关键词： 绳索牵引并联机器人   模型不确定性   同步运动   滑模控制   自适应控制  

摘要： 通过对传统并联机器人的结构进行创新,绳索牵引并联机器人(亦称为绳索机器人)是一类选择柔性绳索而非刚性连杆用以连接的新型机器人。得益于此特殊结构,绳索牵引并联机器人具有高速、大工作空间、强负载能力和易于模块化等显著优点。然而,也正是由于绳索牵引方式的特殊性,绳索牵引并联机器人的控制一直面临着绳索张力为正的约束和模型不确定性的挑战。针对这些问题,将绳索之间的同步协调运动与先进的控制方案相结合,设计新颖的控制策略以实现更好的控制性能,并且在理论的基础上通过仿真和实验进行验证。本文的主要研究内容包括:1)将绳索同步方案与快速终端滑模方法相结合,设计了快速终端滑模同步控制策略。利用协调控制的优势与快速终端滑模有限时间收敛的特性,所提控制策略从协调相邻绳索的同步运动和加快误差的收敛速度两个角度共同提高绳索机器人的跟踪精度。基于Lyapunov理论,对系统的稳定性和误差的收敛性进行了证明。在六自由度绳索牵引并联机器人上,完成了轨迹跟踪仿真和实验。相较于同步控制的仿真结果,在所提控制策略的作用下误差收敛速度更快。实验中同增广PD控制和同步控制策略的对比结果表明,所提控制策略表现出更优的跟踪精度。2)基于绳索牵引并联机器人的拓扑结构,提出了新的关于绳索整体协调的同步方案。同时,从动力学参数自适应的方向切入,设计自适应律以实现参数的快速收敛性能。继而,提出了可以保证参数收敛速度的快速自适应同步控制策略,并且详细证明了系统的稳定性和参数的收敛性。另外,进行了数值仿真和实际实验以验证所提控制策略的性能。实验结果表明,在快速自适应同步控制策略的作用下,不仅有效地协调了所有绳索的运动,而且更快地更新了动力学参数,从而呈现出高精度的控制性能。3)考虑绳索弹性,基于主导动力学特性将其建模为无质量的线性轴向弹簧,重新完成系统建模。由此设计级联结构的控制器,内环是调整绳索长度的PD控制器,外环则是二阶滑模同步控制器,将绳索整体协调的同步思想与二阶滑模控制相结合,提高控制精度并且抑制抖振。闭环系统的稳定性通过奇异摄动理论进行证明。此外,在六自由度绳索牵引并联机器人上,利用相机和编码器测量,实验验证了所提控制器的性能。

关键词： 信息型文本   交际翻译理论   《机器人学与人工智能:伦理导论》  

摘要： 人工智能与机器人等信息化技术的迅速发展对人类的生活和工作产生了重大影响,推动了社会进步。但随着人工智能的广泛应用,其安全和隐私问题已经成为公民、企业和政策的主要关注点。基于此,译者选择了《机器人学与人工智能:伦理导论》这一本讲述人工智能伦理问题的著作作为翻译实践的对象。 《机器人学与人工智能:伦理导论》由施普林格国际出版社于2021年出版,译者节选了第6章至第11章作为翻译实践材料。作者在这些章节主要通过列举实例的方式,从伦理道德的视角介绍和解释人机交互领域所面临的真实困境,并讨论人工智能和机器人在教育、医疗、军事、自动驾驶汽车等领域的应用,以此来帮助读者正确看待人工智能,深入了解其背后的伦理困境。 原文涉及大量专业术语和背景知识,其目的在于传递科学知识,强调内容的真实性和信息传递的客观性,它与纽马克文本类型分类中的信息型文本的特征相吻合。纽马克的交际翻译理论以目标语读者为中心,注重目标语读者的理解和反应,强调交际效果,要求译者突破原文形式局限,对译文做出适当调整和改变,以求译文符合目标语读者语言习惯,使原作的思想和内容更容易被目标语读者接受。根据纽马克文本类型分类,信息型文本借助交际翻译理论指导更具适用性,因此译者选择了交际翻译理论来指导此次翻译实践。在理论的指导下,译者采用了意译、转换、增译、加注等翻译方法和技巧来处理词汇、句法和语篇三个层面遇到的难点,力求译文流畅,准确传递原文信息,且符合目标语读者语言习惯。 通过此次翻译实践,译者已初步了解了信息型文本的文本特点和翻译方法,同时认识到了交际翻译理论指导实践的重要作用,为以后对此类文本的翻译工作奠定了一定的经验基础。

关键词： 设计型学习   机器人教育   竞赛教学   教学活动设计  

摘要： 随着信息与智能时代到来,创新人才的培养成为社会发展的需求。机器人教育和机器人竞赛成为培养创新人才的有效途径,很多国家日益开展对机器人的学习和研究。目前我国很多学生通过参加机器人社团、机器人竞赛加入到机器人的学习,但是机器人教育在逐步开展的同时,也出现了诸如缺乏科学的理论体系、教学方式单一以及学生只重视竞赛的结果和荣誉等问题。因此,如何更好地使学生掌握机器人竞赛所需基本知识,发散学生创新思维进而能够提升学生创造力和问题解决能力,使机器人教育能够在中小学有效开展,是我们需要研究的关键问题。本研究以机器人竞赛活动所需的基本知识为教学主线,将设计型学习这一新兴学习范式融入到机器人常规课堂中,构建教学活动框架并开展区别于竞赛集训的教学活动进行实践探索。首先总结了国内外设计型学习和机器人教育领域的研究成果和现状,并阐释和分析本文的理论基础;其次对机器人竞赛活动的现状、需求、以及具体活动概述进行分析,为教学活动设计提供支撑;再次通过教学活动前期分析明确教学目标、内容和学习者特征,以设计型学习经典模型为参考,构建适用于机器人竞赛教学的活动框架,该框架以学生活动为主体,设计了探究学习、迭代设计和反思优化三个主要阶段。最后在南京市K小学以乐高EV3为载体开展教学设计、教学实施、教学评价以及反思与修正四个环节的教学实践,实践过程中以活动评价表、课堂观察和访谈等方式检验教学实施的效果并对初始框架进行修正完善,最终形成基于设计型学习的小学机器人竞赛教学活动框架。基于以上工作,通过创造力量表测试、作品评价数据和课后访谈进行分析,取得一些研究成果:在机器人教育常规课堂中,机器人竞赛教学活动框架的设计与实践是行之有效的;基于设计型学习的小学机器人竞赛教学活动可以有效地培养并提高学生的创造力和问题解决能力,提高对机器人的学习兴趣和积极性,在学习知识的同时提高综合素质。

关键词： Curriculum   Disabilities   Elementary   Empathy   Instruction  

摘要： Schools and businesses are realizing the importance of empathy and the role it plays in their success. The purpose of this mixed-methods action research is to assess the impact of robotics on fifth grade students’ empathy towards people with disabilities. This study aimed to answer the following research questions: (1) What is the effect of using robotics on fifth grade students’ empathy towards people with disabilities? (2) How do fifth grade students perceive the intervention’s impact on their empathy? (3) How does the intervention impact fifth grade students’ perceptions of people with disabilities? Fifth grade students at Burton Academy within the researcher’s classroom will participate in disability scenarios in which they must program a Lego Boost Robot to assist a person with a physical disability achieve a given task. In order to assess the impact of this innovation, quantitative data will be collected through the use of a pre- and post-survey using The Basic Empathy Scale. In addition, qualitative data will be collected through individual interviews and student response journals. The data will be analyzed using a paired sample t-test for the pre-and post-survey, and an inductive/thematic analysis of the interview transcripts and student response journal entries. Quantitative and qualitative data will be triangulated to strengthen and support the study’s conclusions.

关键词： Artificial intelligence   Computer vision   Machine learning   Robotics  

摘要： Building an intelligent robot that is capable of collaborating with humans in daily tasks is a challenging problem. Although recent artificial intelligence research shows remarkable results in classical tasks, there is still a long way to achieve human-level intelligent robots. We need to start developing methods in terms of perception, learning, reasoning, and planning. In this dissertation, we study multi-modal robotic learning, reasoning, and planning from three different perspectives: (i) robot imitation learning: we first introduce a series of works including hardware prototype, data collection, modeling human demonstration, and planning for robot imitation learning. (ii) multi-modal reasoning: we study multi-modal reasoning in two different tasks. We develop a dataset and models for visual abstraction reasoning with human IQ test. Additionally, we propose a visual language reasoning method for outside knowledge visual question answering. (iii) robot planning: we show our attempts in robot planning. We introduce a physically realistic virtual testbed where robots can interact with humans. In addition, we show a hierarchical reinforcement learning method for robot planning.

关键词： 串联机器人   动力学建模   参数辨识   关节建模   谐波减速器  

摘要： 在生产制造中,串联机器人得到了广泛的应用。在以前馈控制、柔顺控制为代表的控制方法研究中,需要对关节力矩做出准确计算,因此精确的动力学模型是十分重要的。本文开展了六自由度串联机器人的动力学建模与参数辨识工作,并分别在辨识算法和关节模型上做出了改进,以提高动力学模型的精度。首先,选择采用牛顿—欧拉法,建立了机器人动力学模型,并通过对关节类型进行分析,确定了机器人各连杆的最小惯性参数集。选择库伦—粘滞摩擦模型,结合上述动力学模型,得到可供辨识的机器人动力学方程。接着,从改进辨识算法的思路上探究提高参数辨识精度的方法。介绍了基于加权最小二乘法的参数辨识原理和步骤。并在加权最小二乘法所得参数的基础上,采用启发式算法对参数进行优化。然后,通过对机器人关节模组结构进行分析,建立机器人关节模型,探究各关节组件对整体动力学性能的影响。与传统的简化关节模型相比,该模型对谐波减速器的部分摩擦进行了近似估计。继而提出了一种分别辨识关节模型参数和机器人连杆最小惯性参数的参数辨识方法。进而,基于串联机器人实验平台进行参数辨识与验证实验。首先采用简化的关节模型,同时采用库伦—粘滞摩擦模型描述关节整体摩擦,通过加权最小二乘法估计参数。继而分别采用三种不同的启发式优化算法,对所得的初始动力学参数进行优化,并选择额外的验证轨迹来验证上述参数的精度。实验结果表明,与传统的加权最小二乘法相比,该方法能在一定程度上提高机器人动力学参数的辨识精度。最后,建立机器人关节模型,分别对机器人各个连杆的最小惯性参数以及关节模型的各项参数进行辨识,并通过验证轨迹对模型参数进行了验证实验。结果表明,与采用简化的关节模型相比,该模型能够有效提升动力学模型的精度。并且相比于改进参数辨识算法的思路,对关节模型进行改进具有相对更好的效果。

关键词： Artificial intelligence   coronavirus disease 2019 (COVID-19)   coronavirus   respiratory syndrome   pandemic   robotic  

摘要： The outbreak of COVID-19 has led to a global health emergency. Emerging from China, it has now been declared as a pandemic. Owing to the fast pace at which it spreads, its control and prevention have now become the greatest challenge. The inner structural analysis of the virus is an important area of research for the invention of the potential drug. The countries are following different strategies and policies to fight against COVID-19;various schemes have also been employed to cope up with the economic crisis. While the government is struggling to balance between the public health sector and the economic collapse, the researchers and medicine practitioners are inclined towards obtaining treatment and early detection of the deadly disease. Further, the impact of COVID-19 on Dentistry is alarming and posing severe threats to the professionals as well. Now, the technology is helping the countries fight against the disease. ML and AI based applications are substantially aiding the process of detection and diagnosis of novel coronavirus. Science of Robotics is another approach followed with an aim to improve patient care.

关键词： 工业机器人   动力学模型   动力学参数辨识   反向传播算法   拖动示教  

摘要： 随着工业机器人的应用领域不断增长,机器人不仅要准确跟踪目标位置,而且要对机器人与环境的交互力进行精确控制,以实现开放化的人机协作能力。但是工业机器人通常没有集成力矩传感器,对作用力的感知能力较弱,所以在人机协作的实现上存在较大的困难。因此,采用动力学模型代替力矩传感器计算机器人的受力情况是实现力感知能力的重要途径。本文以工业机器人为研究对象,从动力学建模、动力学参数辨识与拖动示教方法等方面进行了系统研究,以提高工业机器人的协作能力。本文首先基于牛顿—欧拉迭代法对机器人完整的动力学方程进行推导,并采用库伦与粘性摩擦模型以建立机器人的线性动力学模型;基于有限傅里叶级数构造机器人的激励轨迹,并以最小化观测矩阵的条件数为优化准则对轨迹系数进行优化。为了提高激励轨迹中采样数据的信噪比,使用带通滤波器对数据进行滤波处理,最后基于加权最小二乘法对机器人的动力学参数进行辨识,并通过实验验证参数辨识值的精度。为了提高动力学模型的精度,本文进一步构建更加全面的关节摩擦模型。针对库伦+粘性摩擦模型在低速运动时的不足,采用Stribeck摩擦对关节摩擦力矩进行显式建模,并设计匀速运动的辨识轨迹与粒子群优化算法对摩擦参数进行辨识。但是摩擦参数与惯性参数的分开辨识会放大噪声影响,并降低参数的辨识精度。因此,提出一种基于反向传播学习算法的辨识方法对完整的动力学参数进行辨识,该方法以动力学模型的预测力矩与实际力矩之间的均方误差为损失函数,沿着损失函数的负梯度方向更新动力学参数,并通过迭代更新使损失函数最小化,从而得到最优的动力学参数。针对关节摩擦力矩的复杂特性,提出一种基于深度神经网络的隐式建模方法,构建一个以关节运动为输入,摩擦力矩为输出的深度神经网络,并通过训练使网络建立从输入到输出的映射函数,从而实现摩擦力矩的辨识,并避免了复杂的摩擦建模过程。针对当前工业机器人示教效率低的问题,本文提出一种免力矩传感器的机器人拖动示教控制方案。在动力学模型的基础上,设计一种扰动卡尔曼滤波观测器对机器人的关节外力矩进行最优估计;然后基于导纳控制方法建立关节外力矩与期望示教轨迹的动态响应关系,并提出一种自适应阻尼的方法以提高示教的平稳性;最后经由位置模式下的控制系统控制机器人跟踪期望轨迹,从而实现工业机器人的拖动示教。基于六自由度工业机器人的实验平台,本文开展了机器人的动力学参数辨识、关节摩擦建模与辨识、拖动示教三方面的实验。基于所提的参数辨识方法,得到了机器人完整的动力学参数,并通过对比力矩预测的均方根误差,验证了参数的准确性,由此证明了所提动力学建模与参数辨识方法的优越性。基于已辨识的动力学模型,在实验机器人进行了拖动示教实验,实验结果验证了所提控制方法的有效性与可行性。

关键词： SCARA机器人   动力学   参数辨识   前馈控制  

摘要： 为了保证工业机器人在执行装配、抛光等与环境交互的接触任务的作业质量，要求工业机器人具有对工作环境中的不确定性变化迅速做出反应的能力，表现出较高的自主性和稳健性，即实现工业机器人的柔顺控制。阻抗控制可以实现机器人末端位置和力的动态协调控制，使机器人具有柔顺性;基于机器人模型的动态控制可以实现对影响机器人运动精度的动力学因素的补偿，提高机器人的控制精度和动态性能。本文针对水平关节型(SCARA)机器人动力学参数辨识与阻抗控制等关键技术开展研究，设计了基于辨识模型的自适应阻抗控制系统，实现了机器人的柔顺控制。　　建立SCARA机器人运动学和动力学模型。采用M-DH参数法建立了机器人的正解模型，分析了机器人的机构奇异点;结合代数法计算效率高和几何法物理意义明确的优点，建立了机器人的逆解模型，通过MATLAB仿真验证了所求的运动学正逆解。将SCARA机器人简化为RRP结构，分别使用Lagrange方法、Newton-Euler方法建立了简化机器人的连杆动力学模型，通过对比两种方法的建模结果，验证了所建立模型的准确性;结合机器人的关节动力学模型和连杆动力学模型，建立其系统动力学模型;利用ADAMS验证了简化后的动力学模型的可行性，使用Robotics工具箱证明了简化后的动力学模型的准确性。　　设计SCARA机器人的动力学参数辨识方案。将简化的机器人动力学模型线性化，得到了机器人的最小惯性参数集和满秩观测矩阵。选取五阶的傅里叶级数作为待优化的激励轨迹，选择观测矩阵条件数最小作为优化目标，提出了一种基于Sigmoid函数和反正弦函数的双层自适应遗传算法，基于该算法使用MATLAB求得了机器人的最优激励轨迹。设计了电机电流、关节角度、速度和加速度的采集和滤波方案，分别使用均值滤波、巴特沃夫斯低通滤波、零相位滤波和RLOESS平滑滤波对相关数据进行降噪处理。提出了基于动态遗忘指数的鲁棒递推最小二乘法的参数辨识方法，并采用MATLAB和ADAMS参数辨识完成联合仿真实验。通过分析可知，辨识模型解算出的关节力矩与模拟仿真力矩的误差小，辨识模型精度高，证明了辨识方案的可行性。　　基于参数辨识模型，结合阻抗控制、前馈控制、PD控制和鲁棒控制原理，提出了一种基于动力学前馈PD鲁棒控制的阻抗控制算法，并使用Lyapunov原理证明了算法的稳定性。为了提高阻抗控制在接触空间的稳定性，设计了RMAC阻抗轨迹自适应机制和刚度模糊自适应机制。为了验证算法的可行性，在MATLAB中分别进行自由空间轨迹跟踪实验和接触空间的柔顺性实验。仿真结果，证明了控制系统具有较强的轨迹跟踪精度和良好柔顺性。在SCARA机器人实验台上进行参数辨识实验，基于参数辨识实验结果，分别在自由空间和接触空间进行轨迹跟踪实验和阻抗实验。实验结果证明了所设计的自适应阻抗控制算法是可行的。

关键词： 运动规划   混合优化   神经动力学   冗余度机械臂   二次规划  

摘要： 冗余度机器人拥有巨大的应用潜力,因为它们具有优越的灵活性和出众的准确性。但其现有的运动规划方案及其求解器的设计方法在很大程度上限制它们的进一步推广与普及。传统的冗余度机器人运动规划算法大多考虑结构化场景下的简单跟踪任务,这能够简化算法设计步骤并降低计算机的算力需求,但难以充分发挥冗余度机器人的灵活性特点,无法满足复杂环境和任务对机器人的性能和功能要求。对于多指标问题的考虑也大多基于伪逆矩阵法,这类传统的方法在优化问题的设计上不够直观灵活,在求解速度和求解精度上也存在局限性。这使得冗余度机器人在运动规划算法与求解器设计上存在较大的探究空间。对于冗余度机器人运动规划问题,多个优化指标或功能指标的混合优化设计能够充分发挥其冗余度特性。优化指标所带来的性能优化和功能指标所赋予的附加功能,能够有效提高机器人对复杂环境和任务的适配能力,也能够使机器人系统更加智能。随着机器人应用领域的扩大,其工作环境将日渐繁杂,其任务需求也将愈发多样,多指标混合优化的机器人运动规划设计方案将起到重要作用。此外,为了在保证机器人控制性能的基础上,应对复杂指标所带来的求解复杂度上升的问题,需要设计一种鲁棒且高效的求解器。利用神经网络的并行求解结构特性,设计基于神经动力学的冗余度机器人运动规划求解器是一个行之有效的方案。为了在机器人运动规划过程中提高其性能表现并增强其执行能力,本文针对冗余度机器人运动规划中的末端跟踪问题、障碍物碰撞问题、重复运动时关节角偏移问题、噪声干扰问题等关键问题,以提高冗余度机器人系统的运动规划性能为目标,以Kinova Jaco2机械臂和实验室自主设计的移动机器人为对象,从冗余度机器人运动规划中的运动学等式约束、功能约束、目标函数和求解器设计四个方面开展基于神经动力学的冗余度机器人混合优化策略的分析、设计与应用研究。本文的主要工作总结如下:1)设计了一种新型的运动学等式约束,用于克服传统机器人运动规划方案的末端跟踪性能缺陷。经过理论分析发现,基于对偶神经网络的机器人运动规划方案存在末端位置误差积累与限定初始位置配置的缺陷。在对传统方案控制律进行分析的基础上设计了一种能够在机器人任务执行过程中消除初始误差、克服误差积累问题的新型等式约束。并在仿真和实验中验证该等式约束在克服上述缺陷的有效性和在机器人控制上的准确性。2)设计了一种新型混合功能约束,使机器人在运动规划过程中能够同时兼顾障碍物躲避、末端姿态保持和关节极限躲避三种功能。其中的末端姿态保持方法不需要精确的机器人姿态数据,能使机器人保持任意可达末端姿态。在固定机械臂和可移动机器人上的仿真和实验结果验证了该混合功能约束在机器人运动规划中的有效性。3)设计了两种混合目标函数,均能在机器人进行无偏重复运动同时最大化其可操作性。这两种混合目标函数分别利用了传统的固定权重融合法和新提出的时变系数融合法进行设计。时变系数融合法通过在时间上对冗余度机器人灵活性进行再分配,提高机器人的运动规划性能。通过这两种混合目标函数在机器人重复运动任务上的仿真实验,验证了它们在机器人重复运动中兼顾关节角偏移问题和可操作性最大化问题的有效性,同时也通过对比实验结果探究了这两种融合方法的优化特性并证实了时变系数融合法的优越性。4)设计了一种抗噪求解器,用于抑制机器人运动规划中的噪声干扰,特别是机器人重复运动时可能出现的周期性噪声。在证明该求解器的全局稳定性的基础上,验证其欧拉离散型和泰勒离散型的零稳定性和一致收敛性。通过机器人仿真和实验验证所提出的求解器在不同激活函数和不同周期噪声下的优秀抗扰能力和精确求解能力。5)设计了一种兼顾关节角偏移问题和力矩范数最小化问题的混合优化方案,在加速度层解决机器人在重复运动过程中的关节角偏移问题和机器人力矩范数最小化问题。将其用于机器人上以验证该混合优化方案有效性。