排序方式: 共有39条查询结果,搜索用时 46 毫秒
1.
在书写任务中的基于轨迹匹配的模仿学习 总被引:1,自引:0,他引:1
针对书写任务中运动轨迹较复杂的问题,引入基于轨迹匹配的模仿学习算法对书写轨迹进行表征和泛化,进而实现机器人书写技能的获取。机器人从示教者处获取示教数据,利用高斯混合模型( Gaussian mixture model, GMM)进行编码,学习示教行为的本质特征,通过高斯混合回归进行泛化处理,实现行为再现。实验结果表明:该方法具有良好的行为编码能力和抗干扰性,能够实现轨迹可连续的汉字书写,通过对GMM的扩展能够进行多任务学习,进而实现轨迹不可连续汉字的书写,泛化效果较好。 相似文献
2.
由于仿人机器人自由度多、结构冗余,因此面对不同环境下的运动规划十分复杂.利用人体运动信息作为示教数据,实现仿人机器人对人体姿态的模仿学习,简化了仿人机器人的运动规划.为满足机器人在运动过程中的平衡性,提出了一种机器人质心补偿的方法:通过示教数据预估机器人的质心偏移,经质心-角度雅可比矩阵计算角度补偿量,并引入二次规划进行优化处理.基于Nao机器人的模仿学习系统实验研究结果表明:提出的质心补偿方法可以有效地保证机器人在模仿学习过程中的姿态平衡,引入的权值可调的二次规划有效地保证了姿态模仿的相似性. 相似文献
3.
以液压振动台为研究对象,提出了利用谐振原理来提高系统内部能量的利用率,并通过改变输入信号的频率,使输出信号在幅值增大的情况下仍能较好的跟踪输入信号变化的一种控制算法;然后介绍了以DSP为核心的信号处理和数据传输的实时监控系统,通过对液压振动台电网络模型控制的实验结果表明,所提出的算法是正确的、可行的. 相似文献
4.
6.
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。 相似文献
7.
8.
针对多任务下机器人模仿学习控制策略的获取问题,构建复合协方差函数,采用高斯过程回归方法对示教机器人的示教行为样本点建立高斯过程回归模型,并对其中的超参数进行优化,从而得出模仿学习控制策略,模仿机器人应用控制策略完成模仿任务.以Braitenberg车为仿真实验研究对象,对其趋光、避障多任务的模仿学习进行研究.仿真实验研究结果表明:与基于单一协方差函数的模仿学习算法相比,基于复合协方差函数的模仿学习算法不仅能够实现单任务环境下的机器人模仿学习,而且能够实现多任务环境下的机器人模仿学习,且精度更高.任务环境改变实验研究结果表明该方法有很好的适应性. 相似文献
9.
基于双闭环的液压伺服系统控制 总被引:1,自引:0,他引:1
为了使液压振动试验台具有良好的运动特性,提出了一种双闭环控制结构.内环采用模拟控制器调节电液伺服阀,外环采用基于DSP的数字控制器用以调节液压伺服作动器.将此控制方案应用于对专用汽车减震器进行性能测试的液压振动试验台的工业现场,其实时监控结果表明:设计的模拟、数字相结合的双闭环控制器的方案正确,参数选择合理,系统的各项性能指标都达到了预期目标. 相似文献
10.
近20年来,各种烈性传染病先后肆虐全球,给世界人民的生命安全带来了极大的危害,也对各国经济的发展带来了极大的打击.医护机器人在抗疫工作中发挥了十分重要的作用.对各国的传染病房医护机器人研究和应用现状进行综述,并在此基础上给出下一代传染病房医护机器人有待解决的研究难点和关键技术,特别强调气动肌肉驱动机器人的类人运动控制、遥操作机器人符合操作者直觉的运动映射算法、从端机器人的类人触觉感知和力控制,以及机器人对一些特定护理技能的模仿学习等研究对于传染病房遥操作护理机器人系统的重要意义. 相似文献