یک چهارچوب کنترلی سلسله‌مراتبی و گسترده الهام گرفته شده از طبیعت برای یک ربات دو پای سه‌لینکی

گام‌برداری انسان یکی از مقاوم‌ترین و تطبیق‌پذیر‌ترین پدیده‌های دینامیکی در طبیعت می‌باشد که در آن، تعامل پیچیده‌ای میان سیستم عصبی و بیومکانیکی بدن وجود دارد. یکی از نظریه‌های پیشنهاد شده برای این پدیده، وجود یک ساختار دو سطحی است که در سطح پایین، کنترل سیستم توسط سیستم‌عصبی پراکنده در بدن به همراه سیستم اسکلتیعضلانی انجام می‌پذیرد و سیستم عصبی مرکزی (مغز) در سطح بالا، وظیفه کنترل سیستم در صورت عدم توانایی سطح پایین، نظارت و آموزش آن را بر عهده دارد. در این مقاله، بر اساس این نظریه، یک چهارچوب کنترلی دو لایه‌ای برای سیستم‌های زیر تحریک، با درجات آزادی بالا و دارای سیکل حد توسعه داده شده است که بر روی یک ربات دو پای سه‌لینکی در حال گام‌برداری پیاده سازی گردیده است. در این چهارچوب کنترلی، لایه پایین کنترلی از شبکه‌ای از کنترلهای ساده متناظر با هر درجه آزادی تشکیل می‌گردد که به منظور حفظ پایداری سیستم، توسط یک پسخوراند از وضعیت کلی سیستم تغذیه می‌گردد. علاوه بر این در لایه بالا، یک کنترلر مرکزی در نظر گرفته شده است که وظیفه آموزش این شبکه و نظارت بر حفظ پایداری سیستم را بر عهده دارد. در ادامه نشان‌داده شده است که به وسیله این شبکه کنترلی که با حداقل اطلاعات کنترلی تغذیه می‌شود، می‌توان سیستم در نظر گرفته شده را که یک سیستم دینامیکی ناپایدار است، کنترل نمود.

A Bio inspired Distributed Hierarchical Control Framework for Walking of a 3 Link Biped Robot

Human walking is one of the most robust and adaptive locomotion mechanisms in nature, involves sophisticated interactions between neural and biomechanical levels. It has been suggested that the coordination of this process is done in a hierarchy of levels. The lower layer contains autonomous interactions between muscles and spinal cord and the higher layer (e.g. the brain cortex) interferes when needed. Inspiringly, in this study, we present a hierarchical control architecture in order to control underactuated and high degree of freedom systems with limit cycle behavior and it is implemented for the walking control of a 3link biped robot. In this architecture, the system is controlled by independent control units for each joint at the lower layer. In order to stabilize the system, these units are driven by a sensory feedback from the posture of the robot. A central stabilizing controller at the upper layer arises in case of failing the units to stabilize the system and take the responsibility of training the lower layer controllers. We show that using this architecture, a highly unstable system can be stabilized with identical simple controller units even though they do not have any feedback from all other units and the robot.