认知推理的家庭服务机器人演示学习研究

提出一种基于对比示范的演示学习方法,旨在指导家庭服务机器人快速智能地学习指定任务决策.在模拟家庭环境下,首先利用视觉手段检测和跟踪任务对象,获取”教师”演示正反例关键信息,通过动作识别和状态检测将信息抽象成符号形式,然后经过认知推理得到演示任务的执行决策和约束条件,并通过动作共享指导机器人重现任务.给定演示实例,在真实移动机器人平台上进行了多次成功演示验证,结果表明本方法在家庭服务机器人快速准确的任务学习方面是有效的.     

基于多源信息融合的协作机器人演示编程及优化方法

为解决现有机器人装配学习过程复杂且对编程技术要求高等问题,提出一种基于前臂表面肌电信号和惯性多源信息融合的隐式交互方式来实现机器人演示编程.在通过演示学习获得演示人的装配经验的基础上,为提高对装配对象和环境变化的自适应能力,提出了一种多工深度确定性策略梯度算法（M-DDPG）来修正装配参数,在演示编程的基础上,进行强化学习确保机器人稳定执行任务.在演示编程实验中,提出一种改进的PCNN（并行卷积神经网络）,称作1维PCNN（1D-PCNN）,即通过1维的卷积与池化过程自动提取惯性信息与肌电信息特征,增强了手势识别的泛化性和准确率;在演示再现实验中,采用高斯混合模型（GMM）对演示数据进行统计编码,利用高斯混合回归（GMR）方法实现机器人轨迹动作再现,消除噪声点.最后,基于Primesense Carmine摄像机采用帧差法与多特征图核相关滤波算法（MKCF）的融合跟踪算法分别获取X轴与Y轴方向的环境变化,采用2个相同的网络结构并行进行连续过程的深度强化学习.在轴孔相对位置变化的情况下,机械臂能根据强化学习得到的泛化策略模型自动对机械臂末端位置进行调整,实现轴孔装配的演示学习.     

机器人运动轨迹的模仿学习综述EI北大核心CSCD

作为机器人技能学习中的一个重要分支,模仿学习近年来在机器人系统中得到了广泛的应用.模仿学习能够将人类的技能以一种相对直接的方式迁移到机器人系统中,其思路是先从少量示教样本中提取相应的运动特征,然后将该特征泛化到新的情形.本文针对机器人运动轨迹的模仿学习进行综述.首先详细解释模仿学习中的技能泛化、收敛性和外插等基本问题;其次从原理上对动态运动基元、概率运动基元和核化运动基元等主要的模仿学习算法进行介绍;然后深入地讨论模仿学习中姿态和刚度矩阵的学习问题、协同和不确定性预测的问题以及人机交互中的模仿学习等若干关键问题;最后本文探讨了结合因果推理的模仿学习等几个未来的发展方向.     

遥控焊接力觉仿人智能参数校正级控制研究

通过分析遥控焊接过程机器人与工件接触力误差目标轨迹,在遥控焊接力觉仿人智能运动控制级控制基础上,建立了遥控焊接力觉仿人智能参数校正级控制基元集合、特征模型、多模态控制和多目标推理决策规则．实验表明,通过遥控焊接仿人智能力觉参数校正级控制,能减小焊接力觉实际相轨迹与理想相轨迹误差,使焊接操作者产生较好的力觉临场感效果,增强对遥控焊接复杂任务的操作能力,提高遥控焊接质量．     

基于深知识的YGR-1型自动机器人系统

提出了一种自动机器人系统的结构,在该系统对处理世界进行了模型化,建立了对象模型深知识库,在控制机器人动作序列的生成中,模仿了人的思维方式,提出了一种将基于模型的推理和并行推理技术应用于机器人任务规划与控制的方法,并设计了推理程序。     

基于动态系统的机器人模仿学习方法研究

针对当前机器人模仿学习过程中,运动模仿存在无法收敛到目标点以及泛化能力差的问题,引入一种基于动态系统（dynamical system,DS）的模仿学习方法。该方法通过高斯混合模型（gaussian mixture model,GMM）将示教运动数据建模为一非线性动态系统;将DS全局稳定的充分条件作为约束,以保证DS所生成的所有轨迹收敛到目标点;将动态系统模型的参数学习问题转化为求解一个约束优化问题,从而得到模型参数。以7bot机械臂为实验对象,进行仿真实验和机器人实验,实验结果表明:该方法学习的DS模型从不同起点生成的所有轨迹都收敛到目标点,轨迹平滑,泛化能力好。     

基于对象模型的机器人规划生成系统及并行推理

提出了一种机器人规划生成系统的结构,该系统对机器人物理世界进行了模型化,建立了对象模型知识库,在控制机器人动作序列的生成中,模仿了人的思维方式,将最基本、最简单的最先处理,采用差异减小法逐步减小当前状态与目标状态之间的差距而逼近在达到目标状态,并提出了一种能较好解决画面问题的方法,用该方法解决画面问题比较完美。此外,提出了一种将并行推理技术应用于机器人任务规划的方法,并设计了推理程序。     

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.     

机器人模仿学习的非接触观测控制图模型

提出一种新的基于非接触观测信息的机器人模仿学习表征与执行的控制图模型.建立可模仿学习的人-机关系,并得出模仿学习前提条件是以系统末端微分运动为基本行为元.提出控制图模型结构和基于视觉观测序列的模型学习方法.提出基于累积和瞬时相关函数的观测序列分割和图结构生成方法,和基于RBF(径向基函数)网络的行为元目标学习方法.通过不同结构和自由度的机器人毛笔绘画和物体抓取模仿学习实例实验,证明了所提出模型在视觉观测信息下能够表征与执行不同层次和类型的行为,具有良好的泛化能力、通用性及实用性.     

基于能效优化的仿人机器人跑步步态优化与控制

针对高能耗导致的仿人机器人难以大规模实用化的问题,提出了一种新的仿人机器人参数化跑步步态优化方法。分析了不同跑步步态参数对仿人机器人水平、垂直方向的稳定性及能耗的影响,将机器人步态优化问题转化为对步态参数的多目标寻优问题,根据连杆模型得到机器人跑步过程中水平、垂直方向的稳定裕度及能耗表达式,并构造目标函数,采用基于对位学习的遗传算法对机器人参数化跑步步态进行多目标寻优,在保证机器人俯仰、翻滚和偏摆各方向力矩平衡的前提下降低整体能量消耗;针对传统遗传算法早熟及收敛速度慢的问题,提出基于领域知识的精细化初始成员策略,采取生成种群成员对位点的方式更新种群,以加快收敛速度;为提高轨迹跟踪性能,设计了自适应控制器,并给出了稳定性证明。仿真实验表明:该方法能有效降低能耗并保证其稳定性。     

基于近似弧长参数化的机器人轨迹规划

主要研究了采用近似弧长参数化的插值方法进行关节式工业机器人的轨迹规划.运用近似弧长参数化的插值方法将机器人末端轨迹参数曲线离散为等弧长的插值点序列,通过机器人逆向运动学求解各关节的位移点序列,采用极限的方法进行各关节速度和加速度规划.这种轨迹规划方法可以避免关节空间的插值计算和雅克比矩阵的计算.在 matlab7.8平台上,对近似弧长参数化的插值方法、轨迹规划及可行性验证进行了实例仿真,仿真结果表明该轨迹规划方法是可行的.     

基于对象模型的一种服务性机器人系统

提出了一个基于对象模型的服务性机器人系统及系统结构 ,对系统中的对象进行模型化 ,建立对象模型知识库。在设计任务规划时 ,模仿了人在日常生活中完成普通任务时进行任务规划的方法 ,在设计控制软件时 ,根据控制目标 ,设计了推理程序。因此 ,系统根据一用句子给出的请求 ,规划出一系列相关联的基本任务 ,从而控制机器人各关节协调动作 ,完成目标任务。     

基于STFT的仿人机器人手臂轨迹生成方法

为了提高机器人轨迹生成算法的泛化性,提出了一种基于时间-空间特征模板(STFT,spatiotemporal feature template)的机器人手臂轨迹生成方法.首先,针对机器人示教轨迹往往存在的时间长短和幅度差异较大的问题,采用广义的典型时间规整(generalized canonical time warping,GCTW)方法来统一时间和幅度的变化,从而获取机器人示教轨迹的共同特征模板.其次,基于STFT,引入机器人轨迹生成的平滑性约束、任务约束等因素,设定轨迹生成的目标函数并优化.最终在NAO仿人机器人平台上验证了所提出的轨迹生成算法,基于STFT生成机器人弧形轨迹并完成数字书写.实验结果表明,本文提出的基于STFT的轨迹生成策略可以生成满足期望条件的机器人轨迹,并具有一定的泛化性.     

基于交叉熵优化的高斯混合模型运动编码

针对模仿学习中运动的表征和泛化问题,提出了交叉熵优化算法,用于混合模型参数的推断.该算法易于实施、计算效率高.更重要的是,它能够自动确定混合模型中最优成分的个数.为了产生泛化的运动轨迹,提出了交叉熵回归算法.为了进一步提高这种算法对动态环境的适应能力,引入了任务参数化的概念并提出了任务参数交叉熵回归算法.最后设计了一个新颖的锤击任务,验证了所提出的算法在理论上的正确性和优越性.基于机器人物理仿真软件Gazebo的仿真实验表明了算法在实际应用中的可行性.     

智能空间环境下基于本体的机器人服务自主认知及规划

为了提高机器人服务的自主性,针对动态家庭环境提出基于本体的机器人服务自主认知及规划方法.首先,利用本体技术为智能空间系统建立本体模型,并通过构建语义规则的方法,建立以用户为中心自适应调整的数据-概念转换机制,实现智能空间信息的整合.在此基础上,建立服务任务推理规则库对本体模型进行扩展,通过匹配实时更新的智能空间本体与规则库中的知识,推理出机器人需要执行的服务序列,实现机器人对用户所需服务的自主认知.最后,利用分层任务网络的思想,在JSHOP2规划器上实现服务任务的具体规划.智能空间环境下的任务执行实验结果表明,利用该方法服务机器人能够根据环境信息和用户信息实现对任务的自主认知,进而主动地为用户提供个性化的服务,其服务的智能化水平得以显著提高.     

空间机器人目标捕获过程中的载体姿态扰动优化

针对自由飘浮空间机器人在捕获目标的过程中会对其载体姿态产生扰动的问题,提出了一种新的笛卡儿轨迹参数化方法.建立了反映载体姿态变化的日标函数,该函数既可以限制机器人关节角的运动范围,也可以避免动力学奇异的影响.利用遗传算法进行目标函数的优化,有效降低了空间机器人末端执行器在跟踪笛卡儿轨迹时对载体姿态的影响.仿真结果验证了...     

传感器机器人行动推理的有色网表示模型

研究机器人行动推理优化系统,针对传统的推理前必须预先给定所有环境状态,不能动态获取环境状态新知识.为了使得机器人在推理的过程中能动态获取环境状态新知识以提高推理的准确度,提出了行动推理过程中的两种基本动作即外部动作和感知动作进行了形式化地表示,对这两种基本动作、STRIPS 推理规则以和有色网来表示机器人在不完全可知环境下进行行动推理的形式化表示,采用 PNS (Petri Net for Reasoning about Action with sensor)网系统,采用 CPNT<,ools>对办公环境下机器人行动推理实验,结果表明 PNS 网系统能使得机器人在行动推理过程中动态获取新知识目标,提高了行动推理的准确度.     

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.     

基于贝叶斯方法的神经网络非线性模型辨识

研究了基于贝叶斯推理的多层前向神经网络训练算法,以提高网络的泛化性能。在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。训练过程中使用显式的概率分布假设对模型进行分析和推断,根据融入先验分布的假设和依据,获取网络参数和正则化参数的后验条件概率,并基于后验分布的贝叶斯推理得出最优化参数。利用上述算法训练前向网络,对一个微型锅炉对象进行了模型辨识,通过测试,证明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能。     

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。