基于强化学习的六足机器人动态避障研究

针对局部可观测的非线性动态地震环境下,六足机器人采用传统算法进行动态避障时易出现算法不稳定的情况.运用了基于双重深度Q网络(DDQN)的决策方式,通过传感器数据输入卷积神经网络(CNN)并结合强化学习的策略,下达命令到六足机器人,控制输出决策动作,实现机器人动态避障.将系统的环境反馈与决策控制直接形成闭环,通过最大化机...     

基于YOLO v3的地面垃圾检测与清洁度评定方法

针对传统清洁机器人缺乏清洁效果反馈的问题,提出了基于YOLO v3算法的地面垃圾检测与清洁度评定方法.利用由垃圾巡检小车搭载的Jetson TX2和USB摄像头采集地面垃圾图像,选择兼具检测精度与速度的YOLO v3模型进行垃圾检测与分类;然后通过对不同类别的垃圾分配不同的权重系数,并与统计的垃圾数量加权出清洁度指数,...     

基于卷积神经网络的六足机器人环境自适应方法研究

六足机器人采用不同的步态参数针对不同的非结构环境可提高运行效率、增强平稳性。为实现该目标,预先完成三个步骤:第一,机载摄像头用来捕获环境信息;第二,基于环境样本库,使用卷积神经网络训练环境识别模型,因其在视觉问题上的泛化能力,卷积神经网络可以自动提取图像特征并降低建模工作量;第三,调整六足机器人的步态参数以获得某一给定环境下的最优步态。在此基础上,六足机器人根据环境识别结果选择相应的最佳步态,并实现环境自适应。最后进行对比实验,结果表明,应用环境自适应方法的六足机器人可以在复杂环境中耗能更低,并获得更高的速度和更优良的平稳性。     

一种具有人造皮肤的仿人表情机器人结构设计

具有人造皮肤的表情机器人结构设计是仿人表情机器人的研究热点。现有大部分仿人表情机器人通过10个以上的驱动分别牵引人造皮肤上的控制点来实现表情,成本较高、结构复杂,不利于表情机器人的推广与运用。因此,根据表情的实现原理,结合对称性和基本表情实现的特点,提出了最少驱动数为7的仿人表情机器人结构设计,对FACS理论的分析,设计出用较少驱动来牵引人造皮肤,实现基本表情的仿人机器人,能较大降低成本,有利于对表情机器人的推广。并通过实验样机验证了设计。该研究为仿人表情机器人的进一步研究提供了参考。