一种基于变分自编码器的人形机器人自监督状态估计方法

本发明公开了一种基于变分自编码器的人形机器人自监督状态估计方法，涉及机器人感知与控制技术领域，该方法构建了编码器—解码器架构的状态估计模型，并基于自监督学习方法进行训练。通过输入机器人的历史观测信息，状态编码模块提取观测序列中的潜在特征表示，并结合特权信息进行监督训练，其中编码后的潜空间向量被划分为显式变量和隐式变量。显式变量用于与特权信息计算损失函数，隐式变量则作为状态解码模块的输入，以重建原始观测数据，实现对机器人的浮动基速度、位置、姿态以及足端接触状态的准确预测。推理阶段，该模型利用实时观测信息进行状态估计，为下游运动控制模块提供状态反馈，从而实现闭环控制。