System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及运动轨迹规划,特别是指一种基于模仿学习的材料合成机器人运动规划方法及系统。
技术介绍
1、近年来,人工智能及机器人技术在材料和化学领域得到应用并取得一系列重要进展。许多智能方法被应用于药物发现过程中并逐渐延伸到材料制备领域。基于人工智能技术的智能机器人也逐渐在化学药物、材料制备中起到关键作用。基于机器人自动化的制造业的进一步发展面临着诸多挑战,现有的机器人系统被赋予了更具灵活性、柔顺性的期望。人与机器人共享工作空间,人-信息-机器人融合成为了机器人发展的新趋势。
2、其中,技能模仿学习是人-信息-机器人融合系统中的关键之一,是实现人与机器人运动信息深度融合的基础,目前是国际机器人领域中的研究热点之一。模仿学习的本质是人将自己掌握的技能做通用化的描述,然后传递给机器人,从而实现对机器人运动的编程。代替传统的机器人编程方式,通过示教-技能建模-任务复现的一般过程使机器人掌握人类导师演示的技能。机器人除了直接模仿人的技能外,还可根据任务情况对所学技能进行泛化、拓展。技能模仿学习强调了在人-信息-机器人融合中人的因素所起的关键作用,可实现人机各自作业优势的结合,适应人机共融协作要求。
3、此外,机器人的仿人操作能够与材料制备领域高效结合,机器设备的智能化无人操作能够省去大量的人力,节约成本。具有高度灵活性的机器人系统在材料制备领域能够发挥重要作用。在材料制备过程中,结合多种检测技术的材料制备机器人系统在完成制备任务的同时,可以在涂层制备、涂层检测、工艺流程优化、性能预测等方面发挥重要作用,能够自主地
4、传统的人机协作控制方法存在固化编程以及实验人员与机器人相互独立的问题,从而增加了实验人员的编程难度,降低了工作效率。
技术实现思路
1、为了解决现有技术存在的传统编程的复杂化操作,工作效率低的技术问题,本专利技术实施例提供了一种基于模仿学习的材料合成机器人运动规划方法及系统。所述技术方案如下:
2、一方面,提供了一种基于模仿学习的材料合成机器人运动规划方法,该方法由材料合成机器人运动规划设备实现,该方法包括:
3、s1:通过不同实验人员多次拖动主协作机器人完成材料制备实验任务,记录运动数据,生成运动轨迹数据;
4、s2:采用动态时间规整算法对所述运动轨迹数据进行预处理;
5、s3:使用高斯混合模型对预处理后的运动轨迹数据进行编码,然后使用高斯混合回归生成具有概率信息的综合教学轨迹数据,对所述综合教学轨迹数据进行人工校正,得到专家轨迹数据;
6、s4:利用动态运动基元和核化运动基元对所述专家轨迹数据进行模型参数学习,得到参数轨迹数据;
7、s5:对所述参数轨迹数据进行任务复现,并根据实际环境变动,调整模型参数,实现运动轨迹的泛化。
8、另一方面,提供了一种基于模仿学习的材料合成机器人运动规划系统,该系统应用于基于模仿学习的材料合成机器人运动规划方法,该系统包括主协作机器人、副协作机器人、水滴角检测仪和计算机设备,所述主协作机器人、副协作机器人、水滴角检测仪分别与计算机设备通信连接;其中,
9、所述主协作机器人用于完成材料制备实验;
10、所述副协作机器人用于在制备完成后的基材表面滴水,进行水滴角检测;
11、所述水滴角检测仪用于拍摄并计算水滴角大小;
12、所述计算机设备用于记录实验人员手动拖动主协作机器人的机械臂的运动数据,生成运动轨迹数据;采用动态时间规整算法对所述运动轨迹数据进行预处理;使用高斯混合模型对所述预处理后的轨迹数据进行编码,然后使用高斯混合回归生成具有概率信息的综合教学轨迹数据,进而对该综合教学轨迹数据进行人工校正后得到专家轨迹数据;利用动态运动基元和核化运动基元对所述专家轨迹数据进行模型参数学习,得到参数轨迹数据;对所述参数轨迹数据进行任务复现,并能够根据实际环境变动,调整模型参数,实现运动轨迹的泛化。
13、另一方面,提供一种材料合成机器人运动规划设备,所述材料合成机器人运动规划设备包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如上述基于模仿学习的材料合成机器人运动规划方法中的任一项方法。
14、另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述基于模仿学习的材料合成机器人运动规划方法中的任一项方法。
15、本专利技术实施例提供的技术方案带来的有益效果至少包括:
16、第一、本专利技术基于协作机器人,并搭配二指夹爪、夹持器和水滴角检测仪搭建的材料合成机器人系统提高了在完成任务的基础上增加人类柔顺性技能,使得协作机器人具备了完成复杂任务的硬件基础。
17、第二、本专利技术将动态时间规整引入人机技能传递任务中实现对多次示教轨迹的预处理,进一步实现不同实验人员示教轨迹时间尺度上的统一性,保证后续算法处理的有效性。
18、第三、本专利技术将高斯混合模型和高斯混合回归引入所述人机技能传递任务中,在预处理的基础上生成带有概率信息的综合教学轨迹数据,通过人工调整,生成修正后的专家轨迹数据;
19、第四、本专利技术将核化运动基元和动态运动基元引入所述人机技能传递任务中,使得协作机器人在材料合成任务中能够进行类人化操作,提高了协作机器人的适应能力。
本文档来自技高网...【技术保护点】
1.一种基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于模仿学习的材料合成机器人运动规划方法,所述采用动态时间规整算法对所述运动轨迹数据进行预处理,包括:
3.根据权利要求1所述的基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述步骤S3的使用高斯混合模型对预处理后的运动轨迹数据进行编码,然后使用高斯混合回归生成具有概率信息的综合教学轨迹数据,对所述综合教学轨迹数据进行人工校正,得到专家轨迹数据,包括:
4.根据权利要求3所述的基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述步骤S4中的参数轨迹数据定义为:ξ(s)=Θ(s)Tω,
5.根据权利要求4所述的基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述步骤S5对所述参数轨迹数据进行任务复现,并根据实际环境变动,调整模型参数,实现运动轨迹的泛化,包括:
6.一种基于模仿学习的材料合成机器人运动规划系统,所述基于模仿学习的材料合成机器人运动规划系统用于实现如权利要求1-5任一项所述基于模仿学习的材
7.根据权利要求6所述的系统,其特征在于,所述主协作机器人和副协作机器人上设置有二指夹爪和夹持器。
8.根据权利要求6所述的系统,其特征在于,所述机械臂的运动数据由内置传感器通过ROS系统joint_states话题获取。
9.根据权利要求6所述的系统,其特征在于,所述主协作机器人和副协作机器人通过UDP与计算机设备通信连接,所述水滴角检测仪通过USB串口与计算机设备通信连接。
10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1至5任一项所述的方法。
...【技术特征摘要】
1.一种基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于模仿学习的材料合成机器人运动规划方法,所述采用动态时间规整算法对所述运动轨迹数据进行预处理,包括:
3.根据权利要求1所述的基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述步骤s3的使用高斯混合模型对预处理后的运动轨迹数据进行编码,然后使用高斯混合回归生成具有概率信息的综合教学轨迹数据,对所述综合教学轨迹数据进行人工校正,得到专家轨迹数据,包括:
4.根据权利要求3所述的基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述步骤s4中的参数轨迹数据定义为:ξ(s)=θ(s)tω,
5.根据权利要求4所述的基于模仿学习的材料合成机器人运动规划方法,其特征在于,所述步骤s5对所述参数轨迹数据进行任务复现,并根据实际环境变动,调整模型参数,实现运动轨迹的泛化,包括:
6.一种基于模仿学习的材料合成机器人运动规划系...
【专利技术属性】
技术研发人员:吴逸帆,贺威,刘昊,于欣波,张爽,冯楠,张达威,侯静怡,郝湘平,张冬浩,
申请(专利权)人:北京科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。