一种基于DTW-GMM的机器人多机械臂多任务协同策略

为了控制机器人完成复杂的多臂协作任务, 提出了一种基于动态时间规整?高斯混合模型(Dynamic time warping-Gaussian mixture model, DTW-GMM)的机器人多机械臂多任务协同策略. 首先, 针对机器人示教时轨迹时间长短往往存在较大差异的问题, 采用动态时间规整方法来统一时间的变化; 其次, 基于动态时间规整的多机械臂示教轨迹, 采用高斯混合模型对轨迹的特征进行提取, 并以某一机械臂的位置空间矢量作为查询向量, 基于高斯混合回归泛化输出其余机械臂的执行轨迹; 最后, 在Pepper仿人机器人平台上验证了所提出的多机械臂协同策略, 基于DTW-GMM算法控制机器人完成了双臂协作搬运任务和汉字轨迹的书写任务. 提出的基于DTW-GMM算法的多任务协同策略简单有效, 可以利用反馈信息实时协调各机械臂的任务, 在线生成平滑的协同轨迹, 控制机器人完成复杂的协作操作.     

基于模糊强化学习的微创外科手术机械臂人机交互方法

为实现微创外科手术机器人的手术姿态调整,提出一种基于模糊强化学习的变导纳人机力交互模型.通过在线学习的方式将人的操作特性考虑到人机力交互过程之中,并能够自适应地调整导纳控制模型以响应操作者的控制意图.通过自行研制的微创外科手术机器人样机进行相关的实验验证,实验结果表明基于模糊Sarsa(λ)学习的变导纳控制模型可实现柔顺自然的机械臂摆位操作,能够满足力交互过程中各阶段的阻尼变化需求,具有较高的可控性和稳定性.     

基于语义的软件服务故障自动诊断模型

模仿学习是机器人仿生机制研究的主要内容之一,即通过观察、理解、学习、模仿示教行为实现机器人的仿生特性。基于高斯过程分别表达采集离散示教信号所构成的示教轨迹和含有未知参数策略的模仿轨迹,构建模仿学习方法框架,将概率模型匹配引入到模仿学习中,以KL散度为代价函数比较两种轨迹的概率分布,运用梯度下降法寻求使KL散度最小的最优模仿控制策略,将策略应用于模仿机器人以完成与示教相同的模仿任务。以关节型机器人的机械臂摆动行为模仿为学习任务进行仿真,结果表明基于概率轨迹匹配的模仿学习方法能够实现机械臂摆动行为模仿,学习过程较传统方法简易且学习效果较好。     

基于深度强化学习的机械臂控制快速训练方法

人工智能在机器人控制中得到广泛应用,机器人控制算法也逐渐从模型驱动转变为数据驱动。深度强化学习算法可在复杂环境中感知并决策,能够解决高维度和连续状态空间下的机械臂控制问题。然而,目前深度强化学习中数据驱动的训练过程非常依赖计算机GPU算力,且训练时间成本较大。提出基于深度强化学习的先简化模型（2D模型）再复杂模型（3D模型）的机械臂控制快速训练方法。采用深度确定性策略梯度算法代替机械臂传统控制算法中的逆运动学解算方法,直接通过数据驱动的训练过程控制机械臂末端到达目标位置,从而减小训练时间成本。同时,对于状态向量和奖励函数形式,使用不同的设置方式。将最终训练得到的算法模型在真实机械臂上进行实现和验证,结果表明,其控制效果达到了分拣物品的应用要求,相比于直接在3D模型中的训练,能够缩短近52%的平均训练时长。     

人-机器人技能传递研究进展

人-机器人技能传递（Human-robot skill transfer,HRST）是指人将操作技能传授给机械臂使得机器人具备类人化的作业能力,以达到高效示教编程的目的.相对于传统的机器人编程技术,人机技能传递具有高效率、低成本、不依赖机器本体平台等显著优点,是人-信息-机器人融合系统（Human-cyber-robot-systems,HCRS）中重要环节之一,应当给予足够的重视.本文首先介绍了人机技能传递技术的研究背景,接着简述了该技术在人机接口、建模、仿生自适应控制等方面的发展现状,并对未来的研究方向做出了展望.     

基于服务型机器人的机械臂手眼标定的研究与应用

随着科技的进步，服务型机器人也广泛应用于生活的很多场景中，其中，机械臂的应用丰富了服务型机器人的功能。将手眼标定算法应用于机械臂，可以使机械臂完成智能取物等动作，更好地服务于人。提出了一种眼在手上的基于服务型机器人的机械臂手眼标定算法，并对其误差进行了分析，验证发现其可以满足服务型机器人的取物应用。     

基于自然语言的分拣机器人解析器技术研究

工业机器人通常采用特定的机器人语言进行示教编程与控制,对于操作人员需要具有较高专业与技能要求,并且示教周期长导致工作效率降低。为了提高工业机器人使用效率与易用性,提出一种基于受限自然语言解析器的设计方法。该系统通过对受限自然语言进行词法解析、语法解析、语义解析,得到所需求的工作意图,然后与实时生成的三维空间语义地图进行匹配,结合机械臂轨迹规划,生成能够完成工作任务的机器人作业程序,并完成了机器人作业程序的解析与实际机械臂的控制。通过实验证明设计的基于受限自然语言处理的分拣机器人解析器能够正确解析自然语言命令,实现对机械臂的控制。     

基于双目视觉的机器人目标定位与机械臂控制

为了更好地与复杂多变的非结构化环境进行交互,完成对目标物体的识别和抓取,提出了一种应用于服务机器人平台的基于双目视觉的仿人机械臂控制方法。文中首先用D-H方法对机械臂进行建模,并对这个模型做了改进,给出了一种更加简便的3+1自由度仿人机械臂的逆解算法,采用基于双目视觉与颜色分割的目标识别方法;然后根据识别出的目标三维坐标信息控制机械臂完成抓取任务;最后,本方法在家庭服务机器人上得到了验证,机器人能够完成对目标物体的识别和抓取动作。     

基于Kinect的类人机械臂关节运动直接示教

针对人机自然交互技术研究中人臂与机械臂的关节映射问题,提出了一种7自由度类人机械臂关节运动直接示教方法.该方法利用Kinect获取笛卡儿空间内人臂特征点的空间位置坐标,研究了一种基于肘部约束的冗余7自由度人臂逆运动学解法,求解得到关节角度数据.为解决由于Kinect对人臂追踪性能限制所造成的机械臂抖动问题,提出了一种滤波方法来平滑处理机械臂的关节运动轨迹.最终,通过搭建基于Motoman类人机器人的实验平台并开展相应实验研究,验证了所提方案的可行性与有效性.     

基于双目视觉的机器人目标定位与机械臂控制

为了更好地与复杂多变的非结构化环境进行交互,完成对目标物体的识别和抓取,提出了一种应用于服务机器人平台的基于双目视觉的仿人机械臂控制方法.文中首先用D-H方法对机械臂进行建模,并对这个模型做了改进,给出了一种更加简便的3+1自由度仿人机械臂的逆解算法,采用基于双目视觉与颜色分割的目标识别方法;然后根据识别出的目标三维坐标信息控制机械臂完成抓取任务;最后,本方法在家庭服务机器人上得到了验证,机器人能够完成对目标物体的识别和抓取动作.     

面向直接示教的机器人负载自适应零力控制

相对于基于末端多维力传感器的直接示教工业机器人,基于关节扭矩传感器信息的机器人可接触范围大,且安全性更好.但在变负载的复杂工况下,加上受到机器人自身摩擦力、重力、惯性力的影响,示教效率受到制约.为此,本文提出了一种零力控制方法.首先,引入柔性关节机械臂的动力学模型作为被控对象,并分析了该模型中电机摩擦力、惯量以及机械臂重力在直接示教过程中的影响.然后,为精确补偿机器人自身的重力,基于QR分解与最小二乘理论进行参数辨识.而且针对机器人更换末端执行器或抓取物品后模型参数发生变化的情况,提出一种变负载自适应零力控制方法.最后,在自主研发的7自由度协作型机器人平台上进行了实验.机械臂自身重力参数辨识后的模型最大计算误差在关节额定力矩的4%以内,单关节力牵引实验中通过调节零力控制参数,牵引力矩可由约13 N·m下降到约2 N·m.变负载下的机器人牵引实验中,控制器能够在10 s内更新参数.实验结果表明,在负载变化的情况下,该控制方法可帮助操作者轻松地拖拽机器人进行精准、高效的直接示教.     

基于自动获取彩色目标的手臂运动轨迹跟踪

将计算机视觉应用于对示教者动作的分析,控制机器人完成动作轨迹的复现,成为机器人智能化的一个研究方向。针对机器人模仿示教者动作的视觉需求,提出一种基于自动获取彩色目标的目标跟踪算法。该算法在L*a*b空间采用k均值聚类算法对彩色图像分类;在HSV空间基于H分量采用直方图门限法识别彩色目标,最后采用camshift算法实现在图像序列中对目标轨迹的跟踪。通过对人体手臂关节点运动轨迹跟踪的实验表明,该算法能自动准确地识别多个彩色目标,并自动生成手臂关节运动轨迹,是机械臂模仿示教者动作的关键技术之一。     

满足不同交互任务的人机共融系统设计

人与机器人共同协作的灵活生产模式已经成为工业成产的迫切需求, 因此, 近年来人机共融系统方面的研究受到了越来越多关注. 设计并实现了一种满足不同交互任务的人机共融系统, 人体动作的估计和机器人的交互控制是其中的关键技术. 首先, 提出了一种基于多相机和惯性测量单元信息融合的人体姿态解算方法, 通过构造优化问题, 融合多相机下的2D关节检测信息和所佩戴的惯性测量单元测量信息, 对人体运动学姿态进行优化估计, 改善了单一传感器下, 姿态信息不全面以及对噪声敏感的问题, 提升了姿态估计的准确度. 其次, 结合机器人的运动学特性和人机交互的特点, 设计了基于目标点跟踪和模型预测控制的机器人控制策略, 使得机器人能够通过调整控制参数, 适应动态的环境和不同的交互需求, 同时保证机器人和操作人员的安全. 最后, 进行了动作跟随、物品传递、主动避障等人机交互实验, 实验结果表明了所设计的机器人交互系统在人机共融环境下的有效性和可靠性.     

基于深度强化学习的机械臂容错控制方法

针对机械臂突发单关节故障的情况,提出一种基于深度强化学习的机械臂容错控制方法。在建立环境模型和奖罚机制的基础上,针对机械臂正常运行和故障运行的情况,使用无模型的强化学习算法进行离线训练。在Rviz中建立机械臂模型并使用上述网络进行在线控制。实验证明:该算法可以有效完成机械臂的正常控制和容错控制。     

人机协作下的机械臂轨迹生成与修正方法

针对日常生活中多障碍物环境下的服务机器人机械臂轨迹规划问题,提出了一种人机协作下的轨迹生成与修正方法.首先,基于动态动作基元(DMP)模型,设计了一个能生成与示教轨迹形状相似的路径的方法.该方法针对多自由度耦合产生的轨迹形状畸变问题,通过将3维目标点投影于示教轨迹平面,再利用罗德里格旋转公式生成3维路径,保证了生成轨迹在各个方向都具有较稳定的形状特征.其次,针对存在多种形状障碍物的复杂操作环境,提出了通过插入交互点对轨迹形状进行修正的方法.并采用双抛物线插值算法使修正后的轨迹平滑.最后,基于人机协作的思想,在ROS(robot operating system)环境下搭建一个交互界面.从而操作者能够直观地辅助机械臂完成无障碍物和有障碍物的情况下的末端轨迹生成和修正.实验结果验证了该方法的直观性和灵活性,该方法适用于具有多种障碍物的复杂日常环境.     

示教机器人模型

这个模型具备示教再现机器人。的基本构成:传感器、示教键盘、控制器、驱动电路和电机伺服系统。虽然只有两个自由度,但经过不同机械结构的组合,以及通过示教,可做出很多有趣的动作,它还可以成为机械昆虫的一条腿。     

可穿戴式人体姿态检测系统设计

针对临床康复中人体关节活动度检测评估和康复机器人动作示教不方便、训练参数设置繁琐等问题,设计一种价格低廉、运动数据采集方便直观的人体姿态检测系统。系统采用MPU6050惯性测量单元,利用I~2C通信实现多通道传感器数据的采集上传,在上位机LabVIEW环境下基于互补滤波算法实现人体关节角度的检测。通过与某公司生产的三维步态分析及运动训练系统进行比对,证实此系统准确可靠,并利用此系统进行卧式下肢康复训练机器人示教动作采集,实现了机器人示教功能。     

空间绳系机器人抓捕目标过程协同稳定控制

针对空间绳系机器人抓捕无控目标过程中的自身稳定控制问题,提出一种操作机械臂主动阻尼控制与利用空间系绳、反作用轮进行基体姿态稳定控制相结合的协同稳定控制方法.文中首先建立了空间绳系机器人抓捕目标的动力学模型及与目标的接触碰撞模型,分析了抓捕过程中空间绳系机器人及目标的运动状态,在此基础上设计了操作机械臂关节主动阻尼控制律以减小碰撞力对操作机械臂末端的冲击,结合基体姿态的变化设计了滑模姿态稳定控制律,通过空间系绳和反作用轮提供基体所需的滑模姿态控制力矩.在抓捕目标仿真过程中对关节主动阻尼控制方法和所提出的协同稳定控制方法进行比较分析,结果表明,本文提出的抓捕目标协同稳定控制方法能很好地稳定操作机械臂和基体,且空间系绳对基体及目标的扰动影响很小,达到了空间绳系机器人抓捕目标时自身稳定的要求.     

舵机构成的六自由度示教型机械手臂设计

机械手臂在工业生产、灾难救援、手术医疗等方面有着广泛的应用。我国目前在设计和生产机械手臂上创新不足,与国际先进的生产商也有着巨大的差距。加大这方面的专业人才培养必须要有对应的实践操作设备。目前,机械手臂生产商的设备昂贵,为实验室建设和设备操作的普及带来昂贵的经济成本。因此,开发一款经济实用的示教型机械手臂可以助力人才培养。开发的机械手臂主要是由舵机和机械手臂控制器组成的六自由度机械手臂。每个舵机可以单独控制。连续多个舵机的动作,可以使机械臂到达指令位置,也可以使用动作组控制模式让机械手臂到达指定的位置。机械臂的驱动控制上采用PCA9685芯片作为PWM驱动信号的来源。该芯片能够输出16路PWM信号,以便后续的扩展。该型机械臂可用于完成各种设定动作,可以满足课堂上的机器人运动学原理讲授和演示需要,从而开展正常的教学活动。     

基于Kinect的机械臂增强现实示教研究

机械臂广泛地应用在工业自动化生产以及人们日常生活中,机械臂而示教学习作为一种重要的运动规划方式,是机械臂研究领域的一项重要研究内容。鉴于此,设计了一种基于Kinect的虚拟机械臂增强现实示教系统,通过Kinect传感器采集人手位置数据,利用机械臂逆运动学模型驱动虚拟机械臂跟踪人手运动,实现对机械臂的虚拟示教;利用增强现实技术,将虚拟机械臂叠加到真实环境中,实现对机械臂的增强现实示教。实验结果表明该系统能够将虚拟机械臂准确地叠加到真实环境中,并实时跟踪人手运动,系统具有良好的交互性。