基于似人特性的拟人臂机器人自主抓取动作规划

针对拟人臂机器人在家庭环境中的自主抓取任务,提出了一种强调运动姿态似人特性的拟人臂动作的规划方法.该方法分为两个部分,构型规划和运动规划,构型规划基于人体工程学中广泛使用的快速上肢评估准则评价机器人运动姿态的似人特性,并在此基础上以机器人末端传速速率最优为目标规划机器人运动过程中的关键构型.运动规划结合了Fitts定律和似人运动模型规划了机器人末端的空间轨迹.本文最后以Motoman SDA10D拟人双臂机器人和Mitsubishi PA10机器人为例,具体介绍了该方法的应用和规划的结果,规划结果证明了本方法的可行性和有效性.     

基于分级规划策略的拟人机械臂仿人运动规划算法研究

为使拟人机械臂具有高精度的仿人运动,提出一种通过触发条件和分级规划策略 的仿人运动新方法。将人臂运动过程离散为不同运动阶段,在每一个运动阶段都有与之对应的 规划层,在不同的规划层中,拟人机械臂的运动特点不同。利用各自的特点建立不同规划层下 的运动模型及臂姿预测指标,对拟人机械臂臂姿进行预测。最后,以NAO 机器人为实验平台, 比较所提方法与最小势能法(MTPE)的静态臂姿与动态臂姿预测,并与运动捕捉系统(OptiTrack) 采集的真实人臂运动数据进行比较。实验表明,该方法具有较小的静态臂姿和动态臂姿预测误 差,能使拟人机械臂产生高度逼真的仿人运动。     

基于似人特性的机器人拟人臂自主抓取动作规划

针对拟型服务机器人在家庭环境中的自主抓取任务,提出了一种强调运动姿态似人特性的机器人手臂动作的运动规划方法.该方法基于人体工程学中的快速上肢评估准则评价机器人运动姿态的似人特性,并在此基础上以机器人传速速率最优为目标规划机器人持物动作的姿态构型.最后以Motoman SDA10D拟人双臂机器人为例,具体介绍了该方法的应用和规划的结果,规划结果证明了该方法的可行性和有效性.     

拟人机器人TH-1手臂运动学

拟人机器人手臂的主要特点是它的运动功能，能够实现握手、行走时掌握平衡等动作．本文 主要针对自行设计的具有转摆结构的拟人机器人TH-1手臂机构进行了运动学分析，为其控 制提供数学基础．提出了坐标变换、三角变换等方法，巧妙求解出拟人机器人TH-1手臂逆 向运动学的解析表达式．建立了仿真软件平台，验证了运动学正逆向方程的有效性．     

三角形网格序列表示的人体动作识别

鉴于现有的人体动作识别研究工作主要是基于骨架和视频表示的,提出三角形网格序列表示的人体动作分类方法.首先,选用三角形网格序列中的首帧模型作为模板,利用形状差异算子计算序列的后续帧相对于模板模型的差异,并表示为形状差异信息张量;然后,将形状差异信息张量输入由二维卷积网络与长短期记忆网络组合而成的深度网络中,提取时序动作特征,实现人体动作分类.实验结果表明,该方法在人体动作数据集AMASS上的分类准确率达到了100.00%.     

一种仿人机械臂的运动学逆解的几何求解方法

运用几何方法求解一种具有7个旋转自由度的仿人机械臂的运动学逆解,并运用特定的寻优指标,搜索与指定末端位姿对应的关节角空间最优解.这种解法没有理论误差并且解算速度足够快,有利于在线实时控制机械臂的运动.     

面向基元的MapGIS-RSP遥感信息提取系统

传统的基于像元的影像分类方法,由于忽略了影像的空间语义和纹理结构等信息,分类结果难以满足当前科研和工程应用的需要。MapGIS-RSP遥感信息提取系统通过新的面向基元的影像分析方法,基于遥感影像的光谱和空间两方面特征进行模糊逻辑推理分析,实现对高空间分辨率遥感影像的信息提取。     

基于惯性动作捕捉的机械臂控制系统设计

针对以往机械臂控制方式繁琐且技术要求高的弊端,设计了一套基于惯性动作捕捉的机械臂控制系统。由重力加速度计和弯曲度传感器构成的动作捕捉模块被固定于操作者手臂上,实时捕捉手臂各部分相对运动角度值。动作捕捉模块将各角度值通过串行方式发送给机械臂控制模块,完成对舵机角度的控制。该控制系统直接捕获手臂相对运动角,避免了空间姿态角换算问题,经实验验证其控制效果令人满意。     

一种求解矩形块装填问题的拟人算法

在货物装载、木材下料、超大规模集成电路（VLSI）设计等工作中提出了矩形块装填与切割问题，对这一问题，国内外学者提出了诸如模拟退火算法、遗传算法及其它一些启发式算法等求解算法。本文利用人类的智慧和他们上万年以来形成的经验，提出了一种求解矩形块装填问题的拟人算法。谊算法使用了两个主要的思想策略，即矩形块选择策略和矩形块放置策略。用本文提出的算法，对21个测试算例进行了实算测试，测试结果表明：算法所得装填结果的优度高，计算时间短。对这21个测试算例。用本文算法计算，得到了其中16个算例的最优解，而计算时间都在2秒以内。进一步的测试表明，本文提出的算法对求解矩形块装填问题十分有效。     

基于动作单元分析的人体动画合成方法研究

从运动捕获数据中提取出反映人体运动规律的基本动作单元,合成新的人体动画已成为研究热点.但已有动作单元提取方法忽略了运动序列的时序性和不同关节之间的运动相关性.针对该问题,提出了一种新的基本动作单元提取方法,首先,采用PCA方法对高维人体运动数据进行降维分析,并采用马氏距离平方度量姿态间的相似性;其次,结合动态时间归整方法和误差平方和准则对时序运动序列进行自动切分和标注;最后,建立不同动作单元之间的概率转移模型构建运动图,并根据约束条件合成新的逼真人体动画.     

面向人体动作识别的随机增量型混合学习机模型

针对自然人机交互应用中的人体动作识别问题,总结了传统机器学习模型在识别人体动作时的缺点,然后在此基础上针对自然人机交互应用的独特要求提出了面向人体动作识别的随机增量型混合学习机模型.该模型将误差反向传播模型、增量型极限学习机模型和双端增量型极限学习机模型相结合,克服了传统方法在识别人体动作时的不足.详细阐述了针对面向人体动作识别的随机增量型混合学习机模型的算法理论、模型合理性和实现方案.最后通过对比识别实验结果,验证了随机增量型混合学习机模型在识别人体动作问题上具有更好的鲁棒性、实时性和准确性.     

Application of Multimedia to the Study of Human Movement

Computerised motion analysis is a powerful technique for the diagnosis of abnormalities (especially problems with walking) and monitoring the results of therapy. However, despite the now widespread availability of motion analysis equipment, it has remained primarily a research tool in centres of excellence. This is due to a lack of familiarity of biomechanical terminology amongst clinicians and therapists, and the complexity of the technology required to capture and analyse motion. Using digital video and other multimedia techniques, a software package called Motion Toolbox has been developed, with an intuitive graphical interface. This simplifies and speeds up the analysis and facilitates an intuitive understanding of the results.     

基于精英策略粒子群算法机械臂逆运动求解

多关节机械臂空间姿态控制研究中,逆运动分析是控制的基础,由于多关节机械臂逆运动求解问题较为复杂,对其求解结果优劣性的判别比较困难.为了解决传统关节变量算法在求解过程中收敛精度不高、局部最优解过多的问题,利用精英策略搜索粒子种群中的优质粒子,提高了算法整体适应度值,避免求解陷入局部最优解.仿真实验结果表明,基于精英策略多目标粒子群算法(ETMOPSO)提高了机械臂空间姿态的求解精度,为多关节机械臂空间姿态控制提供了一种研究思路.     

桌面机械臂快速控制原型系统设计与开发

机械臂以其稳定、高精度等特性广泛用于机械、电焊和装配等制造工业,其控制算法已成为工业控制中的研究热点.然而传统的机械臂控制系统设计与开发费时费力,难以满足控制工程师和算法研究者的需求.首先采用快速控制原型技术(RCP),依托高性能计算机,基于Simulink Real-Time组件设计快速控制原型仿真器.进而采用C#语...     

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.