例如，现有对仿人机器人步行时跌倒状态的判定主要利用姿 态信息或 ZMP 点位置信息，但这样判断是不全面的 。某申请提 出了基于多传感器检测仿人机器人跌倒状态的方法，通过实时融 合机器人步态阶段信息、姿态信息和 ZMP 点位置信息 ，并利用 模糊决策系统，判定机器人当前的稳定性和可控性，为机器人下 一步动作提供参考。其解决方案涉及一种基于多传感器信息仿人 机器人跌倒状态检测方法，其特征在于包含如下步骤：（ 1 ）通过 对姿态传感器信息、零力矩点 ZMP 传感器信息和机器人步行阶 段信息进行融合，建立分层结构的传感器信息融合模型；（2）分 别利用前后模糊决策系统和左右模糊决策系统来判定机器人在 前后方向和左右方向的稳定性，具体步骤如下：①根据机器人支 撑脚和地面之间的接触情况与离线步态规划确定机器人步行阶 段 ；②利用模糊推理算法对 ZMP 点位置信息进行模糊化；③利 用模糊推理算法对机器人的俯仰角或滚动角进行模糊化；④确定 输出隶属函数；⑤根据步骤① ~ 步骤④确定模糊推理规则；⑥去 模糊化。现有技术公开了仿人机器人的步态规划与基于传感器信 息的反馈控制 ，并根据相关融合信息对机器人稳定性进行判断， 其中包括根据多个传感器信息进行仿人机器人稳定状态评价，即 现有技术公开了该解决方案中的步骤（ 1 ），该解决方案与现有技 术的区别在于采用步骤（2） 的具体算法的模糊决策方法 。基于 该申请可知，该解决方案有效地提高了机器人的稳定状态以及对 其可能跌倒方向判断的可靠性和准确率 。姿态信息、ZMP 点位

置信息以及步行阶段信息作为输入参数，通过模糊算法输出判定 仿人机器人稳定状态的信息，为进一步发出准确的姿势调整指令 提供依据 。因此，上述算法特征与技术特征在功能上彼此相互支 持、存在相互作用关系，相对于该现有技术，确定发明实际解决 的技术问题为：如何判断机器人稳定状态以及准确预测其可能的 跌倒方向。上述模糊决策的实现算法及将其应用于机器人稳定状 态的判断均未被其他对比文件公开 ，也不属于本领域公知常识， 现有技术整体上并不存在使本领域技术人员改进现有技术以获 得要求保护发明的启示，要求保护的发明技术方案相对于最接近 的现有技术是非显而易见的 ，具备创造性。