[发明专利]基于动态运动原语和自适应控制的机械臂模仿学习方法

说明书

本发明公开了基于动态运动原语和自适应控制的机械臂模仿学习方法,包括以下步骤：1)机械臂拖动示教；2)动态运动原语建模动作；3)动态运动原语模型泛化；4)控制机械臂完成动作复现，本发明提供了一种机械臂模仿学习方法，其可以有效简化机器人技能学习过程。

技术领域

本发明涉及机械臂的技能学习技术领域，具体涉及一种基于动态运动原语和自适应控制的机械臂模仿学习方法。

背景技术

近年来，机器人逐渐被应用到人类的日常生活中，比如家庭服务、照顾老人以及医疗服务等。但这也就要求机器人具有更高的智能，能通过学习技能来完成更为复杂的任务，而模仿学习就是一种简化机器人技能学习的有效方法，其可以避免复杂的手动编程。

模仿学习一般包含演示、学习和复现三个阶段。演示阶段一般由示教人员拖动机械臂完成任务，同时记录下动作特征的数据；学习阶段主要是对动作特征进行建模，得到动作的模型；复现阶段则是将学习到的动作模型用于控制机械臂复现动作。

在研究过程中发现现有的模仿学习，只对动作的轨迹进行建模，但机械臂在完成任务的过程中往往需要抓取或者向外施加力等，而这会影响轨迹的跟踪效果；机械臂的力矩控制需要考虑机械臂的动力学模型，而模型的精度影响控制的效果；另外如何控制机械臂安全的执行任务，这涉及到系统的稳定性。

发明内容

鉴于上述现有技术的不足，本发明提供了一种基于动态运动原语和自适应控制的机械臂模仿学习方法，能够让机械臂更好的进行模仿学习。

为实现上述目标，本发明提供了如下技术方案：

基于动态运动原语和自适应控制的机械臂模仿学习方法，其特征在于，包括以下步骤：

1)拖动示教：通过拖动机械臂完成所需的任务，在拖动的过程中记录机械臂关节位置、速度、加速度和机械臂外部负载力矩，通过重复N_d次该示教过程，得到示教动作的数据集；

2)动作建模：得到多次示教的动作数据集后，对轨迹特征和负载力矩特征进行建模，用于生成动作序列控制机械臂复现动作；

3)动作泛化：考虑到动作需要泛化，在得到模型后，通过参数来调整生成动作的轨迹，泛化出所需的动作；然后通过泛化后的模型生成位置、速度、加速度和负载力矩控制量，同时机械臂反馈位置、速度和力矩到动态运动原语模型中，用于生成下一周期的动作序列；

4)动作复现，通过自适应神经网络控制器控制机械臂复现建模的动作。

进一步的，所述的步骤2)具体为：

2.1)将示教动作数据分离为轨迹特征和负载力矩特征；

2.2)通过引入高斯混合模型和高斯混合回归的动态运动原语对轨迹特征进行建模；

2.3)通过结合径向基神经网络的动态运动原语对负载力矩特征进行建模。

进一步的，所述步骤2)中：针对示教数据中的轨迹特征，将高斯混合模型和高斯混合回归应用于动态运动原语中，从而使动态运动原语能从多组示教轨迹中建模轨迹特征，其建模过程如下：