[發明專利]一種基于動作演示示教的智能機器人抓取方法

有效

• 申請號: 202010619248.1
• 申請日: 2020-07-01
• 公開（公告）號: CN111890357B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 雷渠江;徐杰;李秀昊;桂光超;潘藝芃;王衛軍;韓彰秀
• 申請（專利權）人: 廣州中國科學院先進技術研究所
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 廣州容大知識產權代理事務所(普通合伙) 44326
• 代理人: 劉新年

本發明公開了一種基于動作演示示教的智能機器人抓取方法，涉及機器人學習技術領域，包括如下步驟：完成動作演示示教編程系統的硬件環境搭建；人類演示抓取操作形成人類示教動作視頻，人類使用示教器控制機器人完成演示抓取動作形成機器人示教動作視頻；將人類和機器人示教動作視頻的數據集合均進行去噪和擴充操作；采用元學習算法直接從人類和機器人的示教動作中自動學習先驗知識實現新任務的學習。本發明所提出的元學習算法能在不同的背景環境、不同的人類示教者和不同的機器人上實現模仿學習的一眼學習，利用時間卷積實現自適應目標損失函數的學習，使得網絡能夠同時捕捉多幀人類動作圖像信息，具有強大的適應能力和魯棒性。

技術領域

本發明涉及機器人學習技術領域，尤其是一種基于動作演示示教的智能機器人抓取方法。

背景技術

近年來機器人自動化系統得到了飛速發展，在工業和家用環境中得到廣泛應用，對解決社會老齡化問題、加快產業升級轉型等起到了重要作用。其中，機器人抓取技術是機器人自動化系統中的重要組成部分，幾乎涉及到機器人操作相關的所有應用，例如工業機器人分揀搬運、家用機器人桌面清理等。然而，當前大部分成熟的抓取系統都是圍繞結構化操作環境設計，依賴事先獲取的目標模型信息規劃抓取過程，抓取目標單一且應用場景相對固定，靈巧性不夠，不能很好地適應復雜多變的現實應用場景。

目前，對于未知物體的抓取問題大都采用機器學習的方法，人工設計特征并建立特征到抓取參數的映射，利用算法的學習能力將特征從已知物體遷移到未知物體中。但采用傳統機器學習方法進行未知物體抓取時，人工設計特征費時費力，并且嚴重依賴人類經驗，特征的好壞直接影響算法性能，抓取系統存在泛化能力差、僅用于當前任務難以遷移到其他任務中的問題。

發明內容

有鑒于此，有必要針對上述的問題，提出一種基于動作演示示教的智能機器人抓取方法，機器人從動作演示中學習需要獲取的示教抓取軌跡，當面對新任務時，可以通過快速學習就掌握該技能，并且能夠處理多種任務，滿足機器人智能抓取的可重復性、靈活性和可靠性的發展需求。

為實現上述目的，本發明是根據以下技術方案實現的：

一種基于動作演示示教的智能機器人抓取方法，包括以下步驟：

步驟S1：完成動作演示示教編程系統的硬件環境搭建；

步驟S2：人類演示抓取操作形成人類示教動作視頻，人類使用示教器控制機器人完成演示抓取動作形成機器人示教動作視頻；

步驟S3：將人類示教動作視頻和機器人示教動作視頻的數據集合均進行去噪和擴充操作；

步驟S4：采用元學習算法直接從人類和機器人的示教動作中自動學習先驗知識實現新任務的學習；該步驟具體包括元訓練和元測試兩個過程：在元訓練過程中，將內訓練的損失函數作為自適應目標，將外訓練的目標作為元目標，利用人類演示示教動作中的線索信息推斷出完成任務應采取的策略參數；在元測試過程中，輸入一個人類動作視頻序列，由輸出梯度信息對策略網絡進行微調，完成機器人模仿人類抓取物體功能的實現。

進一步地，所述動作演示示教編程系統包括Inter深度攝像機、至少一臺ROS動力學特性的Ubantu18.04電腦、至少一臺帶有夾持器的UR5機器人、至少一個待抓取物體；

所述Inter深度攝像機用于采集人類和機器人動作演示的視頻數據，并安裝在所述UR5機器人上；

所述Ubantu18.04電腦用于完成抓取網絡模型的訓練；

所述UR5機器人用于抓取待抓取物體。

進一步地，步驟S3具體包括以下步驟：

步驟S31：采用深度視頻分層去噪方法對人類和機器人演示示教動作獲得的數據集合進行去噪處理；

步驟S32：采用隨機平移和旋轉對人類和機器人演示示教動作獲得的數據集合進行擴充；