融合多头注意力TCN网络与触地预分类模块的六足机器人步态识别模型

摘要

为提高六足机器人在多样地形下的环境感知能力，提出了一种融合了多头注意力机制的TCN网络和触地预分类模块的六足机器人步态识别网络模型，使用多头注意力机制的TCN网络有效地捕获足端力时间序列中的重要特征，并将其与六足机器人的步态进行关联，通过接触预分类网络可以预先提取接触力信号初步特征，多头注意力机制在步态识别中能够帮助模型更好地关注关键信息、建模长期依赖关系、适应不同步态特征以及处理不同速度和地形条件下的步态变化，触地预分类通道可以与多头注意力的TCN网络融合预测，从而提高步态识别的准确性和鲁棒性.实验表明该模型具有良好的泛化性能，整体准确率比多头注意力TCN网络提升了0.9%,相比GRU网络和Transformer网络提升了1.6%和0.4%,并且拥有更高的抗噪声能力.

关键词

步态识别 / TCN网络 / 多头注意力机制 / 融合神经网络 / 六足机器人

基金资助

国家自然科学基金青年基金项目(62103293)资助; 江苏省自然科学基金青年基金项目(BK20210709)资助; 苏州市前瞻性应用基础研究项目(SYG202138)资助; 江苏省先进机器人技术重点实验室开放基金项目(ZZ2316)资助