机器人及其控制方法与流程

本发明属于机器人，具体提供了一种机器人及其控制方法。

背景技术：

1、随着自动化技术的快速发展，机器人已广泛应用于工业生产、精密加工、智能服务等诸多场景，机器人的运动控制精度与运动平稳性直接决定了作业质量、设备使用寿命及作业安全性。位姿控制是机器人运动控制的核心，控制器通过持续向机器人下发目标位姿指令，驱动机器人关节的执行器完成相应运动轨迹，进而实现预设作业动作。

2、在实际作业过程中，受控制器指令调度、外部环境干扰、作业工况切换、人工操控指令突变等因素影响，控制器下发的连续目标位姿数据往往会出现大幅跳变，导致当前接收的目标位姿与机器人上一次执行的位姿存在极大差距。当目标位姿数据出现上述突变式偏差时，机器人关节的执行器会瞬间响应大幅度的位姿调整指令，进而引发关节出现剧烈抖动。

3、机器人关节的剧烈抖动一方面会严重降低机器人运动的平稳性，导致精密作业场景下的加工精度、操作精度大幅下降，无法满足高精度作业需求。另一方面还会加剧机器人关节处减速机、电机、传动结构的磨损，增加故障概率，缩短机器人的使用寿命，同时抖动产生的机械冲击还可能导致作业工件偏移、损坏，引发作业安全隐患。

技术实现思路

1、本发明的一个目的在于，解决现有机器人的关节在当前接收的目标位姿与上一次执行的位姿存在极大差距时容易出现剧烈抖动的问题。

2、为实现上述目的，本发明在第一方面提供了一种机器人的控制方法，包括：

3、响应于机器人接收来自控制器的控制指令，提取所述控制指令中包含的目标位姿数据；

4、所述机器人获取上一次执行的位姿数据，并记作前一位姿数据，计算所述目标位姿数据与所述前一位姿数据之间的位姿差距；

5、判断所述位姿差距是否超过预设阈值；

6、若所述位姿差距未超过所述预设阈值，则所述机器人直接根据所述目标位姿数据驱动执行器执行相应动作；

7、若所述位姿差距超过所述预设阈值，则所述机器人对所述目标位姿数据进行插值平滑处理，以生成平滑后的关节角度数据，并驱动执行器执行相应动作。

8、可选地，所述插值平滑处理包括：

9、构建所述前一位姿数据与所述目标位姿数据之间的位姿差矢量；

10、将所述位姿差矢量输入动态运动基元模型，得到从前一位姿到目标位姿的变换轨迹；所述前一位姿与所述前一位姿数据对应，所述目标位姿与所述目标位姿数据对应；

11、其中，所述动态运动基元模型包含可调参数，所述可调参数至少包括时间缩放参数和轨迹形状参数；所述时间缩放参数用于控制所述机器人从所述前一位姿过渡到所述目标位姿的过渡时长，所述轨迹形状参数用于生成从所述前一位姿到所述目标位姿的平滑轨迹。

12、可选地，所述轨迹形状参数α=αmin+(αmax-αmin)×e-λh；

13、其中，αmin和αmax分别为所述轨迹形状参数的最小值和最大值，λ为调节灵敏度系数，h为位姿信息熵。

14、可选地，

15、其中，n为位姿矢量维度，δpi为第i个所述目标位姿与所述前一位姿之间各维度的差值。

16、可选地，在所述机器人接收来自控制器的控制指令之前，所述控制方法还包括网络连接建立步骤：

17、所述机器人响应所述控制器发起的网络连接请求，判断所述控制器与所述机器人是否处于同一网络；

18、若处于同一网络，则所述机器人建立与所述控制器之间的局域网直连通道；

19、若处于不同网络，则所述机器人尝试建立与所述控制器之间的p2p直连通道；

20、若所述p2p直连通道建立失败，则所述机器人通过中央服务器建立与所述控制器之间的中继转发通道。

21、可选地，在所述机器人接收来自控制器的控制指令之后，所述控制方法还包括：

22、所述机器人通过其网络数字孪生体获取所述局域网直连通道、所述p2p直连通道和所述中继转发通道各自的网络状态参数；

23、所述机器人解析所述控制器的控制指令，提取所述控制指令中的控制意图，并根据所述控制意图动态调节各所述网络状态参数的权重系数；

24、所述机器人根据调节后的权重系数对各所述网络状态参数进行加权计算，分别得到所述局域网直连通道、所述p2p直连通道和所述中继转发通道的综合质量评分；

25、所述机器人将当前使用的连接模式切换至综合质量评分最高的连接模式。

26、可选地，第i种连接模式的综合质量评分qi为：

27、；

28、其中，τi、ρi、βi、δi分别为第i种连接模式的延时、丢包率、可用带宽和信号稳定性；

29、其中，τmax、τmin分别为所有连接模式中的最大延时和最小延时；

30、其中，βmax为所有连接模式中的最大可用带宽；

31、其中，wτ、wρ、wβ、wδ为各网络状态参数对应的权重系数，且wτ+wρ+wβ+wδ=1。

32、可选地，所述控制指令承载于数据包中，所述数据包包含单调递增的序列号；

33、所述响应于机器人接收来自控制器的控制指令，提取所述控制指令中包含的目标位姿数据，包括：

34、所述机器人接收所述数据包后，检查所述序列号的连续性；

35、若所述序列号连续，则所述机器人立即提取所述数据包中的目标位姿数据；

36、若所述序列号不连续，则所述机器人将所述数据包放入接收缓冲区，等待缺失的数据包到达或超时后进行乱序重组处理。

37、可选地，所述控制方法还包括视频数据传输步骤：

38、所述机器人通过多路摄像头采集视频信号，得到多路视频流；

39、所述机器人将所述多路视频流按照时间戳进行同步对齐；

40、所述机器人将同步后的所述多路视频流合成为单路视频流；

41、所述机器人对所述单路视频流进行编码压缩；

42、所述机器人将所述单路视频流发送至所述控制器。

43、本发明在第二方面提供了一种机器人，包括处理器和存储器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时能够实现第一方面中任一项所述的控制方法。

44、基于前文的描述，本领域技术人员能够理解的是，在本发明前述的技术方案中，通过计算目标位姿数据与前一位姿数据之间的位姿差距，并在位姿差距超过预设阈值时对目标位姿数据进行插值平滑处理，以生成平滑后的关节角度数据，并驱动执行器执行相应动作，有效地避免了机器人的关节因目标位姿与前一位姿存在较大差距，而出现剧烈抖动。

45、进一步地，通过引入位姿信息熵来量化目标位姿与前一位姿之间各维度差值的分布不确定性，并基于位姿信息熵以指数衰减关系动态调节动态运动基元模型的轨迹形状参数，使得轨迹形状参数能够根据位姿跳变在各维度上的分布特性自适应地调整。具体来说，当位姿差值在各维度上分散（熵值高）时，轨迹形状参数趋近于最小值，轨迹更加柔和；当位姿差值集中于某一维度（熵值低）时，轨迹形状参数趋近于最大值，轨迹更加干脆。因此，本发明基于信息熵的自适应调节机制，使得平滑处理的强度能够随着位姿指令的统计特性自动变化，无需人工设定或在线试凑，既提高了系统的自动化程度，又保证了在各种位姿跳变模式下的最优平滑效果。

46、进一步地，通过使机器人与控制器在同一网络时建立局域网直连通道，不同网络时尝试建立p2p直连通道，p2p直连失败时通过中央服务器建立中继转发通道，使得机器人能够根据网络环境自动选择最优的通信路径，优先采用直连方式以降低通信延时，同时在直连不可达时自动降级至中继转发以保证通信的可靠性。所以，本发明上述的三级自适应网络连接，能够显著降低控制指令端到端的传输延时，提高了机器人控制的实时性和鲁棒性。

47、进一步地，通过构建网络数字孪生体来实时获取各种连接模式的网络状态参数，并解析控制指令中的控制意图以动态调节各网络状态参数的权重系数，进而计算各连接模式的综合质量评分并将当前连接切换至评分最高的连接模式，使得机器人能够基于实时的网络状态和控制意图主动优化网络连接，进一步保障了控制指令传输的实时性和可靠性。

48、本发明的其他有益效果将会在后文中结合附图进行详细描述，以便本领域技术人员能够更加清楚地了解本发明的改进目的、特征和优点。