一种基于局部模仿全局吸引特性的机器人技能学习方法

本发明涉及机器人，尤其涉及一种基于局部模仿全局吸引特性的机器人技能学习方法。

背景技术：

1、机器人操作技能的获取是机器人技术领域的核心问题之一。传统方法依赖人工编程，需要对每个任务进行专门的运动规划和控制器设计，效率低下且难以应对任务变化。示教学习作为一种高效的技能获取方式，允许机器人直接从人类示教示例中学习运动技能。在诸多示教学习方法中，基于一阶自治动态系统（dynamic system，ds）的方法因其独特的优势受到广泛关注：ds将学习到的技能表示为状态到速度的映射，无需显式的时间或相位变量即可生成连续运动，且在受到扰动后支持在线重规划，无需重新计算轨迹。

2、现有基于ds的示教学习方法主要可分为以下几类：

3、（1）基于全局稳定性约束的ds学习方法

4、seds（stable estimator of dynamical systems）是该领域的经典方法，利用高斯混合模型（guassian mixture module , gmm）拟合演示数据，并通过二次李雅普诺夫函数保证系统的全局渐近稳定性。然而，seds的稳定性约束严重限制了模型的非线性表达能力，难以复现复杂的运动轨迹。后续研究者提出了多种改进方案：clf-dm(controllyapunov function-based dynamics movements)通过学习控制李雅普诺夫函数来保证稳定性；lpv-ds（linear parameter varying ds）采用贝叶斯非参数混合模型，在保持物理一致性的同时提高了表达能力；neum（neural energy function with unique minimum）通过学习具有唯一最小值的神经能量函数来实现全局稳定和精确的演示学习；e-flow（euclideanizing flow）通过微分同胚将复杂动力学变换为稳定的潜在系统。

5、（2）基于轨迹吸引的ds学习方法

6、为了规范演示区域外的行为，lags-ds（locally active globally stable ds）在参考轨迹周围引入对称吸引，使受扰状态能够返回参考轨迹。变刚度ds方法通过局部吸引子和期望刚度矩阵来调节返回运动。cds（conservative dynamical systems）基于无源性约束生成保守动力学。此外，还有基于收缩理论的方法，通过学习收缩度量来保证轨迹的收敛性。

7、（3）基于几何距离场的ds学习方法

8、几何距离场方法通过构建到参考轨迹的距离场来直接构造吸引动力学，使得吸引行为可控。这类方法将参考轨迹表示为样条曲线，从任意状态计算其到参考轨迹的距离和最近点，进而构造具有吸引性的速度场。

9、（4）周期性技能与多子任务ds学习方法

10、对于周期性操作技能（如打磨、抛光等往复运动），研究者提出了基于极限环动力学的学习方法，如i-flow通过神经微分同胚将简单极限环映射到任务轨迹，极坐标neum通过学习李雅普诺夫函数使最小值位于周期轨迹上。对于包含多个子任务的复杂技能，现有方法通常需要对每个子任务单独建模或依赖额外的切换机制。

11、综合分析上述现有技术，主要存在以下不足：

12、（1）缺乏统一的全局稳定性与示教区域外行为调控机制。 第一类方法（seds、lpv-ds、neum、e-flow等）主要关注在演示数据上的拟合精度和全局稳定性，但对远离演示区域的状态缺乏有效约束。当机器人在执行过程中受到较大扰动而偏离演示轨迹时，学习到的ds可能无法将机器人引导回任务相关区域，导致任务失败。虽然这些方法在数学上保证了全局收敛到目标点，但收敛路径可能远离演示区域，无法反映任务期望的运动模式。

13、（2）轨迹吸引方法的灵活性不足。 第二类方法（lags-ds、cds等）虽然能够将受扰状态吸引回参考轨迹，但通常强制所有轨迹收敛到同一条参考轨迹上，缺乏对演示区域内运动多样性的复现能力。此外，这类方法对返回行为的调节能力有限，难以根据具体任务需求定制吸引动力学。

14、（3）几何距离场方法的局部复现精度有限。 第三类方法虽然能够提供可控的全局吸引行为，但其运动生成完全依赖于参考轨迹的几何信息，对演示中复杂的局部运动模式复现能力不足。

15、（4）对周期性和多子任务技能的适应性差。 现有方法大多针对单一的非周期性任务设计，对于周期性技能（如往复运动）或多子任务技能（如包含多个不同操作阶段的复杂装配），往往需要额外的任务特定设计或切换机制，缺乏统一的处理框架。

16、（5）演示区域的定义缺乏数据驱动依据。 现有方法在区分“演示区域内”和“演示区域外”时，通常依赖简单的几何阈值或密度估计，难以准确刻画复杂的高维演示数据分布，导致局部模仿与全局吸引的过渡不平滑。

17、综上所述，现有技术尚未能在统一框架内同时实现：（a）全局稳定性；（b）演示区域内的精确运动复现；（c）演示区域外的可控吸引行为；（d）对周期性和多子任务技能的适应能力。

18、因此，本领域的技术人员致力于开发一种基于局部模仿全局吸引特性的机器人技能学习方法。

技术实现思路

1、有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是现有ds示教学习方法无法兼顾全局稳定性、局部高精度复现和示教区域外可控吸引，这三个目标存在内在冲突。

2、为实现上述目的，本发明提供了一种基于局部模仿全局吸引特性的机器人技能学习方法，所述方法包括以下步骤：

3、s101：采集数据并对所述数据进行预处理，基于预处理后的数据构建演示数据集，采集的所述数据包括周期性和非周期性的手写数据集和手写符号轨迹数据集；

4、s103：参考轨迹构建，采用复合二次样条拟合所有演示轨迹的平均轨迹，得到一条参数化的参考轨迹，并计算所述参考轨迹上每一点的切向速度；

5、s105：构造全局吸引场，所述全局吸引场无需训练，由所述参考轨迹的几何信息解析构造；

6、s107：学习局部模仿场，所述局部模仿场由名义场和校正场构成；

7、s109：训练状态相关激活函数，所述激活函数用于判定一个状态是否位于演示区域内，并决定所述局部模仿场和所述全局吸引场的融合权重；

8、s111：利用训练好的所述状态相关激活函数，由所述全局吸引场和所述局部模仿场生成最终的局部模仿全局吸引动态系统。

9、进一步地，在所述步骤s101中，对所述数据进行预处理包括：时间归一化处理、空间归一化处理、终点平移至原点、低通滤波处理和数值微分处理。

10、进一步地，在所述步骤s105中，所述全局吸引场包括收缩项和前进项，所述收缩项将任意状态拉向参考轨迹上最近的点，所述前进项驱动状态沿参考轨迹的切线方向前进，所述全局吸引场为：

11、

12、其中，为全局吸引场，和分别为向参考轨迹吸引项和沿参考轨迹运动项的正权重，为机器人广义状态，表示参考轨迹，表示归一化任务进度，为参考轨迹上距离最近的点，为该点处参考轨迹的参考速度。

13、进一步地，在所述步骤s107中，所述局部模仿场为：

14、

15、其中，为局部模仿场，为名义速度场，由任意具有足够拟合能力的函数逼近器参数化表示，为修正场，根据参考轨迹与对应的距离场构建，用于保证整个局部模仿全局吸引动态系统的稳定性，为名义场网络的可训练参数，下标表示的是名义场。

16、进一步地，所述步骤s107包括如下子步骤：

17、s1071：构建名义场神经网络，所述名义场神经网络采用多层感知机，输入为状态坐标，输出为速度，隐含层为两层、每层32个神经元；

18、s1072：生成增广训练数据，对每个演示样本添加小幅度高斯扰动，构造增强目标速度，所述增强目标速度保留原演示速度的切向分量并增加一个指向演示轨迹的法向回拉分量；

19、s1073：训练名义场，在训练中采用adam优化器训练网络，使预测速度逼近所述增强目标速度；

20、s1073：构造校正场，所述校正场监控所述名义场的输出：当所述名义场沿参考轨迹前进方向的速度分量不足时，所述校正场补充缺失量，保证状态必然沿参考轨迹推进；当状态接近终点时，所述校正场强制补充指向终点的速度分量，保证所述名义场在终点处速度为零。

21、进一步地，所述步骤s109包括如下子步骤：

22、s1091：以演示状态为中心添加高斯噪声，构成源分布；以参考轨迹为中心、预定宽度的高斯管状分布构成目标分布；

23、s1092：采用最优传输条件流匹配训练速度场，所述速度场将任意状态从源分布空间连续搬运到目标分布空间；训练过程中，所述源分布空间中的每个样本通过最优传输与所述目标分布空间中的样本配对，保证映射前后样本之间的几何语义一致；

24、s1093：训练完成后，对于任意状态，通过积分所述速度场得到其在所述目标分布空间中的映射位置，计算所述映射位置到参考轨迹的距离，根据距离值判定激活值。

25、进一步地，在所述步骤s111中，所述局部模仿全局吸引动态系统为：

26、

27、其中，为机器人状态关于时间的导数，即广义速度，为liga-ds的速度场，为全局吸引场，为局部模仿场，为状态相关激活函数。

28、进一步地，在所述步骤s101中，当采集的数据为周期性手写轨迹数据时，所述参考轨迹采用闭合曲线，所述闭合曲线首尾相接且速度连续。

29、进一步地，在所述步骤s101中，当采集的数据为周期性手写轨迹数据时，所述校正场增设径向吸引项，在保证沿轨迹推进的同时，额外增加一个指向参考轨迹的吸引力，保证状态收敛到闭合轨迹上而非某个单点。

30、进一步地，所述机器人技能学习方法还包括多子任务组合学习，所述多子任务组合学习构建四个测试场景，并为每个子任务独立构建参考轨迹、距离场和单任务liga-ds，在线运行时，计算当前状态到所有子任务参考轨迹的距离，选择距离最近的子任务，并应用所述子任务对应的ds，所述测试场景包括：两个非周期任务共享终点、两个非周期任务不同终点、非周期加周期任务组合、两个周期任务组合。

31、在本发明的较佳实施方式中，和现有技术相比，本发明具有如下有益的技术效果：

32、1、提出liga-ds框架，将速度场分解为全局吸引场和局部模仿场，通过激活函数自适应融合，在三目标间建立统一桥梁，在lasa/hst数据集上复现精度（rmse/sea/dtwd）达最优或次优；hst上sea和dtwd分别比df-based ds降低13.9%和16.4%；从远域初始化的轨迹均可靠拉回演示区域，neum/e-flow则明显偏离，证明全局吸引与局部模仿兼顾的唯一性。

33、2、本发明提出基于ot-cfm (optimal transport conditional flow matching)的激活函数构建方法，将复杂演示分布迁移至几何简单的管状目标分布空间完成激活判定，激活边界具数据驱动依据，准确刻画复杂分布；ot-cfm最优传输保证原始空间中相邻状态在目标空间中仍相邻，激活边界平滑无跳跃；阈值参数与管宽有明确几何解释，调节直观。

34、以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。