论文部分内容阅读
为了满足协作机器人工作过程中，对目标物体位姿的适应过程和对运动轨迹调整过程的不同需求，提出一种机器人自适应策略，利用位姿适应和轨迹调整两个环节上的高斯过程模型，让机器人从人类的演示样本中学习。位姿适应环节的高斯过程关联目标物体的被观测变量和机器人最终到达的关节坐标；轨迹调整环节的高斯过程则让机器人能够结合多个演示轨迹样本，构建机器人轨迹的概率分布，在终点关节坐标已知的情况下，利用高斯过程回归计算运动过程的关节轨迹；在轨迹调整环节中，高斯核函数被用于计算关节轨迹点之间的协方差，使机器人的轨迹调整过程更加柔顺，减少冲击和振动。通过UR 机器人在有障碍物环境下的自适应抓取实验，证明提出的方法既能让机器人既能根据目标物体的像素坐标信息计算与之对应的机器人关节坐标，又能调整机器人的运动，使新的机器人关节轨迹符合环境和任务的约束。