[發明專利]用于訓練機器人系統的操縱技能的方法和設備

在審

• 申請號: 202011164203.6
• 申請日: 2020-10-27
• 公開（公告）號: CN112720453A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: M·布爾格;國萌
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 張凌苗;申屠偉進

1.一種訓練機器人系統（200）的方法（100），特別是用于對象（300）操縱的方法（100），機器人系統（200）能夠執行技能集合，其中每個技能被學習為技能模型，特別是作為與TP-GMM任務參數化高斯混合模型相組合的TP-HSMM任務參數化隱半馬爾可夫模型，所述方法包括以下步驟：

接收（110）關于將由機器人學習的技能的物理輸入，特別是來自人類訓練者的物理輸入，其中物理輸入包括機器人系統（200）上的動覺演示集合；

為所述技能模型確定（120）任務參數集合，其中確定（120）任務參數集合的步驟包括為所述任務參數集合的每個任務參數確定任務參數是否為附加任務參數——其與作為所述動覺演示的部分的對象（300）相關，或者任務參數是否為自由任務參數——其與物理對象無關；

從動覺演示集合中為所述任務參數集合的每個任務參數獲得（130）數據，以及

利用所述任務參數集合和為每個任務參數獲得的所述數據訓練（140）所述技能模型。

2.根據權利要求1所述的方法（100），其中，確定（120）任務參數集合的步驟包括從以下各項之中選擇任務參數：與作為所述動覺演示的部分的所述對象的姿態相關聯的任務參數，自由任務參數，或者與機器人系統的末端執行器的姿態、以及特別是機器人系統的末端執行器的初始姿態相關聯的任務參數。

3.根據前述權利要求中任一項所述的方法（100），其中，選擇任務參數的步驟基于對所述選擇的再現誤差的驗證。

4.根據前述權利要求中任一項所述的方法（100），其中，技能被學習為與TP-GMM任務參數化高斯混合模型相組合的TP-HSMM任務參數化隱半馬爾可夫模型。

5.根據前述權利要求中任一項所述的方法（100），其中，所述方法進一步包括學習（150）技能的前提條件模型的步驟，所述技能的前提條件模型指代在初始時間處機器人系統（200）、以及特別是機器人系統（200）的末端執行器（220）與對象（300）之間的相對關系。

6.根據前述權利要求中任一項所述的方法（100），其中，所述方法進一步包括學習（160）技能的效果模型的步驟，所述技能的效果模型指代在最終時間處機器人系統（200）、以及特別是機器人系統（200）的末端執行器（220）與對象（300）之間的相對關系。

7.一種機器人系統（200），其被配置為可經由物理輸入、特別是來自人類訓練者的物理輸入來進行訓練，所述物理輸入關于將由機器人系統學習的技能，其中依據根據權利要求1至6中任一項的方法，物理輸入包括機器人上的動覺演示集合。

8.根據權利要求7所述的機器人系統（200），被配置為利用機器人系統的末端執行器來跟蹤參考軌跡。

9.根據權利要求7或8中任一項所述的機器人系統（200），被配置為檢測感興趣的對象。

10.用于控制根據權利要求8至9中任一項所述的機器人系統（200）的計算機，其中，所述計算機被配置為執行根據權利要求1至7中任一項的方法（100）。

11.一種包括計算機程序代碼的計算機程序，所述計算機程序代碼當在計算機上執行時，使得所述計算機能夠執行根據權利要求1至7中任一項的方法（100）。

12.一種機器可讀存儲介質，包括根據權利要求11的計算機程序。

13.機器人系統（200）的使用，特別是用于對象（300）的操縱，機器人系統（200）能夠根據權利要求8至9中任一項執行技能集合，用于執行技能序列，所述技能序列包括由機器人系統（200）依據根據權利要求1至7中任一項的方法（100）和/或利用根據權利要求10的計算機和/或利用根據權利要求11的計算機程序學習的技能集合。