关键词:
机器人动力学
周期性可变阻抗技能
节律动态运动基元
黎曼流形
人-机器人技能传递
摘要:
当前人-机器人技能传递方法主要集中于离散的点到点或运动学方面,而周期性的动力学技能学习没有被恰当考虑。本文提出了一种基于节律动态运动基元的多空间融合技能学习框架用于从人类示范中学习周期性变阻抗技能(包括运动轨迹与变刚度特征)。机器人工作空间的力感知信息被用于估计端点刚度矩阵,但由于其对称正定(Symmetric positive definite,SPD)特性与传统节律动态运动基元(Rhythmic dynamic movement primitive,rDMP)对欧氏空间数据的依赖性,研究设计了一种基于黎曼度量的节律动态运动基元(Riemannian metric-based rhythmic dynamic movement primitive,RM-rDMP)技能学习方法以适应SPD流形上的刚度矩阵信息,并采用自适应振荡器估计系统的频率与相位。通过基于机器人动力学模型的阻抗控制策略,将运动轨迹与变刚度特性同时赋予机器人以完成变阻抗技能编码。通过仿真与实验研究表明,所提方法可成功将类人的运动学与动力学技能传递给机器人,并使其具备再现与泛化能力。综上,所提方法包括一个端点刚度估计模型和一个多空间融合的周期性变阻抗技能学习框架,适用于需要同时考虑欧氏空间位置和黎曼空间刚度矩阵的人-机器人技能传递控制方法。