一种基于轨迹曲率分割的分段AL-ODMP机器人操作技能学习方法及系统
本发明属于示教机器人相关,更具体地,涉及一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法及系统。
背景技术:
1、在机器人操作领域,机器人技能学习相较于传统的离线轨迹编程,具有编程效率高、技术门槛低等优势,近年来得到了广泛关注与应用。模仿学习作为技能学习的一个重要分支,能够以较为直接的方式将人类操作技能迁移到机器人系统。具体而言,机器人通过模仿学习算法对预先输入的示教轨迹进行学习,进而构建技能模型;在面对新任务场景时,该模型可依据具体任务要求,自动泛化生成相应的操作轨迹。
2、方向动态运动基元是模仿学习中一种常用算法,具有计算效率高,所需示教数据少等优点。在给定示教轨迹、新的起始状态和目标状态后,该算法可通过求解微分方程快速实现轨迹泛化。然而,当操作轨迹形状复杂时,方向动态运动基元的学习精度会降低,现有基于速度阈值的分割方式对轨迹中的速度噪声较为敏感,分割结果易受干扰。
3、为此,本发明旨在通过改进轨迹分割方法并优化方向动态运动基元,在保证轨迹分割准确性的基础上,提高机器人末端位置和方向的学习精度。
技术实现思路
1、针对现有技术的以上缺陷或改进需求,本发明提供了一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法及系统,解决在机器人操作示教任务中,末端位置和方向学习精度不足的问题。
2、为实现上述目的,按照本发明的一个方面,提供了一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,该方法包括下列步骤:
3、将预设目标轨迹划分为多段,在该多段轨迹中选取其中一段作为示教轨迹;
4、在所述示教轨迹的吸引子模型上叠加非线性项学习该示教轨迹的运动过程,以此建立所述示教轨迹的方向模型和位置模型,利用示教轨迹中已知的运动参数求解所述方向模型和位置模型中的非线性项;
5、对于预设目标轨迹中的非示教轨迹,保持所述非线性项不变,利用所述方向模型和位置模型求解所述非示教轨迹中的运动参数,机器人按照该求解获得的运动参数运动,以此实现技能的学习。
6、进一步优选地,所述示教轨迹的方向模型如下:
7、
8、
9、其中,是角加速度,和是常系数,是方向,是前段轨迹的方向弧长,是共轭方向四元数,是角速度,是世界坐标系下的方向弧长,是非线性项,是相位,是分段轨迹的方向弧长总长,是方向对弧长求导数,是轨迹分段段数。
10、进一步优选地,所述方向模型中的非线性项的计算公式如下:
11、
12、其中,是非线性项,是相位,是世界坐标系下的方向弧长,是起始方向到目标方向的弧长,i是基函数数量的编号,是基函数的总数量,表示第个基函数的权重值,表示第个高斯径向基函数。
13、进一步优选地,所述高斯径向基函数的公式如下:
14、
15、
16、
17、其中,是第个高斯径向基函数,是相位,是世界坐标系下的方向弧长,是第个基函数的宽度,是第个基函数的宽度,是沿运动相位分布的第个高斯中心,是沿运动相位分布的第个高斯中心,是常系数,i是基函数数量的编号,是基函数的总数量。
18、进一步优选地,所述示教轨迹的位置模型如下:
19、
20、
21、其中,是分段轨迹的位置弧长总长,是加速度,是世界坐标系下的位置弧长,和均是常系数,是位置,是前段轨迹的位置弧长,表示位置对弧长求导数,是速度,是非线性项,是相位。
22、进一步优选地,所述位置模型中的非线性项的计算公式如下:
23、
24、其中,是非线性项,是相位,是世界坐标系下的位置弧长,是起始位置到目标位置的弧长,是第个基函数的权重值,是第个高斯径向基函数,是基函数的总数量。
25、进一步优选地,所述将预设目标轨迹划分为多段按照轨迹曲率进行划分,轨迹曲率的计算公式如下:
26、
27、
28、
29、其中,是第个轨迹点对应的曲线曲率,是在世界坐标系下第个点和第个点之间的方向弧长,是在世界坐标系下第个点和第个点之间的位置弧长,是第点的方向四元数,表示第点的方向四元数的共轭,,,分别是机器人末端在世界坐标系下的x轴、y轴、z轴方向上第点的位置,,,分别是机器人末端在世界坐标系下的x轴、y轴、z轴方向上第点的位置,是轨迹点的编号。
30、进一步优选地,所述按照轨迹曲率进行划分对应的公式如下:
31、
32、其中,是第个轨迹点对应的曲线曲率,是常系数,是曲率分割阈值,是轨迹点的编号。
33、进一步优选地,所述分割阈值的计算公式如下:
34、
35、其中,是曲率分割阈值,是第个轨迹点对应的曲线曲率,是轨迹点的编号,是轨迹点的总数量。
36、按照本发明的另一个方面,提供了一种利用上述所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法进行学习的系统,该系统包括分段模块、示教模块和学习模块,其中:
37、所述分段模块用于将预设目标轨迹划分为多段,并选取示教轨迹;
38、所述示教模块用于建立示教轨迹的方向模型和位置模型,并求解非线性项;
39、所述学习模块用于解所述非示教轨迹中的运动参数,并控制机器人按照该求解获得的运动参数运动。
40、总体而言,通过本发明所构思的以上技术方案与现有技术相比,具备下列有益效果:
41、1.本发明通过构建示教轨迹的方向模型和位置模型,该方向模型和位置模型中均包括吸引子模型和非线性项,其以少量参数高效表征轨迹模型,该方法不仅可通过这些参数快速复现原始轨迹,还能在复现过程中引入新的任务点,实现对原始轨迹的泛化,解决在机器人操作示教任务中,末端位置和方向学习精度不足的问题。
42、2.本发明对于操作目标轨迹进行分段学习,有利于解决模型对空间形状复杂轨迹学习精度低的问题,保证该方向模型和位置模型泛化轨迹准确经过多个新的中间任务点,提高泛化轨迹的形状相似性。
43、3.本发明通过利用轨迹曲率对复杂形状的目标轨迹进行分割,对时域噪声具有更强的鲁棒性,该分割方法不易受速度波动影响,能有效保证操作轨迹分段点的准确性和可靠性。
44、4.本发明使用的al-odmp将odmp对时间求导转化为对方向弧长求导,提高了对分段轨迹位置和方向的学习精度。通过指定新的任务点,该方法可以实现轨迹中间位置和中间方向的准确泛化。
1.一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,该方法包括下列步骤:
2.如权利要求1所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述示教轨迹的方向模型如下:
3.如权利要求2所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述方向模型中的非线性项的计算公式如下:
4.如权利要求3所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述高斯径向基函数的公式如下:
5.如权利要求1或4所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述示教轨迹的位置模型如下:
6.如权利要求5所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述位置模型中的非线性项的计算公式如下:
7.如权利要求5所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述将预设目标轨迹划分为多段按照轨迹曲率进行划分,轨迹曲率的计算公式如下:
8.如权利要求7所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述按照轨迹曲率进行划分对应的公式如下:
9.如权利要求8所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法,其特征在于,所述分割阈值的计算公式如下:
10.一种利用权利要求1-9任一项所述的一种基于轨迹曲率分割的分段al-odmp机器人操作技能学习方法进行学习的系统,其特征在于,该系统包括分段模块、示教模块和学习模块,其中:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com