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】
【国外来华专利技术】
示例涉及用于基于期望关节状态控制机器人的多个关节的方法、计算机程序、和装置,更具体但不排他地涉及用于机器人系统中的旋转致动器和棱柱形致动器的实时可行性滤波器的概念。
技术介绍
1、机器人系统用于完成复杂的运动,并且需要有效地操作。机器人可以包括在操作期间协调的多个关节,诸如棱柱形(prismatic)关节和旋转(revolute)关节。在机器人系统中,许多动力学应用(诸如触及、抓取、和放置物体)需要准确的运动规划和动力学电动机控制。重要的是,设计运动规划策略,以在面对不精确的感测和制动时提供更强的鲁棒性。为此,运动规划器可以相对于环境的最新状态生成期望的机器人运动。除此之外,生成的运动必须对于机器人跟随是可行的。这种可行性是在运动学级别(例如,位置和速度)和动力学级别(例如,加速度和急动度)上定义的,并且因此生成的运动必须着眼于这两个级别才能被称为可行的。操作致动器超出其极限会对致动器本身和环境造成不可逆的损害。由于可用计算资源的限制,在运动规划级别并不总是能够解决致动器的运动学限制和动力学限制。此外,由于急动度限制而不能立即改变位置、速度和加速度,因此可能不足以单独满足每个级别下的状态约束。
技术实现思路
1、示例基于可以实现可行性滤波器这一发现,该发现允许滤波期望状态,以符合给定的运动学约束和动力学约束。示例可以提供一种计算高效的方法,该方法包括以满足致动器的运动学约束和动力学约束的方式调制期望的机器人的运动。该方法可以集成到现有的运动控制方法中,并且可以在动力学环境中调制期望
2、示例涉及一种用于基于期望关节状态控制机器人的多个关节的方法。该方法包括获得关于期望关节状态的信息以及获得关于当前关节状态的信息。该方法还包括基于关于当前关节状态的信息并且基于机器人的状态约束滤波期望关节状态,以获得关于滤波后的期望关节状态的信息。滤波后的期望关节状态符合状态约束。该方法还包括提供关于滤波后的期望关节状态的信息,以控制机器人的关节。期望关节状态的滤波可以实现实时或接近实时处理,以获得符合机器人的状态约束的滤波后的期望关节状态。
3、期望状态的滤波可以基于考虑状态约束的减小滤波后的期望状态与期望状态之间的差异。由此,可以有效地减小期望状态与实际状态或当前状态的偏差。
4、例如,滤波可以基于考虑状态约束最小化滤波后的期望状态与期望状态之间的差异。因此,考虑到机器人在给定实际状态和由约束给出的边界内的期望状态,滤波后的期望状态可以是最优的。
5、在另外的示例中,该差异可以由期望关节状态与滤波后的期望关节状态之间在关节的地点或位置、关节的速度、关节的加速度、关节的急动度和/或地点或位置的一个或多个高阶导数中的一个或多个方面的差异的和或加权和确定。示例可以考虑运动学约束和动力学约束。
6、例如,差异可以是考虑状态约束的滤波后的期望状态与期望状态之间的均方误差或加权均方误差。示例可以针对期望关节状态实现均方误差滤波器,并且由此针对给定的实际状态和状态约束提供最佳或接近最佳的滤波后的关节状态。
7、在实现方式中,一些示例可以使用滤波,该滤波包括分别为多个关节中的每个关节确定滤波规则。这可以实现针对多个关节的并行滤波。
8、此外,至少在一些示例中,该滤波还可以基于避免机器人的最终不可行状态。最终不可行状态是一种状态,该状态在当下可能不会违反任何约束,然而由于运动学状态和动力学状态,不可行状态将在未来产生。最终不可行状态的示例是即使当施加最大减速度时在给定位置处速度太高而无法避免违反位置约束的状态。由此,示例可以在确定当前状态时考虑未来状态约束。最终不可行状态的避免可以基于分析滤波后的期望急动度对未来状态的影响。这样,示例还可以实现未来状态约束遵从性。
9、在另外的示例中,滤波还可以基于机器人的关节之间的耦合效应和/或机器人的关节的非线性动力学。因此,示例还可以考虑机器人的关节之间的相互耦合效应或非线性。
10、当前关节状态、期望关节状态和滤波后的期望关节状态可以包括关于关节的地点或位置、关节的速度、关节的加速度、关节的急动度、和/或地点或位置的一个或多个高阶导数的信息中的一个或多个。示例可以提供滤波后的运动学期望状态和动力学期望状态。因此,当前关节状态和滤波后的期望关节状态可以包括关于关节的地点或位置、关节的速度、关节的加速度和关节的急动度的信息。在一些示例中,期望关节状态可以包括关于关节的地点或位置、关节的速度、关节的加速度、关节的急动度、和/或地点或位置的一个或多个高阶导数的信息的组中的三个或更少的元素。然后,该方法还可以包括基于当前关节状态和期望关节状态预测针对后续时间间隔的期望关节状态。针对后续时间间隔的期望关节状态可以包括关于关节的地点或位置、关节的速度、关节的加速度、关节的急动度、和/或地点或位置的一个或多个高阶导数的组中的一个或多个元素的预测信息。然后,滤波可以基于针对后续时间间隔的预测的期望关节状态。
11、针对后续时间间隔的期望关节状态的预测可以包括使用基于期望关节状态的参数状态估计,以获得针对后续时间间隔的预测的期望关节状态。示例可以提供用于预测期望关节状态的有效方式。例如,参数状态估计可以使用savitzky-golay算法。
12、此外,在示例中,滤波可以基于状态约束,状态约束基于多个后续时间间隔的数量。由此,示例可以允许预测范围。后续间隔的数量可以被配置为允许基于关节的最大减速度约束停止关节的运动。因此,示例可以允许停止预测范围内的运动。例如,时间间隔的数量还可以取决于关节的地点或位置、关节的速度、关节的最大允许加速度和/或急动度中的一个或多个。由此,在示例中,运动学约束和动力学约束可以确定预测范围。通常,状态约束可以包括关节的运动学约束和动力学约束。
13、另一示例是一种具有程序代码的计算机程序,当在计算机、处理器或可编程硬件组件上执行计算机程序时,程序代码用于执行本文所述的方法中的任一种。
14、另一示例是一种用于控制自动化设备的装置,该自动化设备包括用于执行本文所述的方法中的一种的控制单元。又一示例是自动化设备、机器人、或用于机器人的控制器,例如,包括该装置的示例的工业机器人。
本文档来自技高网...【技术保护点】
1.一种用于基于期望关节状态控制机器人的多个关节的方法,所述方法包括:
2.根据权利要求1所述的方法,其中,期望状态的滤波是基于考虑所述状态约束减小所述滤波后的期望状态与期望状态之间的差异。
3.根据权利要求1所述的方法,其中,所述滤波是基于考虑所述状态约束最小化所述滤波后的期望状态与期望状态之间的差异。
4.根据权利要求3所述的方法,其中,所述差异由所述期望关节状态与所述滤波后的期望关节状态之间在所述关节的地点或位置、所述关节的速度、所述关节的加速度、所述关节的急动度、和/或所述地点或位置的高阶导数中的一个或多个方面的所述差异的和或加权和确定。
5.根据权利要求4所述的方法,其中,所述差异是所述滤波后的期望状态与考虑所述状态约束的所述期望状态之间的均方误差或加权均方误差。
6.根据权利要求5所述的方法,其中,所述滤波包括分别为所述多个关节中的每个关节确定滤波规则。
7.根据权利要求1所述的方法,其中,所述滤波还基于避免所述机器人的最终不可行状态。
8.根据权利要求7所述的方法,其中,所述最终不可
9.根据权利要求1所述的方法,其中,所述滤波还基于所述机器人的所述关节之间的耦合效应和/或所述机器人的所述关节的非线性动力学。
10.根据权利要求1所述的方法,其中,所述当前关节状态、所述期望关节状态和所述滤波后的期望关节状态包括关于所述关节的地点或位置、所述关节的速度、所述关节的加速度、所述关节的急动度、和/或所述地点或位置的高阶导数的信息中的一个或多个。
11.根据权利要求1所述的方法,其中,
12.根据权利要求11所述的方法,其中,针对所述后续时间间隔的所述期望关节状态的预测包括使用基于所述期望关节状态的参数状态估计,以获得针对所述后续时间间隔的所述预测的期望关节状态。
13.根据权利要求12所述的方法,其中,所述参数状态估计使用Savitzky-Golay算法。
14.根据权利要求1所述的方法,其中,所述滤波基于状态约束,所述状态约束基于多个后续时间间隔的数量。
15.根据权利要求14所述的方法,其中,后续间隔的数量被配置为允许基于所述关节的最大减速度约束停止所述关节的运动。
16.根据权利要求15所述的方法,其中,时间间隔的数量还取决于所述关节的地点或位置、所述关节的速度以及所述关节的最大允许加速度和所述关节的急动度中的一个或多个。
17.根据权利要求1所述的方法,其中,所述状态约束包括所述关节的运动学约束和动力学约束。
18.一种具有程序代码的计算机程序,当在计算机、处理器、或可编程硬件组件上执行所述计算机程序时,所述程序代码用于执行根据权利要求1所述的方法。
19.一种用于控制机器人的多个关节的装置,包括用于执行根据权利要求1所述的方法的控制单元。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于基于期望关节状态控制机器人的多个关节的方法,所述方法包括:
2.根据权利要求1所述的方法,其中,期望状态的滤波是基于考虑所述状态约束减小所述滤波后的期望状态与期望状态之间的差异。
3.根据权利要求1所述的方法,其中,所述滤波是基于考虑所述状态约束最小化所述滤波后的期望状态与期望状态之间的差异。
4.根据权利要求3所述的方法,其中,所述差异由所述期望关节状态与所述滤波后的期望关节状态之间在所述关节的地点或位置、所述关节的速度、所述关节的加速度、所述关节的急动度、和/或所述地点或位置的高阶导数中的一个或多个方面的所述差异的和或加权和确定。
5.根据权利要求4所述的方法,其中,所述差异是所述滤波后的期望状态与考虑所述状态约束的所述期望状态之间的均方误差或加权均方误差。
6.根据权利要求5所述的方法,其中,所述滤波包括分别为所述多个关节中的每个关节确定滤波规则。
7.根据权利要求1所述的方法,其中,所述滤波还基于避免所述机器人的最终不可行状态。
8.根据权利要求7所述的方法,其中,所述最终不可行状态的避免是基于分析滤波后的期望急动度对未来状态的影响。
9.根据权利要求1所述的方法,其中,所述滤波还基于所述机器人的所述关节之间的耦合效应和/或所述机器人的所述关节的非线性动力学。
10.根据权利要求1所述的方法,其中,所述当前关节状态、所述期望关节状态和所述滤...
【专利技术属性】
技术研发人员:赛义德·辛娜·米拉扎维·萨莱希安,托马斯·范·德·维尔,
申请(专利权)人:索尼集团公司,
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。