LSTM运动模板

垂直动态更稳

相比物理模型R-SLIP与R-SLIP-GP，LSTM网络能更精准预测并引导机器人奔跑的动态行为，提升能量转换效率。

Ting-I, Su · Yuan-Tao, Huang · Lin, Peichun

IEEE/ASME Transactions on Mechatronics 2026

技术优势

预测更准

LSTM模型对机器人动态运动的预测精度高于包含高斯过程补偿的R-SLIP-GP模型。

跑得更稳

以模型不动点运动为参考生成的新动态奔跑表现出更稳定的垂直动态，同时地面反作用力更小。

能量效率更高

神经网络模型有效改善了能量转换，并减小机器人与地面之间的力交互幅度。

应用场景

• 足式机器人奔跑控制：用LSTM运动模板作参考，让腿式机器人跑得更稳、地面冲击更小。
• 机器人动态运动生成：以模型不动点为锚，生成新的动态奔跑运动，不依赖精确物理模型。
• 移动机器人运动规划：模型预测动态行为，为规划提供更准确的运动参考与力交互估计。
• 数据驱动机电系统建模：用LSTM从数据直接学出机电系统动态模型，精度超过物理模型加补偿。