[发明专利]一种基于数字孪生的机器人轨迹规划方法

说明书

本发明公开一种基于数字孪生的机器人轨迹规划方法，该方法包括建立实际机器人轨迹规划硬件系统、构建虚拟机器人轨迹规划数字模型以及核心的基于LSTM‑RRT的机器人轨迹规划算法部分；硬件系统部分由机器人、机械爪、工作环境障碍物等组成，是物理环境下执行轨迹规划的部分；数字模型部分包括构建的数字机器人模型以及和虚拟环境模型，是虚拟环境下执行轨迹规划的部分；本发明的方法创新性地结合了快速拓展随机树算法和长短期记忆神经网络对机器人抓取路径进行快速求解，在不影响机器人抓取路径求解成功率的条件下，大幅提升了路径的求解效率，并使用数字孪生技术实现了对机器人实时的状态监测，提高了机器人轨迹规划的控制精度。

技术领域

本发明涉及机器人轨迹规划领域和数字孪生领域，尤其涉及一种基于数字孪生的机器人轨迹规划方法。

背景技术

Digital Twin数字孪生技术：数字孪生是一组虚拟信息结构，从微观原子水平到宏观几何水平，充分描述潜在的或实际的物理制造产品。数字孪生技术能够充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟世界中完成物理世界的映射。在它的最佳状态下，任何一个可以从检查物理制造产品中获得的信息都可以从它的数字孪生兄弟中获得。

轨迹规划技术：简单而言，机器人轨迹规划就是在规定的起始点和终点之间生成一条路径，当机器人沿这条路径运动时不会和周围的障碍物发生碰撞。目前，在机器人轨迹规划算法中，使用比较广泛的方法有快速拓展随机树算法(Rapidly-exploring RandomTree,RRT)、狄克斯特拉(Djikstra)算法、A*算法以及随机路线图(ProbabilisticRoadmap,PRM)算法等。由于传统的算法大多基于搜索式求解，在求解过程中需要不断地探索空间以及进行碰撞检测，因此在求解的时候会出现求解速度慢的问题。由于传统随机采样算法没有对轨迹进行进一步优化，因此求解出的轨迹质量不高。由于传统算法中没有采用数字孪生技术对机器人进行实时仿真，因此在使用机器人进行抓取的时候无法进行实时反馈，从而导致无法精确地控制机器人的动作。

发明内容

针对现有的机器人运动规划中轨迹求解速度慢、控制精度低的特点，提出一种基于数字孪生的机器人轨迹规划方法，该方法结合传统的快速拓展随机树算法与长短期记忆神经网络进行求解。本发明通过构建采用LSTM-RRT方法进行抓取的机器人数字孪生模型，有效地提升了机器人抓取的求解速度与机器人的控制精度。

本发明的目的是通过以下技术方案来实现的：

一种基于数字孪生的机器人轨迹规划方法，构建包含机器人及其所处的带有障碍物的环境的虚实场景，并将虚实场景通过物理硬件进行虚实信息传递，构建数字孪生模型，并通过运行在上位机中的神经网络模型进行对机器人进行路径规划，具体包括如下步骤：

S1：构建虚拟环境中的训练数据集；

将虚拟环境下带有障碍物的环境模型的二维环境图和三维环境图分别生成二维环境向量和三维环境向量，对于每个二维环境图和三维环境图，再使用RRT算法分别生成若干条躲避障碍物的二维轨迹和三维轨迹，然后生成训练数据集{I^(r),P^(rn)}，其中，I^(r)表示环境向量，P^(rn)表示轨迹；

S2：分别将S1得到的二维环境向量和若干条二维轨迹、三维环境向量和若干条三维轨迹输入到LSTM网络进行训练；具体的训练过程如下：

S2.1：从所述的训练数据集{I^(r),P^(rn)}中提取其中一条轨迹上的第k个点的坐标x^k，并在第k次调用时输入LSTM中；

S2.2：通过x^k的正向传播来计算该轨迹上的第k+1点的坐标的预测值y^k；