一种基于深度信息的人形机器人分层AI导航避障方法

本发明提出一种基于深度信息的人形机器人分层AI导航避障方法，上层强化学习模型将人形机器人的多种信息作为输入，并输出速度指令，使其作为下层强化学习模型的输入之一，下层强化学习模型输出各个关节的力矩并控制机器人运动，并通过估计网络对人形机器人当前的速度和角速度进行估计，在部署时与人形机器人本体信息进行融合，估计出人形机器人的实时位置，通过设置分层架构，使得人形机器人的导航避障能力可以与运动能力几乎解耦，网络也能分开训练，下层强化学习模型对速度进行了估计，估计精度很高，使在没有外部定位的情况下，也可以估计出机身的速度和位置，上层强化学习模型则是通过对视觉图像的分析，来做出速度的调整，最终实现避障。