[發明專利]用于控制機器人設備的方法

在審

• 申請號: 202210527848.4
• 申請日: 2022-05-16
• 公開（公告）號: CN115351780A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: L·洛佐;V·達夫
• 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: 任一方;周學斌

用于控制機器人設備的方法。根據各種實施例，描述了一種用于控制機器人設備的方法，包括提供機器人技能的演示，其中每個演示演示了包括機器人配置序列的軌跡，每個機器人配置由具有黎曼流形結構的預定配置空間的元素描述，通過搜索使根據權重向量的基本移動的組合與演示軌跡之間的距離度量最小化的權重向量，將每個軌跡的表示確定為機器人設備的預定基本移動的權重向量，其中該組合被映射到流形，通過將概率分布擬合到針對演示軌跡確定的權重向量來確定權重向量的概率分布，以及通過根據所確定的權重向量的概率分布執行基本移動來控制機器人設備。

現有技術

本公開涉及用于控制機器人設備的方法。

在許多應用中，合期望的是機器人可以在可能的動態和非結構化環境中自主地執行。為此，他們需要學習如何移入其周圍環境并與其周圍環境交互。為了這樣做，機器人可以依賴于技能庫，該技能庫可以用來執行簡單的運動或執行復雜的任務，作為幾個技能的組合。學習運動技能的方式是經由人類示例，其被稱為從演示中學習（LfD）。這需要（通常是人類）專家示出一次或幾次將被機器人模仿的特定運動。

A. Paraschos等人在Autonomous Robots（42：529-551，2018）中的出版物“Usingprobabilistic movement primitives in robotics”描述了概率性移動基元（ProMP），這是一種用于學習和合成機器人運動技能的概率性框架。ProMP表示基于緊湊基函數表示的軌跡分布。它的概率性公式使能實現移動調制、平行移動激活以及控制中的方差信息的開發。

盡管ProMP已經被用于學習笛卡爾移動，但是它的公式不準許以四元數軌跡的形式處理定向移動。然而，四元數對于機器人控制具有有利的特性，諸如它們在閉環定向控制中提供了幾乎最小的表示和強穩定性。因此，允許從包括四元數軌跡的演示中進行機器人控制學習的方法是合期望的。

發明內容

根據各種實施例，提供了一種用于控制機器人設備的方法，包括提供機器人技能的演示，其中每個演示演示了包括機器人配置序列的軌跡，其中每個機器人配置由具有黎曼流形結構的預定配置空間的元素描述。該方法進一步包括對于每個演示軌跡，通過如下將軌跡的表示確定為機器人設備的預定基本移動的權重向量：搜索使根據權重向量的基本移動的組合與演示軌跡之間的距離度量最小化的權重向量，其中該組合被映射到流形。該方法進一步包括通過將概率分布擬合到針對演示軌跡確定的權重向量來確定權重向量的概率分布，以及通過根據所確定的權重向量的概率分布執行基本移動來控制機器人設備。

根據各種實施例，上述方法提供了使用黎曼流形方法來編碼、再現和適配概率性移動基元（使用多元測地線回歸，如下文詳細描述的）的機器人控制。具體地，根據各種實施例，四元數軌跡的空間被視為黎曼流形。與不知道幾何形狀的方法（諸如經典的ProMP）相比，該方法允許機器人學習和再現技能成為可能，同時不太容易編碼不準確的數據或再現扭曲的軌跡。由于它不依賴于粗糙近似，因此該模型也更可解釋。此外，該方法提供了附加的適配能力，諸如軌跡分布的調制和移動基元混合。

根據各種實施例，通過測地線回歸，演示軌跡被表示為權重向量。這意味著測地線可以被看成是擬合每個演示軌跡。

在下文中給出了各種示例。

示例1是如上所述的用于控制機器人設備的方法。

示例2是示例1的方法，其中通過將高斯分布擬合到針對演示軌跡確定的權重向量來確定權重向量的概率分布。

使用高斯分布進行訓練和再現為控制場景提供了可靠的控制，這在演示中是不曾看到的。