机器人多指手抓取中的规划问题

在机器人抓取系统中，一般认为需要４种规划器：即策略规划器，触觉规划器，轨迹规划抓取规划器，抓取规划器对成功抓取来说是非常重要的，在抓取规划器中，视觉模块用来把图象变换成物体的描述，接着用抓取模式选择模块把物体的描述换成一系列的控制信号，本文从最优抓取规划和基于专家系统的抓取规划这两个方面，着重从基于专家系统的抓取规划方面对当前机器人多指手抓取规划的研究现状及主要问题进行了深入地剖析。     

机器人多指操作的递阶控制

为机器人多指协调操作建立一递阶控制系统.给定一操作任务,任务规划器首先生成一系列物体的运动速度;然后,协调运动规划器根据期望的物体运动速度生成期望的手指运动速度和期望的抓取姿态变化;同时,抓取力规划器为平衡作用在物体上的外力,根据当前的抓取姿态,生成各手指所需的抓取力;最后,系统将手指的期望运动速度与为实现期望抓取力而生成的顺应速度合并,并通过手指的逆雅可比转化为手指关节运动速度后,由手指的关节级运动控制器实现手指的运动和抓取力的控制.该控制方法已成功应用于香港科技大学(HKUST)灵巧手控制系统的开发.实验证明该方法不仅能完成物体轨迹的跟踪控制任务,而且能完成物体对环境的力控制和力与速度的混合控制.     

机器人多指手的控制与传感器技术

本文阐述了多指手控制的独特性质和存在的困难，较为全面地讨论了现有控制方法及其优、缺点；介绍了主动感知、多传感器数据融合等方面的研究情况；同时简述了多指手的运动学、动力学、负载分配等方面的研究情况。     

机器人多指操作的递阶控制1)

This paper presents a hierarchical control system for robot multifingered coordinate manipulation. Given a manipulation,the task planner generates a sequence of object's motion velocities at first,and then generates for coordinate motion the desired velocities of finger's motion and desired orientation change of the grasped object according to the desired velocities of object's motion.At the same time,the force planner generates the grasp forces on the fingers in order to resist the external forces on the object,according to the grasp posture.Finally,the system generates a result compliance velocity from both the desired finger's velocities and desired grasp forces,and transfers it into joint velocites through the finger's inverse Jacobian.Then the controller of joint motion implements the control of both forces and velocities for the fingers.The approach has been applied to the development of control system HKUST dexterous hand successfully.Experiment results show that it is not only possible to trail and control the object's track,but also possible to realize force control and the hybrid control of both forces and velocities through this method.     

水下多指手研究现状

通过对国内外水下多指手研究进展的充分调研和总结,对水下多指手的现状和结构进行了综述,对影响水下多指手发展的密封与防腐技术、力感知技术、抓取最优规划技术及抓取力控制技术等关键技术进行了总结和分析,并展望其未来的发展趋势．     

多指灵巧手接触力控制研究

多指灵巧手与环境的接触力控制是其抓持物体并进行作业的基础，也是一个非常复杂的问题，本文用基于模糊控制的方法对多指灵巧手的接触力进行控制，并对非性性进行了补偿，实验结果表明所用方法是有效的。     

可编程控制器在机器人手中的应用

本文介绍了机器人手的动作构成和工作状态，并给出了模式选择方法，文中着重阐述了机器人手的控制系统，从而说明了ＰＣ在机器人中的广泛应用。     

人手抓持识别与灵巧手的抓持规划

本文研究灵巧手采用指尖抓持方式时的抓持规划方法．在相同的操作环境和操作对象下 ，由人手决定抓持接触点的位置，利用人手运动测量装置测量人手抓持位置，通过一定的映 射关系将其转换为灵巧手的抓持位置及其掌系的位姿，再根据灵巧手自身的结构通过运动学 反解确定其抓持位形．     

基于双目协调的小型全自主足球机器人导航

对所开发的小型全自主足球机器人只依靠双目异构视觉进行导航问题进行了研究．建立了双视觉测量目标相对和全局坐标的模型，给出了上目和下目的基本导航方法．然后重点分析了基于双目协调的足球机器人导航数据融合方法和双目协调机理．在所开发的全自主足球机器人上进行的实验及在FIRA的世界杯赛上机器人的成功表现，证明了双目协调导航的有效性和实用性．     

自主移动机器人智能导航研究进展

本文对当前在自主移动机器人智能导航研究中已被采用并取得的研究方法进行了１，并根据已取得的成果预测了移动机器人智能导航研究的发展趋势，指出视觉导航和传感器融合将是移动机器人智能导航的主要发展方向。     

多指手协调操作中内力的计算

机器人多指手协调操作物体时,合理地确定手指对被操作物体的作用力是必要的.本文将手指尖与被操作物体之间接触模拟为具有摩擦的点接触,对由多指手与被操作物体组成的这样一个速度较低的系统作了静力分析,并对多指手操作物体时的操作力作了合理的分配,提出基于力矩最小的内力的最优计算方法,在计算中,充分考虑到手指只能推而不能拉物体这一实事.最后,以4个手指操作一个圆柱形物体为例.对操作过程作了图形仿真.     

关于参数规划在自治智能移动式机器人中实际应用的探讨

机器人行走空间的复杂性决定了导航监控系统不仅为机器人提供行走路线,还要依据预先得到的先验数据与知识告诉机器人不同行走段的障碍分布、环境边界走向及约束程度,按照载体的几何形状,运动特性选择合适的速度、加速度,保证在安全的前提下最快完成行走.本文讨论了提取影响机器人当前行走的障碍、环境边界算法和不同行走速度段的划分与关键点抽取方法,讨论了各种速度段的分离、合并、高速行走段的插补和过短行走段的平滑滤除等等.     

三指机器人手的运动学研究

本文研究了指端与物体间为纯滚动接触时三指9关节机器人手操作物体的运动学问题,建立了手指关节运动与物体运动之间的位置关系、速度关系和加速度关系,给出了9个节间的运动约束条件。     

机器人灵巧手抓持分类器的设计与实现

机器人灵巧手的抓持分类是抓持规划的一个主要问题．本文应用模式识别技术设计和实现了 一种基于高斯混合模型GMM的分类器． 采用Expectation Maximization(EM)算法估计GMM的 参数，对人手的抓持动作进行识别与分类，经过人手到机器人手的关节空间运动映射，实现 了机器人灵巧手的抓持动作分类．该分类器可以应用于在线抓持规划．     

自主机器人的强化学习研究进展

虽然基于行为控制的自主机器人具有较高的鲁棒性,但其对于动态环境缺乏必要的自 适应能力．强化学习方法使机器人可以通过学习来完成任务,而无需设计者完全预先规定机 器人的所有动作,它是将动态规划和监督学习结合的基础上发展起来的一种新颖的学习方法 ,它通过机器人与环境的试错交互,利用来自成功和失败经验的奖励和惩罚信号不断改进机 器人的性能,从而达到目标,并容许滞后评价．由于其解决复杂问题的突出能力,强化学习 已成为一种非常有前途的机器人学习方法．本文系统论述了强化学习方法在自主机器人中的 研究现状,指出了存在的问题,分析了几种问题解决途径,展望了未来发展趋势．     

超冗余度机械手自律分散控制算法

本文介绍了一种超冗余度机械手的控制算法,它采用自律分散控制方法来指导冗余 度机械手末端执行器的运动,实现做功最小,从而避免采用需复杂计算的求逆解的方法,大 大简化了机械手的算法和控制,具有高度的“鲁棒性”和“容错性”．