[發明專利]一種基于曲線配準的示教軌跡學習方法

有效

• 申請號: 202111638864.2
• 申請日: 2021-12-29
• 公開（公告）號: CN114227688B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 劉成菊;肖宏遠;陳啟軍
• 申請（專利權）人: 同濟大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 楊宏泰

本發明涉及一種基于曲線配準的示教軌跡學習方法，包括以下步驟：S1、通過動覺示教獲取原始示教軌跡；S2、對動覺示教所記錄的原始示教軌跡進行曲線配準；S3、經過曲線配準，將原始示教軌跡分解為時域特征和空域特征，由原始示教軌跡的空域特征構成規整示教軌跡；S4、使用規整示教軌跡作為示教學習算法的輸入；S5、使用習得的模型對示教軌跡進行重現。與現有技術相比，本發明明確指出示教軌跡所具有的時?空耦合數據特性，并使用曲線配準方法替代現有的示教軌跡規整方法，使得后續的示教學習算法能夠從規整的示教軌跡中進行學習，提升了一類示教軌跡學習方法的性能。

技術領域

本發明涉及機器人軌跡規劃領域，尤其是涉及一種基于曲線配準的示教軌跡學習方法。

背景技術

基于示教學習的軌跡學習方法能夠使機器人能夠利用施教者的先驗知識快速學習較為復雜的軌跡，是實現機器人靈活運動的關鍵技術，對于推動機器人在動態環境下的快速軌跡規劃應用有重要意義，現有示教軌跡學習方法主要有以下兩種：

一是基于動態動作基元(DMP)的方法：該方法是一種單示教軌跡-單模型的示教軌跡學習方法，從單一示教軌跡中學習一個二階非線性微分方程從而實現示教軌跡的學習，通過實時迭代上述微分方程對學習的示教軌跡進行重現，該類方法存在以下問題：

僅依賴于單一示教軌跡，不能學習一組示教軌跡的共通特征；所依賴的示教軌跡質量如果較低，將顯著影響示教軌跡的學習效果。

二是基于高斯混合模型-高斯混合回歸(GMM-GMR)的方法，該方法是一種多示教軌跡-單模型的示教軌跡學習方法，從多個示教軌跡中學習時間-狀態的聯合分布并使用高斯混合模型進行表示，在新時間輸入下通過高斯混合回歸對示教軌跡進行重現，但該類方法存在以下問題：

當依賴的一組示教軌跡具有非共通的時間特征時，將影響示教軌跡的學習效果；現有的預處理方法依賴于動態時間規整或其變種，是一種非對稱的軌跡規整方法，不能正確地分離示教軌跡的時域、空域特征。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于曲線配準的示教軌跡學習方法。

本發明的目的可以通過以下技術方案來實現：

一種基于曲線配準的示教軌跡學習方法，包括以下步驟：

S1、通過動覺示教獲取原始示教軌跡；

S2、對動覺示教所記錄的原始示教軌跡進行曲線配準；

S3、經過曲線配準，將原始示教軌跡分解為時域特征和空域特征，由原始示教軌跡的空域特征構成規整示教軌跡；

S4、使用規整示教軌跡作為示教學習算法的輸入；

S5、使用習得的模型對示教軌跡進行重現。

所述的步驟S1中，機器人通過各關節電流檢測力矩并采用動力學模型獲取工作空間所受外力并進行補償，從而使自身處于零力拖動狀態，由施教者自由拖動機器人運動，同時，機器人的關節空間軌跡由各關節的位置傳感器獲取并記錄，機器人的工作空間軌跡由關節空間軌跡經過正運動學計算獲得，則記錄下來的軌跡即為示教軌跡。

步驟S2中，曲線配準采用規整函數描述示教軌跡的時域特征，并使用Fisher-Rao度量計算兩個曲線之間的距離，所述的Fisher-Rao度量在規整函數的規整作用下保持不變，并且在平方根速度表示下成為標準的L2度量。

曲線配準具體過程為：

首先將原始示教軌跡的曲線f_i變換至平方根速度空間的對應曲線并計算關于規整函數作用下各軌道空間[q_i]的均值[μ]，然后使用軌道空間[μ]的中心μ作為曲線規整的模板，對于每一個平方根速度空間曲線q_i求取最優規整函數得到一系列最優規整函數