[發明專利]一種基于隱半馬爾可夫模型的機械臂控制方法及系統

有效

• 申請號: 202010563175.9
• 申請日: 2020-06-19
• 公開（公告）號: CN111872934B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 徐國政;楊賽;陳盛;高翔;王強;朱博;譚彩銘
• 申請（專利權）人: 南京郵電大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種基于隱半馬爾可夫模型的機械臂控制方法及系統，其中方法包括：通過對獲取的多組機械臂抓取過程觀測數據建立對應的HMSS訓練模型，再基于BIC準則從訓練模型中選擇最優模型；使用維特比算法對最優模型進行解碼，得到隱藏的基元運動行為，建立基元運動庫；計算HSMM新型前向概率，根據HSMM新型前向概率的濾波概率求得當前時刻被激活的運動基元，重新規劃基元運動序列；最后基于DMP算法對每個運動基元建立基元軌跡模型，控制機械臂執行基元軌跡。本發明提高了機器的自主學習能力，同時具備穩定性和泛化性。

技術領域

本發明涉及機械臂控制領域，尤其涉及一種基于隱半馬爾可夫模型的機械臂控制方法及系統。

背景技術

機械臂操作技能(Robot manipulation skill)是指機器人基于自身的傳感、感知、決策、規劃與控制能力，通過機械臂在有限時間內操作環境中特定的物體，使物體由初始狀態達到目標狀態。目前機械臂操作技能大多通過人工預定義的規則實現，而人類主要是通過模仿及與環境交互，從而實現技能的獲取。在多模態感知、自主決策以及運動的靈活性、自適應性上，機械臂操作技能與人類操作相比還有較大差距。而協作任務的動態性和多樣性更強，這對機械臂協作技能的靈活部署能力和適應能力提出更高的要求。服務機器人在人類環境中工作往往要面對物體的空間排布不規則，例如物體可能會被放置在盒子、貨架或柜子中，對機械臂技能的執行造成挑戰。綜上所述,機械臂操作技能的實現具有迫切的需求與重大的意義。

當前研究領域已經出現基于機器視覺的和基于強化學習兩種主流的機械臂操作方法，操作效果日趨完善，但也分別存在一些不足。基于機器視覺的方法通常需要一個甚至多個攝像頭，增加了計算機視覺相關方面的工作，使操作過程復雜化；基于強化學習的方法，由于機械臂自身物理屬性(如對機械臂正、逆解的求解)和對計算機性能要求較高的限制，也使得該方法存在一定局限性。

發明內容

發明目的：本發明提出一種操作簡單、準確性高的機械臂控制方法。本發明的另一目的在于提供基于該機械臂控制方法的系統。

技術方案：本發明所述的基于隱半馬爾可夫模型的機械臂控制方法包括：

(1)獲取機械臂抓取的觀測數據，利用隱半馬爾可夫模型HSMM對觀測數據建立訓練模型；

(2)利用貝葉斯信息準則BIC對所述訓練模型進行優化，得到最優模型；

(3)使用維特比算法對最優模型進行解碼，得到隱藏的基元運動行為，建立基元運動庫；

(4)計算HSMM新型前向概率，根據HSMM新型前向概率的濾波概率求得當前時刻被激活的運動基元，重新規劃基元運動序列；

(5)基于DMP算法對每個運動基元建立基元軌跡模型，控制機械臂執行基元軌跡。

進一步地，所述步驟(1)包括：

(11)獲取機械臂完成指定抓取動作的N組觀測數據，每組觀測數據對應一個隱狀態數目取值；不同組的觀測數據對應的隱狀態數目不同。

指定抓取動作應充分調動機械臂各個連桿和關節，被抓物體始終在在機械臂可操作空間范圍內；同時，被抓物體應當具備一定剛度，保證機械爪在操作時(如旋轉一定角度)仍然保持牢固。

進一步地，機械臂完成指定抓取動作的觀測數據包括：位姿、速度和加速度。其中，位姿包括位移和角度。

進一步地，所述位姿包括機械臂各關節的位姿信息、機械手的位姿信息、被抓物體的位姿信息；所述速度包括機械臂各關節的速度信息、機械手的速度信息；所述速度包括機械臂各關節的加速度信息、機械手的加速度信息。