检索结果-南通市图书馆

上海交通大学学报 2023年第3期57卷 354-365页

作者：张文安高伟展刘安东浙江工业大学信息工程学院杭州310023

提出一种基于动态运动原语(DMP)和自适应控制的机器人技能学习方法.现有的DMP从单示教轨迹中学习动作,且其高斯基函数分布方式固定,并不适用于各种不同特征的动作轨迹.因此,将高斯混合模型和高斯混合回归引入DMP中,使其能从多示教轨迹... 详细信息

提出一种基于动态运动原语(DMP)和自适应控制的机器人技能学习方法.现有的DMP从单示教轨迹中学习动作,且其高斯基函数分布方式固定,并不适用于各种不同特征的动作轨迹.因此,将高斯混合模型和高斯混合回归引入DMP中,使其能从多示教轨迹中学习技能,并且将径向基神经网络(RBFNN)引入DMP中构成RBF-DMP方法,以梯度下降的方式学习高斯基中心位置和权重,提高技能学习的精度.设计自适应神经网络控制器,用于控制机械臂复现示教中学习的动作.在Franka Emika Panda协作机械臂上开展实验研究,验证方法的有效性.

关键词：动态运动原语高斯混合模型径向基神经网络机器人学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于动态运动原语与强化学习的机器人操作技能学习系统研究

基于动态运动原语与强化学习的机器人操作技能学习系统研究

引用

作者：姚磊华中科技大学

学位级别：硕士

机器人作为一种自动化设备,在过去一段时期内仅被用来完成一些基于位置控制的重复任务,但随着传感器、机器学习等技术的蓬勃发展,机器人被期望能够完成多种灵巧操作任务,这要求机器人拥有更高的自主学习能力。但现有的机器人技能学习研... 详细信息

机器人作为一种自动化设备,在过去一段时期内仅被用来完成一些基于位置控制的重复任务,但随着传感器、机器学习等技术的蓬勃发展,机器人被期望能够完成多种灵巧操作任务,这要求机器人拥有更高的自主学习能力。但现有的机器人技能学习研究仍存在着诸多问题,如样本有效性低,需要大量的交互次数才能学到差强人意的技能;泛化能力弱,针对不同的任务需要不同策略模型;可解释性差,学习过程不安全等,这些因素阻碍了机器人学习的发展。针对上述问题,为使机器人能够在有限交互次数中学习到鲁棒的操作技能,本文提出一种基于动态运动原语(Dynamic Movement Primitives,DMP)和强化学习的DMP-SAC(Soft Actor-Critic)算法。1)首先,在现有机器人技能表征模型基础上,提出基于DMP的参数化技能表征模型,能同时对位置和四元数编码,可利用较少参数和较低算力快速从单次演示的笛卡尔空间轨迹中学习到表征技能的模型,能以较快收敛速度泛化到不同的目标状态。文章通过合成数据对算法进行了测试,证明了该模型的有效性。2)在此基础上,提出了基于SAC的机器人技能调整算法,该算法以Actor-Critic框架为基础,能通过与环境有限的交互次数实现对机器人轨迹空间的有效探索,进而完成对机器人技能的调整,提升完成任务的策略。在传统控制任务和机器人任务上对算法进行了实验,证明了技能调整算法的可行性。3)此外,基于Mu Jo Co仿真引擎、ROS和UR10真机平台搭建了一套用于机器人操作技能学习的通用框架,提出了一种对机器人末端六维力传感器干扰补偿的方法,实现了利用空间鼠标、外骨骼手等交互设备来控制仿真机器人并采集演示数据。通过该框架对DMP-SAC算法进行了全面测试,证明了算法在有限交互次数下具有优秀的技能学习能力和快速的收敛能力,为未来机器人灵巧操作的研究提供了一种可行的方案。

关键词：机器人技能学习动态运动原语强化学习参数化技能表征机器人技能调整轨迹空间探索干扰补偿

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模仿学习的机器人演奏示教系统

引用

计算机科学 2024年第S02期51卷 981-985页

作者：赵雨飞靳聪刘潇雨王洁朱永贵李波中国传媒大学数据科学与智能媒体学院北京100000 中国传媒大学信息与通信工程学院北京100000 中国爱乐乐团北京100000 西北工业大学电子信息学院西安710000

近年来,模仿学习被广泛应用于机器人领域,并展示出巨大的潜力。同时关注到智能系统在教育领域的应用越来越多样化,将机器人合理地应用到教学中可以提升教学效果,如果机器人可以教授一些专业技巧,如演奏乐器,可以为学生和人类老师都提供... 详细信息

近年来,模仿学习被广泛应用于机器人领域,并展示出巨大的潜力。同时关注到智能系统在教育领域的应用越来越多样化,将机器人合理地应用到教学中可以提升教学效果,如果机器人可以教授一些专业技巧,如演奏乐器,可以为学生和人类老师都提供很大的便利。模仿学习特别适用于高度专业和技术性强的小提琴演奏,但在将专家演示引入动态运动原语(Dynamic Movement Primitive,DMP)的过程中,模糊性问题尤为突出,例如换弦角度的不确定性。传统的换弦角度测量方法如物理测量会有很大的误差且无法泛化,为了解决这一问题,提出了一种名为基于模糊和PCA的动态运动原语(Fuzzy Dynamic Movement Primitive for Teaching,T-FDMP)的新模型。该模型基于二型模糊模型和主成分分析(Principal Component Analysis,PCA)进行构建,使用主成分分析法(PCA)得到的特征变量(运弓角度)作为隶属度函数(琴弦角度)的输入进行学习,同时构建了一个专业级的音乐演奏行为数据库。仿生实验结果证明,所提出的T-FDMP模型能够以高精度控制机器人进行小提琴演奏,还为模仿学习在其他高度专业和技术性强的领域的应用提供了新的研究方向。

关键词：模仿学习机器人控制二型模糊模型智慧教育动态运动原语

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

人机技能传递系统及方法研究

人机技能传递系统及方法研究

引用

作者：陈垂泽华南理工大学

学位级别：硕士

近年来,伴随全球新一轮的产业革命和科技发展浪潮,国内外机器人产业迅速发展,规模和市场在不断扩大。通过提高机器人的认知和学习能力,可以使机器人在非定制化编程的情况下,根据任务环境自主规划运动轨迹。然而,传统工业机器人主要采用... 详细信息

近年来,伴随全球新一轮的产业革命和科技发展浪潮,国内外机器人产业迅速发展,规模和市场在不断扩大。通过提高机器人的认知和学习能力,可以使机器人在非定制化编程的情况下,根据任务环境自主规划运动轨迹。然而,传统工业机器人主要采用示教编程方式来实现运动规划,这种方法仅仅是让机器人重复示教的轨迹,存在编程效率低,泛化能力差等诸多问题。而人机技能传递则是一种实现机器人高效编程的关键技术,其将人的技能做通用化的表示之后传递给机器人,提高了机器人编程效率以及在不同任务场景下的技能泛化能力。本文将对人机技能传递系统及相关方法展开研究,通过改进已有的技能模型,并结合机器人智能控制算法,开发基于技能建模的人机技能传递系统。本文首先对机器人技能模型的相关经典方法展开讨论和分析,包括了动态运动原语（Dynamic Movement Primitive,DMP）和高斯混合回归（Gaussian Mixture Regression,GMR）方法。同时,我们设计基于DMP模型的技能传递框架。该框架包含了机器人技能建模部分和轨迹跟踪控制器部分。在机器人技能建模部分,我们提出了基于GMR和DMP的技能建模改进方法,使得技能模型既具备空间拓展能力,又能够编码同一组示教轨迹的空间概率分布。进一步地,我们使用模糊高斯混合回归（Fuzzy Gaussian Mixture Regression,FGMR）替换GMR方法,提高了其对DMP非线性项的拟合能力。在轨迹跟踪控制器部分,我们设计了基于函数逼近的控制器,使用径向基（Radial Basis Function,RBF）神经网络估计机械臂未知的动力学部分,对外界环境造成的动力学扰动进行补偿,减小了控制器的轨迹跟踪误差。考虑到基于多源信息的技能建模对机器人成功执行任务具有重要作用,本文还设计了基于力位建模的人机技能传递系统,将同时对示教运动所包含接触力信息和位置信息进行建模。对于示教阶段,我们基于导纳模型实现了对机械臂末端的牵引示教功能。考虑到机械臂缺少力传感器或者力传感器数量不足的情况,我们设计了基于动量的力观测器,来估计机械臂末端和环境的接触力。对于技能学习阶段,我们进一步改进了DMP模型的动态系统部分,使用一阶指数衰减系统替代模型中固定的目标点参数,解决模型输出轨迹加速度突变的问题。对于复现阶段,我们使用主动刚度控制来控制机械臂末端和环境之间的刚度,从而间接地对接触力进行控制。

关键词：机器人示教学习人机技能传递动态运动原语机器人控制系统

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于示教的机器人技能学习与任务规划方法

基于示教的机器人技能学习与任务规划方法

引用

作者：董佳乐华南理工大学

学位级别：硕士

机器人在日常生活中的应用越来越广泛,然而,机器人执行任务的能力仍然受到许多限制,例如对复杂技能的学习、对任务的理解、对动作的控制能力等等。研究基于示教(Learning from Demonstration,Lf D)的机器人技能学习与任务规划方法,对于... 详细信息

机器人在日常生活中的应用越来越广泛,然而,机器人执行任务的能力仍然受到许多限制,例如对复杂技能的学习、对任务的理解、对动作的控制能力等等。研究基于示教(Learning from Demonstration,Lf D)的机器人技能学习与任务规划方法,对于推动机器人技术的发展具有重要意义。这种方法可以提升机器人的智能水平和自适应能力,能够更好地适应不同的任务和环境。本文将对机器人示教方法进行研究,通过改进现有的技能模型,并结合行为决策与规划算法,开发出基于示教的机器人技能学习与任务规划方法。首先,本文对经典的机器人技能模型与学习方法开展研究与分析。针对动态运动原语(Dynamic Movement Primitive,DMP)泛化能力不足的问题,对其原始的模型进行了改进,增强了其泛化和适用性能。同时为了机器人能够工作在非结构环境中,提高其在遇到障碍物时的应对能力,本文研究并分析了基于DMP的轨迹避障方法,使机器人能够避开阻碍其前进的障碍物。进一步地,为了让机器人可以学习到人的自适应刚度调节技能,本文设计了一种基于DMP的自适应刚度调整方法,使机器人能够根据任务与环境自适应调整自身刚度。其次,为了提高机器人技能学习的质量与示教的效率,本文提出了一种基于广义高斯混合模型(Gaussian Mixture Model,GMM)和高斯混合回归(Gaussian Mixture Regression,GMR)的从多次示教中学习技能的方法,先用广义GMM对多组示教数据建模,然后用GMR回归得到一条平滑的轨迹,最后用DMP对生成的轨迹进行建模,提高了技能学习的质量。最后,为了提高机器人在现实环境下完成任务的能力,本文提出了一种基于行为树(Behavior Tree,BT)的任务规划方法。首先将实际任务分成若干个子任务,对每个子任务分别进行示教学习与技能建模,然后建立任务的行为树模型,用于规划技能的执行顺序,机器人在执行时根据任务需求和环境状态选择合适的技能。本文用改进的DMP表征机器人的运动技能并作为行为树的执行节点,拓展了技能的应用场景,增强了机器人在任务层面的泛化能力。进一步地,本文将宽度学习系统(Broad Learning System,BLS)作为行为树的节点,用于决策行为的参数,增强了机器人在未知环境下完成任务的能力。

关键词：机器人技能学习动态运动原语广义高斯混合模型行为树宽度学习系统

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：