[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

用于訓練機器人系統的操縱技能的方法和設備，所述方法包括以下步驟：接收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上的動覺演示集合；為所述技能模型確定任務參數集合，其中確定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；從動覺演示集合中獲得所述任務參數集合的每個任務參數的數據，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所述技能模型。

背景技術

本公開涉及用于訓練機器人系統的方法和設備。

機器人系統用于對象的操縱。

諸如拾取、插入和下降之類的機器人操縱技能通常是為特定的任務硬編碼的。然而，這導致在諸如不同的工作空間或變化的條件之類的新場景情況下不良的靈活性和可重用性。

此外，已知利用演示（demonstration）來訓練機器人系統。簡單地記錄和回放演示的軌跡通常是不夠的，因為諸如變化的機器人和/或對象姿態的環境中的改變將致使任何嘗試不成功。

本公開的目的是提供一種方法和系統，利用該方法和系統，可以以高效且簡單的方式實現新技能和任務的學習。

發明內容

這通過根據獨立權利要求的設備和方法來實現。

一種訓練機器人系統的方法，特別是用于對象的操縱的方法，機器人能夠執行技能集合，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，該方法包括以下步驟：

接收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上的動覺演示集合；

為所述技能模型確定任務參數集合，其中確定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所述技能模型。

優選地，一種技能被學習為與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。

從演示中進行學習的基本思想是將諸如GMM高斯混合模型的規定的技能模型配合到一小部分演示。對于每個技能，訓練者、特別是人類訓練者在機器人上執行若干個、特別是多個動覺演示。每個演示包含個總觀測的數據集的個數據點，其中。優選地，從P個不同坐標系TP的角度記錄演示，所述P個不同坐標系TP也被稱為任務參數。為了獲得針對任務參數的數據，演示從全局幀變換到幀，

，

其中是幀p相對于參考幀、特別是在時間t處的世界幀的平移和旋轉。

通過以下參數來描述TP-GMM：

其中，K表示混合模型中高斯分量的數量，是每個分量的先驗概率，并且、是幀p內第k個分量的均值和協方差。

一旦學習，TP-GMM就可以在執行期間用于重現所學技能的軌跡。也就是說，給定觀測到的幀，通過將跨不同幀之上的仿射變換高斯分量相乘，經學習的TP-GMM被轉換成具有參數的一個單個GMM，如下

，

其中計算每一幀p處更新的高斯分布的參數和。對于更多細節，參考以下文獻：CALINON Sylvain: A tutorial on task-parameterizedmovement learning and retrieval. Intelligent Service Robotics, 9(1):1-29,2016。