過該樞軸元件而串連相接，該第一觸地元件位於該軀幹元件的朝前方向，該第四觸地元件位於該軀幹元件的朝後方向，該第四觸地元件透過一樞軸元件而連接於該小腿骨元件的下側，該腳底板總成安裝有樞軸元件及壓力感測單元，透過多個慣性測量單元及多個壓力感測元件的偵測，該人形機器人可以進行ZMP零力矩點步態控制、MPC模型預測控制分析，來達到機器人自主檢測、重心平衡的目的。

Description

人形機器人

本創作係關於一種機器人，特別是關於一種具有特殊腳底板結構設計且能達到人工智慧控制或自主控制，還能夠自主平衡運動狀態的人形機器人。

人形機器人具有像人一樣的雙足運動、雙臂作業，以及視覺、聽覺、力觸覺多模態感知功能，可以進行平地、樓梯等典型室內環境的運動和作業。然而由於人形機器人重心高，其安全穩定的運動對控制要求極高，難以實現高速移動功能，尤其是在地面環境有上坡、下坡、爬樓梯、下樓梯、加上障礙物、凹凸不平等情況下，人形機器人在複雜地形上行進、平衡、或防止摔倒等功能，目前仍存在很大的不足。

舉例來說，如發明專利CN201580020076.3公開了一種全方向輪式人形機器人，其具有運動的快速性優點，但是無法順利跨越障礙物。實用新型專利CN201720886723.5公開了一種可切換人形機器人運動模式的裝置，通過旋轉動力件帶動滾輪相對於底板轉動，從而讓機器人能夠在低速和高速模式下進行切換，但是也無法完成足式運動，對於較高起伏的地形也會造成該人形機器人失去平衡。發明專利CN201510443721.4公開了一種運動的人形機器人及工作方法，該機器人通過在腿的外側設置驅動輪和從動輪，驅動輪通過電機驅動從而實現輪式行走，在一定程度上該方案提升了移動速度及人形機器人的平衡，但它需要額外的驅動電機來實現高複雜運動，所以增加了機器人的複雜度和重量，控制穩定度會降低。

因此，要如何使該人形機器人固定重心，保持平衡，使其地形適應能力提升，能順暢地在斜坡、不平地面保持重心穩定，同時在複雜環境下達到感知與運動控制協同一致，克服轉向靈活性缺失，解決動態前進或移動、轉動狀態下的姿態控制問題，這是本領域具有通常知識者努力的目標。

本創作主要目的在讓人形機器人具備動態的重心調控功能，從而讓其可以適應上坡、下坡、忽上忽下、凹凸不平等複雜地形。

本創作另一目的，在解決雙足機器人剛性足部結構，從而缺乏儲能與衝擊吸收機制，進而導致行走能耗過高的問題。

本創作再一目的在讓人形機器人在移動、轉動時，可以維持重心固定、平衡穩定，而不會失穩跌倒。

為了解決上述及其他問題，本創作提供一種人形機器人，其包括有一軀幹元件、二大腿骨元件、二小腿骨元件、二腳底板總成及多個慣性測量單元，該大腿骨元件上方連接該軀幹元件，下方樞接該小腿骨元件，該小腿骨元件下方連接該腳底板總成，其特徵在於：該軀幹元件、該大腿骨元件及該小腿骨元件上設置至少一慣性測量單元，用以偵測該人形機器人各部位的移動及轉動慣量，該腳底板總成包括有一第一觸地元件、一第二觸地元件、一第三觸地元件、一第四觸地元件、多個樞軸元件及多個壓力感測單元，該第一觸地元件、第二觸地元件、第三觸地元件、第四觸地元件朝向地面或鄰近地面周邊處設置有該壓力感測單元，且該第一觸地元件、第二觸地元件、第三觸地元件、第四觸地元件依序透過該樞軸元件而串連相接，該第一觸地元件位於該軀幹元件的朝前方向，該第四觸地元件位於該軀幹元件的朝後方向，該第四觸地元件透過一樞軸元件而連接於該小腿骨元件的下側，該人形機器人透過該慣性測量單元進行ZMP零力矩點步態控制及分析，且透過該壓力感測單元進行重心平衡的回饋修正。

如上所述的人形機器人，其中，該大腿骨元件上設置的慣性測量單元數目為二，二慣性測量單元分別設置於該大腿骨元件的軸向兩端部；或者，該小腿骨元件上設置的慣性測量單元數目為二，二慣性測量單元分別設置於該小腿骨元件的軸向兩端部。

如上所述的人形機器人，其中，該第一觸地元件、第二觸地元件、第三觸地元件或第四觸地元件上設置至少一慣性測量單元，用以偵測其移動及轉動慣量；在更進一步實施例里，該第一觸地元件、第二觸地元件、第三觸地元件或第四觸地元件的慣性測量單元設置於該樞軸元件上或朝向地面之處。

如上所述的人形機器人，其中，該第三觸地元件上延伸設置有至少一緩衝桿，該緩衝桿連接至該第二觸地元件。

如上所述的人形機器人，其中，該第二觸地元件在朝後方向上延伸，且透過一樞軸元件而連接於該第四觸地元件。

藉此，本創作所述的人形機器人具備有下列效益：1．特殊設計的腳底板總成可以適應於上坡、下坡、忽上忽下、凹凸不平等複雜地形；2．解決雙足機器人剛性足部結構缺乏儲能與衝擊吸收機制，進而導致行走能耗過高的問題。因此，本領域具有通常知識者即可透過本創作所揭露之技術方案，實現上述諸多優點，從而使得雙足機器人具有更大的生活場景應用潛力。

為使能更進一步瞭解本創作之特徵及技術內容，請參閱以下有關本創作之詳細說明與附圖，然而所附圖式僅提供參考與說明用，並非用來對本創作加以限制者。為使能更進一步瞭解本創作的特徵及技術內容，請參閱以下有關本創作的詳細說明與附圖，然而所附圖式僅提供參考與說明用，並非用來對本創作加以限制。

10:人形機器人

11:大腿骨元件

12:小腿骨元件

13:軀幹元件

14:腳底板總成

141:第一觸地元件

142:第二觸地元件

143:第三觸地元件

144:第四觸地元件

145:樞軸元件

146:壓力感測單元

147:緩衝桿

15:慣性測量單元

FD:朝前方向

BD:朝後方向

θ:關節角度

91:支撐多邊形

92:零力矩點

圖1~圖2所繪示為本創作所述人形機器人各部位的結構示意圖。

圖3所繪示為第一實施例腳底板總成的分解示意圖。

圖4~圖7所繪示為第一實施例腳底板總成在不同狀況下的動作示意圖。

圖8所繪示為第二實施例腳底板總成的分解示意圖。

圖9~圖10所繪示為第二實施例腳底板總成在不同狀況下的動作示意圖。

圖11所繪示為本創作人形機器人的姿態控制方法流程圖。

圖12所繪示為本創作ZMP零力矩點步態分析的方法流程圖。

圖13~圖14所繪示為ZMP零力矩點步態分析的支撐多邊形變化圖。

圖15所繪示為該人形機器人的腳底板總成在上坡時的狀況示意圖。

圖16所繪示為該人形機器人的腳底板總成在下坡時的狀況示意圖。

圖17所繪示為該人形機器人的腳底板總成進行加速時的狀況示意圖。

圖18所繪示為該人形機器人的腳底板總成進行減速時的狀況示意圖。

圖19所繪示為該人形機器人調整重心的狀況示意圖。

圖20所繪示為該人形機器人向右側倒的狀況示意圖。

圖21所繪示為步驟A6的MPC預測控制演算法之方法流程圖。

圖22所繪示為步驟A7透過李雅普諾夫穩定性函數進行關節角度θ穩定平衡計算的方法流程圖。

隨著AI人工智能的進步，機器人的應用越來越多，且已逐步擴展至人類生活的方方面面；隨著人類生靈層面因素的影響，人形機器人或類人機器人的開發應用，則漸漸成為機器人領域的研發重點。請參閱圖1、圖2，圖1~圖2所繪示為本創作所述人形機器人各部位的結構示意圖。如圖所示，一人形機器人10，其包括有一軀幹元件13、二大腿骨元件11、二小腿骨元件12、二腳底板總成14及多個慣性測量單元15。該大腿骨元件11上方連接該軀幹元件13，下方樞接該小腿骨元件12，該小腿骨元件12下方連接該腳底板總成14。該大腿骨元件11及該小腿骨元件12夾有一關節角度θ。該軀幹元件13、該大腿骨元件11及該小腿骨元件12上設置多個慣性測量單元15，用以偵測該人形機器人10各部位的移動及轉動慣量。該慣性測量單元15，英語：Inertial Measurement Unit，簡稱IMU，可用以測量物體三軸姿態角(或角速率)以及加速度。一般而言，一個IMU慣性測量單元15內會裝有三軸的陀螺儀(gyroscopes)和x、y、z三個軸向的加速度計(accelerometers)，故而能用來測量物體在三維空間中的角速度和加速度，並以此解算出物體的移動速度、移動衝量等等動態變化。該慣性測量單元15大多用在需要進行運動控制的設備，如汽車、機器人上，也可以被用在需要用姿態進行精密位移推算的場合，如潛艇、飛機、導彈和航天飛行器的慣性導航設備等。在圖1、圖2的實施例里，該大腿骨元件11上設置的慣性測量單元15數目為一個，該慣性測量單元15設置於該大腿骨元件11的下端部。該小腿骨元件12上設置的慣性測量單元15數目為二，二慣性測量單元15分別設置於該小腿骨元件12的上下兩端部。在其他實施例里，該慣性測量單元15的數目越多越好，更多的慣性測量單元15就可以帶來更精准的動態偵測效果，或是消除單點盲區，從而提高該人形機器人10的姿態估計準確性。另，設置較多的慣性測量單元15也可以用來偵測到該大腿骨元件11及該小腿骨元件12的細微彎曲或轉動，用以准確地計算出元件間的機械應力狀態，並作為冗餘補償設計之用。在其他實施例里，該大腿骨元件11、小腿骨元件12上設置的慣性測量單元15數量也可以依照成本考慮而僅設置一個，或依功能考慮而設置三個以上。

《第一實施例》

請同時參閱圖3、圖4~圖7，圖3所繪示為第一實施例腳底板總成的分解示意圖，圖4~圖7所繪示為第一實施例腳底板總成在不同狀況下的動作示意圖。如圖3所示，該腳底板總成14包括有一第一觸地元件141、一第二觸地元件142、一第三觸地元件143、一第四觸地元件144、多個樞軸元件145及多個壓力感測單元146(同時標示於圖1、圖2)，該第一觸地元件141、第二觸地元件142、第三觸地元件143、第四觸地元件144朝向地面或鄰近地面周邊處設置有至少一壓力感測單元146，且該第一觸地元件141、第二觸地元件142、第三觸地元件143、第四觸地元件144依序透過該樞軸元件145而串連相接，該第一觸地元件141位於該軀幹元件13的朝前方向FD，該第四觸地元件144位於該軀幹元件13的朝後方向BD，該第四觸地元件144透過一樞軸元件145而連接於該小腿骨元件12的下側(對照圖1、圖2)。該壓力感測單元146是一種壓電材料，其在受到機械應力或壓力時，能夠產生電荷分離現象(即產生電壓輸出)，或者，在施加電壓時，能夠產生形變的一種特殊材料；這種獨特的雙向效應，即所謂的「壓電效應」，使得這類材料在感測器、換能器、執行器等多個領域有著廣泛的應用。一般而言，壓電材料有正壓電效應及逆壓電效應兩種，在此，本實施例採用的是正壓電效應，亦即，當對該壓力感測單元146施加機械應力時，材料內部會產生電荷的不對稱分佈，從而在材料表面形成電壓差，然後，透過該電壓差的大小，即可得知該第一觸地元件141、第二觸地元件142、第三觸地元件143、第四觸地元件144不同部位著地時地面的反作用力大小。在本創作的人形機器人10里，即可透過該第一觸地元件141、第二觸地元件142、第三觸地元件143、第四觸地元件144所設置的多個壓力感測單元146，來達到多點感知、靈活偵測的效果。此外，為了更進一步掌握該腳底板總成14每一部位的地形細微變化，還可以在該第一觸地元件141、第二觸地元件142、第三觸地元件143及該第四觸地元件144上設置至少一慣性測量單元15，用以偵測該第一觸地元件141、第二觸地元件142、第三觸地元件143及第四觸地元件144的移動及轉動向量。在較佳實施例里，該第一觸地元件141、第二觸地元件142、第三觸地元件143或第四觸地元件144的慣性測量單元15可以設置於該樞軸元件145上或朝向地面之處。如圖4所示，該第一觸地元件141、第二觸地元件142、第三觸地元件143、第四觸地元件144依序串接並組成該腳底板總成14。如圖5所示，透過對該第三觸地元件143左側樞軸元件145的控制(對照圖3)，即可使該第三觸地元件143以逆時針方向轉動。如圖6所示，透過對該第一觸地元件141左側的樞軸元件145的控制，即可使該第一觸地元件141以逆時針方向轉動，或者是使該第一觸地元件141以順時針方向轉動(如圖7所示)。

《第二實施例》

請同時參閱圖8、圖9~圖10，圖8所繪示為第二實施例腳底板總成的分解示意圖，圖9~圖10所繪示為第二實施例腳底板總成在不同狀況下的動作示意圖。如圖8所示，第二實施例的腳底板總成14也是由該第一觸地元件141、第二觸地元件142、第三觸地元件143及第四觸地元件144所組成。該第四觸地元件144設置於該小腿骨元件12下方，該第四觸地元件144透過一樞軸元件145連接該第三觸地元件143。該第三觸地元件143上側延伸設置有二可伸可縮的緩衝桿147，兩緩衝桿147連接至上方的第二觸地元件142。該第二觸地元件142在朝後方向BD上延伸，且透過一樞軸元件145而連接於該第四觸地元件144。請再參閱圖9，當該第一觸地元件141、第二觸地元件142、第三觸地元件143、第四觸地元件144連接組裝後，可以利用兩緩衝桿147伸長，從而讓該第二觸地元件142與該第三觸地元件143互相遠離；再如圖10所示，當兩緩衝桿147縮短時，該第二觸地元件142與該第三觸地元件143即可互相靠近。也就是說，當該腳底板總成14承受地面反作用力時，該腳底板總成14即可透過兩緩衝桿147而緩解地面的沖擊力量；或者，利用兩緩衝桿147主動推拉(即，主動伸長或縮短)，來用以控制該腳底板總成14從地面彈起的力量。

如此一來，透過上述的結構設計，本創作之人形機器人10可以透過複合式感測系統與仿生足部結構的整合設計，實現多維度動態平衡控制與地形適應能力。其能達到的具體效益包括：能夠適應複雜地形，藉由設置於軀幹元件13、大腿骨元件11、小腿骨元件12上的IMU慣性測量單元15，結合該腳底板總成14的不同位置上的多個壓力感測單元146設置，即可用以實時(Real time)偵測各部位移動慣量與地面接觸壓力分佈，然後再透過ZMP零力矩點演算與回饋修正，來使機器人動態調整重心位置，主動適應上坡、下坡、凹凸不平等不規則地形。還有，此一結構具備高穩定性與低能耗，透過該腳底板總成14多個觸地元件的串聯設計，再結合該樞軸元件145與緩衝桿147的結構設計，就可以將剛性的足部轉化為柔性多段式觸地單元；如此，該腳底板總成14不僅能吸收行走衝擊、儲存動能降低能耗，更可透過分佈式壓力感測而精確判讀地面反作用力，配合大腿骨元件11、小腿骨元件12兩端部上的IMU慣性測量單元15的雙向慣量監測，藉以大幅提升該人形機器人10的運動穩定性，避免失穩跌倒，達到步態分析控制的目的。再者，此一結構可以輔助自主智慧決策，也就是說，透過該慣性測量單元15及壓力感測單元146的設置，可以整合機器人的動作數據與壓力訊息來協同分析，使機器人無需人為干預即可自主調整步態與姿態，達成靈活轉向與動態平衡，強化環境感知與運動控制的同步性，實現類人類的環境適應智能。

《方法實施例》

請參閱圖11，圖11所繪示為本創作人形機器人的姿態控制方法流程圖。如圖11所示，先提供本創作所述的人形機器人10(步驟A1)，再透過該人形機器人10上已設置的慣性測量單元15，來即時偵測該人形機器人10各部位的運動狀態(步驟A2)，然後取得多個慣性測量單元15及壓力感測單元146的檢測訊號，藉以區分該人形機器人10重心失衡的類別(步驟A3)。一般而言，該人形機器人10可能面臨的路況包括上坡、下坡、跑步時的加速或減速、雙腳站立時遇到外力推撞而傾倒(失去重心)等。從動力學角度來看，該人形機器人10面臨的動力學問題涉及了位置、加速度、角加速度的變化，因此，該人形機器人想自主處理外力推擠下的自主平衡，或是凹凸起伏情境下的動作預測，從而達到四肢修正、重心調整的目的，則需要對該人形機器人10的平衡議題進行初步分類；如此，在後續分析計算時，就可以快速鎖定適用的演算法或分析的數學函數。舉例來說，若該腳底板總成14朝前方向FD的壓力感測單元146偵測的壓力小於朝後方向BD，該步驟A3就可以判定該人形機器人10可能在下坡路段行進；若該腳底板總成14朝前方向FD的壓力感測單元146偵測的壓力大於朝後方向BD，則該步驟A3就可以判定該人形機器人10可能是在上坡路段行進。當然，實際地面條件可能更為複雜，上坡下坡僅是初步分類，其後續仍需輔以更進一步的分析。再來，基於ZMP零力矩點92步態控制，分析計算得到一最佳平衡策略(步驟A4)。在此，為了對雙足機器人進行ZMP零力矩點步態分析，其定義有「支撐多邊形(Supporting Polygon)」及「ZMP零力矩點(Zero Moment Point)」。ZMP為零力矩點的英文簡稱，它又稱零動量點或壓力中心點，這是指在地面上，該人形機器人10所有水平動量合力為零的點。在維克布拉多維奇(Miomir Vukobratovic)的平衡理論中，只要雙足機器人的足部”支撐多邊形”內有一ZMP零力矩點，或者說，慣性力的延長線與地面交點位於”支撐多邊形”內，則多足系統就不致翻覆。因此，無論是靜止或行走，只要該ZMP零力矩點超出”支撐多邊形”的範圍之外，該人形機器人10就會翻覆倒下；只要ZMP零力矩點落在支撐多邊形的範圍之內，該人形機器人10就可維持平衡。這也意謂著，在人形機器人10的步態控制中，當其進行移動或轉動的動態變化時，即時(Real time)計算或得知零力矩點的位置是至關重要的，因為這直接關係到機器人的平衡穩定性；所以，確保該人形機器人10的ZMP零力矩點始終位於支撐多邊形之內，即可維持該人形機器人10平衡穩定，無論該人形機器人10是位於斜坡上或是行進奔跑中。請參閱圖13、圖14，圖13~圖14所繪示為ZMP零力矩點步態分析的支撐多邊形變化圖，其中，該支撐多邊形91是指，多足機器人所有與地面接觸的腳所圍成的面積範圍。以人形機器人10的雙足系統為例，可分為單腳支撐於地面及雙腳支撐於地面這兩種狀況；如圖13所示，在該人形機器人10的雙腳支撐於地面的狀況下，其”支撐多邊形91”即為雙足接觸地面面積所圍成的凸多形，在雙腳著地的狀況下，該人形機器人10的肢幹移動、雙手擺動、軀幹元件13的移動晃動，都會造成該人形機器人10的零力矩點92的位置改變，只要該零力矩點92的移動範圍不超出該支撐多邊形91，則該人形機器人10即可維持平衡穩定，不會摔倒或傾覆，若一旦肢幹移動、雙手擺動、軀幹元件13的移動晃動的程度過大，導致該零力矩點92的移動範圍超出該支撐多邊形91，則該人形機器人10就無法維持平衡穩定。再如圖14所示，當單腳支撐於地面的狀況下，其”支撐多邊形91”即為支撐腿的足底觸地的面積，在此，該人形機器人10處於行走或奔跑的場景下，該零力矩點92晃動較大，就需要另一支懸空的腳透過分析計算下一個踩地的位置，來讓該零力矩點92重新處於該支撐多邊形91內部。所以，ZMP零力矩點演算法應用於該人形機器人10的平衡控制演算，它的核心思想是調整該人形機器人10的零力矩點92，使其保持在該支撐多邊形91之內，就可以確保機器人不會倒下，然後通過監測和調整該ZMP的位置，使該人形機器人10實現靜態和動態平衡。

請參閱圖12，圖12所繪示為本創作ZMP零力矩點步態分析的方法流程圖。如圖12所示，為了達到步驟A4的ZMP步態分析計算，A4更包括下列子步驟：透過多個慣性測量單元15分析該人形機器人10的質心位置及軌跡變化(步驟A41)，通過該軀幹元件13、大腿骨元件11、小腿骨元件12上所安置的IMU慣性測量單元15來即時採集該人形機器人10的速度、加速度、角速度、角加速度等動態資訊；在較佳實施例里，甚至還可以引入濾波演算法(如卡爾曼濾波器)來處理IMU慣性測量單元15的資料，以提高姿態估計的準確性；基於其收集到的動態資料，結合該人形機器人10的3D結構、幾何空間建模分佈，即可計算得出當前該人形機器人10的質心位置及其隨時間的變化軌跡(即加速度)。再來，透過該軀幹元件13上的慣性測量單元15取得該人形機器人10的動量變化(步驟A42)，分析大腿骨元件11、小腿骨元件12上的IMU慣性測量單元15所取得的速度、加速度數據，結合該人形機器人的3D空間結構和當前的速度，即可計算得出該人形機器人10的總動量變化；這些動態訊息對於分析該人形機器人10的運動狀態極為重要，尤其是在快速移動或改變方向時。然後，透過多個壓力感測單元146確認該人形機器人10的支撐多邊形91(步驟A43)，請同時參閱圖13及圖14，透過該人形機器人10腳底板總成14上安裝的多個壓力感測單元146檢測地面反作用力的分佈情況，並結合該軀幹元件13、大腿骨元件11及小腿骨元件12上的多個IMU慣性測量單元15，即可根據各感測器記錄的壓力值而分析並確定即時狀態下人形機器人10的支撐多邊形91範圍。然後，依據牛頓-歐拉方程，計算分析該人形機器人10的ZMP零力矩點92與該人形機器人10支撐多邊形91的相對應位置關係(步驟A44)，該牛頓 -歐拉方程式具體公式為：其中X_zmp是ZMP零力矩點92的x座標，X_CoM是該人形機器人10質心的x座標，a_z是加速度，g是重力加速度，X_f是腳與地面接觸點的x座標，CoM是指Center of Mass質量中心之意。同理，y座標的公式與x座標公式相同，只要將公式X改為Y即可。如此一來，通過IMU慣性測量單元15及壓力感測單元146取得的CoM質心座標訊息、腳底板總成14的座標訊息，再結合牛頓-歐拉方程式的計算，即可得出ZMP零力矩點92相對應於該人形機器人10支撐多邊形91的空間位置關係。之後，若該ZMP零力矩點92的位置超出該人形機器人10支撐多邊形91的範圍，即可判斷並計算該軀幹元件13、大腿骨元件11或小腿骨元件12需要進行平衡的移動向量(步驟A45)，進而調整該軀幹元件13、大腿骨元件11及小腿骨元件12的角度、位置等步閥參數，亦即，該軀幹元件13、大腿骨元件11或小腿骨元件12可以在下一時間點，透過改變動作而來形成新的支撐多邊形91，達到該人形機器人10姿態修正，以實現穩定平衡的目的。

當步驟A4的ZMP分析計算出結果，即可依據該結果來驅動該人形機器人10的四肢，以進行伸展、彎折或調整重心(步驟A5)；以下，舉出一些實際上該人形機器人10可能遇到的場景，來說明步驟A5該人形機器人10伸展、彎折四肢，用以調整重心、達到身軀平衡的方法或步驟。請參閱圖15，圖15所繪示為該人形機器人的腳底板總成在上坡時的狀況示意圖；如圖15所示，當該人形機器人10上坡移動時，該步驟A5先驅動該第四觸地元件144及該第三觸地元件143同時著地，再依序驅動該第二觸地元件142、第一觸地元件141著地。該腳底板總成14各觸地元件的著地次序、離地次序，都可透過該樞軸元件145來進行控制(同時參閱圖3)，用以達到緩和地面沖擊力量、節省能量耗損的功效。再來請參閱圖16，圖16所繪示為該人形機器人的腳底板總成在下坡時的狀況示意圖；如圖16所示，當該人形機器人10在下坡移動時，該步驟A5依序驅動該第四觸地元件144、第三觸地元件143、第二觸地元件142、第一觸地元件141著地。在此特別說明，該人形機器人10在下坡與平地移動時，該腳底板總成14的各個觸地元件的觸地次序是相同的；藉此，該人形機器人10在平地移動或下坡移動時也可以達到緩和地面沖擊力量、節省能量耗損的功效。

請參閱圖17，圖17所繪示為該人形機器人的腳底板總成進行加速時的狀況示意圖。如圖17所示，當兩腳底板總成14輪流著地時，該步驟A5驅動該接觸地面的腳底板總成14，使該第一觸地元件141瞬時推擠地面，從而進行加速前進；亦即，該第一觸地元件141的推擠力量，可以讓加速度的值，相比單純利用大腿骨元件11、小腿骨元件12，還要再提高一些。請參閱圖18，圖18所繪示為該人形機器人的腳底板總成進行減速時的狀況示意圖。如圖18所示，當兩腳底板總成14輪流著地時(即跑步或快走時)，該步驟A5驅動該懸空的腳底板總成14，使其第四觸地元件144瞬時推擠地面，用以施展更大的瞬間阻力，達到減速效果。請參閱圖19，圖19所繪示為該人形機器人調整重心的狀況示意圖；如圖19所示，當該人形機器人10以兩腳站立，卻因外力導致瞬間失去重心，步驟A44計算分析得知該ZMP零力矩點92朝向該支撐多邊形91的外圍移動，然後超出該支撐多邊形91的範圍之外，故而開始傾倒；此時該步驟A5即可驅動該人形機器人10的大腿骨元件11及小腿骨元件12彎折(產生類似人類蹲下去的效果)，用以將整個人形機器人10的重心調低。請參閱圖20，圖20所繪示為該人形機器人向右側倒的狀況示意圖；如圖20所示，當該人形機器人10向右側傾倒時(以人形機器人10的視野方向為准)，步驟A44計算分析該ZMP零力矩點92朝向該軀幹元件13的右側移動，該步驟A5則驅動該人形機器人10右邊的腳底板總成14及右邊的大腿骨元件11、小腿骨元件12以順時針轉動，使該人形機器人10的支撐多邊形91含蓋該ZMP零力矩點92；也就是說，該零力矩點92因為右腳腳底板總成14轉動後，即可處於該支撐多邊形91內部，如此一來，該人形機器人10就會因為該右腳腳底板總成14的轉動，而不再繼續向右傾倒。相同的道理，當步驟A44計算分析該ZMP零力矩點92朝向該軀幹元件13的左側移動時，該步驟A5驅動該人形機器人10左邊的腳底板總成14逆時針轉動(未繪示)；即可改變該人形機器人10的支撐多邊形91，從而阻止該人形機器人向左傾倒。

接下來，該人形機器人10在實際生活場景下可能會面臨複雜多變且不可測的各種路況，因此，還需要其具備對未來一段時間的步態預測，並在該周期內隨時對該人形機器人10的步閥進行回饋修正，以達到滾動式優化的效果。因此，還可以再加上步驟A6(參閱圖11)，透過多個慣性測量單元15與壓力感測單元146採集的訊息，進行MPC模型預測控制算法的迭代與步態優化。在此，該MPC模型預測控制(Model predictive control，簡稱MPC)是一種程式控制手段，它是以過程的動態模型為基礎，在滿足特定限制條件下，可以針對每一次時間段內的步閥做出最佳化設計；亦即，該MPC預測控制的演算法會去抓取過去時間點的機器人動態，然後透過演算法的分析計算得出下一周期的可能發生事件(就人形機器人10來說，可能是巔跛的路況、跑步時的晃動加速度、或時突如其來的外力…等)，從而規劃出該人形機器人10最佳的應對方式(例如減速、放低身體重心、改變個別的步閥距離…等)。請參閱圖21，圖21所繪示為步驟A6的MPC預測控制演算法之方法流程圖，如圖21所示，該步驟A6的子步驟包括有：通過該軀幹元件13、大腿骨元件11及小腿骨元件12上的慣性測量單元15，取得該人形機器人10的姿態訊息與地面反作用力訊息(步驟A61)，從該人形機器人10的軀幹元件13、大腿骨元件11及小腿骨元件12關節處設置的IMU慣性測量單元15，以大約1k Hz頻率同步採集x、y、z三軸的加速度、角速度數據，再加上腳底板總成14的壓力感測單元146以500Hz頻率採集地面的反作用力，從而解算出該人形機器人10的滾轉角、俯仰角、偏航角等訊息，並且計算得出地面反作用力的分量，甚至透過運動學模型推算出各關節角度θ、角速度及加速度。再來，基於該取得的訊息而建立該人形機器人10的動力模型，並據以計算出當前時刻該人形機器人10的質心位置及其速度(步驟A62)；在較佳實施例裡，可以利用拉格朗日方程(Lagrangian equation)來對兩腳底板總成14的質量、動量或角動量進行分析，以得到兩腿的動能(kinetic energy)和勢能(potential energy)；此一方法係將人形機器人10的雙腿視為擺動支架，故其動力學模型又可以稱為「擺動腿模型」。該拉格朗日方程如下：其中，q_S為關節角度向量，Ds為慣性矩陣，Cs是科氏力矩陣(Coriolis Matrix)，Gs是重力向量，Bs為表示關節力矩，u為各個關節的力矩；在此，Cs科氏力在雙足機器人領域里可以忽略不計。如此一來，透過拉格朗日方程來分析雙足機器人剛體的動力學模型，將大小腿骨的質量、動量、角動量、關節摩擦及外力項等參數融入，從而得出每一控制週期(約10毫秒)內的質心位置及速度。之後，透過該動力模型預測未來N步內該人形機器人10的質心軌跡(步驟A63)，於MPC框架中，可以將動力學模型線性化為狀態空間模型，並離散化為時間步長△t=10ms，再設定預測時域N=50步(共耗時0.5秒)，於每控制週期求解上述拉格朗日方程，以求得最小化質心軌跡偏差、ZMP誤差及關節力矩為目標，來生成未來N步之質心位移、速度及加速度預測矩陣序列。再根據預測的質心軌跡規劃未來N步內的步態矩陣序列集合，並確定每一步的目標位置與該人形機器人10的姿態(步驟A64)，基於該人形機器人10規劃未來N步之質心軌跡、足部軌跡(包括擺動及支撐多邊形)、質心高度變化及上身姿態角，來設定每步的目標位置及姿態角(滾轉、俯仰、偏航)，並且生成關節參考軌跡(角位置、角速度、角加速度)。然後，即時監控該人形機器人的運動狀態，對比其實際運動狀態與預測的質心軌跡(步驟A65)；在此，進行實時狀態的監控與誤差分析，其可以在每個控制週期內將實測質心位置、速度及ZMP位置與預測矩陣序列值進行比對，並計算誤差向量。具體來說，即設定位置誤差閾值為0.01m，速度誤差閾值為0.05m/s，當任一時間點的誤差閾值超出此一範圍時，即觸發步態修正機制。當實際運動狀態與預測質心軌跡的誤差超出預定閾值時，即對後續步態矩陣序列集合裡的目標位置與該人形機器人10的姿態訊息進行反饋運算(步驟A66)，也就是說，當誤差超限時，即在拉格朗日方程裡引入反饋的結果，將實時誤差輸入至動態矩陣裡進行反覆運算，從而調整未來N步之質心軌跡預測，藉以達到即時滾動修正與優化該人形機器人10的姿態訊息(步驟A67)，形成一閉環控制。如此一來，透過步驟A6的MPC模型預測控制演算法，引入拉格朗日方式來進行數據矩陣計算、迭代，即可有效地對雙足機器人的步態進行即時回授控制、立刻調整並優化，確保其在各種複雜環境下都能保持良好的平衡性和穩定性。藉此，透過步驟A6的MPC模型預測控制演算法的分析計算，可以有效地對雙足機器人的步態進行訊息迭代、回饋控制、即時調整，從而達到預測、規劃及優化步態的效果，以確保該人形機器人10在各種複雜環境下都能保持良好的平衡性和穩定性，更可以讓該人形機器人10在靜止起步、行進時減速、上坡、下坡(上下坡度可達±25度)、凹凸不平等多種運動條件下達到自主平衡及姿態調節，實現該人形機器人10動態重心在響應時間50毫秒以內的自主調整。

如圖11所示，除了步驟A6的MPC模型預測控制優化之外，本創作也可以透過李雅普諾夫穩定性(Lyapunov stability)函數演算法來探測該人形機器人10的步態穩定性，亦即，透過多個慣性測量單元15與壓力感測單元146採集的訊息，以李雅普諾夫穩定性函數進行該關節角度θ的穩定平衡計算與該人形機器人10的動態控制(步驟A7)。請同時參閱圖22，圖22所繪示為步驟A7透過李雅普諾夫穩定性函數進行關節角度θ穩定平衡計算的方法流程圖；如圖22所示，針對該慣性測量單元15取得該人形機器人10的運動狀態，建立李雅普諾夫函數的動力學模型(步驟A71)，首先，透過該大腿骨元件11、小腿骨元件12上所安裝的IMU慣性測量單元15來獲取該人形機器人10的姿態、速度、加速度等步態資訊，透過計算得到大腿骨元件11、小腿骨元件12之間的關節角度θ，將該人形機器人10的關節角度θ、角速度、角加速度以及外力和力矩等參數納入，用以構建李雅普諾夫穩定函數的動力學模型。該李雅普諾夫穩定的動力學模型如下：其中，q為關節角度向量，τ為關節力矩，M、C、g分別為慣性矩陣、科氏力項和重力項；在該人形機器人10應用里，該科氏力可以忽略不計；在此，李雅普諾夫穩定性可用來描述一個動力系統的穩定狀態，如果此動力系統給定一初始條件，且連續一段時間後其軌跡均能持續維持在該初始條件附近，那麼該系統該初始條件處呈「李雅普諾夫穩定」。接下來，以該人形機器人10的啟動加速度或減速加速度來換算該關節角度θ的角速度及角加速度，並以此建立該人形機器人10的函數邊界條件(步驟A72)，亦即，在建立好李雅普諾夫穩定性方程之後，根據該人形機器人10的啟動加速度或減速加速度來換算該關節角度θ的角速度及角加速度，再根據該人形機器人10的物理結構和運動限制來建立函數的邊界條件。這些邊界條件包括關節角度θ的取值範圍、角速度和角加速度的上下限等；例如，某些關節的角度可能只能在特定的區間內運動，超過這個範圍可能會導致機器人損壞或失去平衡。將這些邊界條件納入李雅普諾夫函數的約束條件中，確保後續計算的結果在物理上是可行的。然後，閉環回饋計算並修正該人形機器人10的關節角度θ(步驟A73)，其中，在該人形機器人10運動的過程中，持續接收該IMU慣性測量單元15傳來的即時運動狀態訊息，將實際的關節角度θ、角速度與李雅普諾夫函數所計算出來的期望值進行對比，從而得出誤差值；也就是說，基於李雅普諾夫函數的穩定性理論，來通過閉環回饋控制演算法對關節角度θ進行修正。在此，步驟A73閉環回饋控制的核心，是根據誤差的大小和方向來動態地調整控制輸入，使誤差逐漸減小並趨近於零。通過不斷地反覆運算計算和調整，使關節角度θ逐漸趨近於李雅普諾夫函數所得出的穩定目標值。最後，依計算修正的結果驅動該大腿骨元件11及小腿骨元件12(步驟A74)，此一不斷優化、不斷修正的閉環控制過程，就可以實現該人形機器人10步態的穩定平衡。藉此，利用李雅普諾夫穩定性函數，結合精確的動態訊息獲取、演算法計算以及回饋控制，即能有效地實現該人形機器人10雙足步態的穩定平衡，即使面臨複雜不可測的地面條件，仍可快速回復且保持穩定平衡。

藉此，本創作人形機器人10具備有特殊設計的腳底板總成14，可以適應於上坡、下坡、忽上忽下、凹凸不平等複雜地形，並且解決雙足機器人剛性足部結構缺乏儲能與衝擊吸收機制，進而導致行走能耗過高的問題。另外，該人形機器人10的姿態控制方法，可以基於MPC模型預測控制演算法的分析計算下，可以有效地對雙足機器人的步態進行訊息迭代、回饋控制、即時調整，從而達到預測、規劃及優化步態的效果，且實現靜止起步、行進時減速、上坡、下坡等多種運動條件下的自主平衡及姿態調節。即使面對凹凸不平、複雜多變的不可測地面，也可時透過迭代、誤差修正，而讓該人形機器人10自主回歸穩定平衡。

本創作以實施例說明如上，然其並非用以限定本創作所主張之專利權利範圍。其專利保護範圍當視後附之申請專利範圍及其等同領域而定。凡本領域具有通常知識者，在不脫離本專利精神或範圍內，所作之更動或潤飾，均屬於本創作所揭示精神下所完成之等效改變或設計，且應包含在下述之申請專利範圍內。