关键词:
机器人遥操作
双臂机器人
示教学习
技能泛化
双臂协作
摘要:
作为机器人的分支,遥操作机器人因结合了人类的高智能和机器人的高精度、高速度,具有远程操作和危险作业能力等优势,受到了学术界和工业界的广泛关注。“人”是遥操作系统中最重要的因素,如何建立对人类操作者友好的遥操作系统,有效减轻操作者在遥操作过程的工作强度和精神负担是遥操作应用面临的重要问题。对于多机械臂协作遥操作系统,探索如何让从端多个机器人自主协作,是减轻操作者操作负担的重要途径。针对以上问题,本文从提高遥操作机器人的智能控制水平以及增强遥操作机器人的学习能力的角度,提出了以下的解决方案:首先,为了解决操作者执行某些遥操作任务时需要保持不符合人体工学姿态的问题,本文提出了一种基于相对位姿的主从匹配策略,并搭建了双主双从的双臂遥操作平台。为了减少主端设备对操作人员产生的认知负荷,本文对此提出了一种基于力控的单主-双从遥操作策略,设计基于导纳模型的力控制器来控制从端协作臂(Asisting-follower arm,AFR),而操作者通过单个主端设备对从端直控臂(Directed-follower arm,DFR)进行运动控制。这种人机协作的控制方式有利于将人类操作者的灵智与机器人操作的高精度优势充分结合,进而提高遥操作机器人的智能程度。其次,为了进一步提高单主-双从遥操作系统的智能水平和控制精度,本文提出了一种基于混合力位控制器的单主-双从遥操作协作翻转策略。通过该策略,AFR能够结合DFR的运动信息,实时产生对应的期望位置和姿态,配合DFR的运动。同时还为AFR设计了可变刚度的导纳控制器作为力控制器,将其与翻转对象之间的交互力控制在一定的期望范围内。此外,本文结合双臂翻转任务的特点,对主从遥操作位姿匹配方法进行了进一步的优化,将三维的遥操作任务降到了一维,进一步简化了遥操作的过程。最后,为了增强遥操作机器人面对重复任务的自主性,本文在遥操作机器人中引入了技能学习和泛化技术,提出了一个基于改进动态运动原语(Dynamic movement primitives,DMP)模型的双臂翻转技能学习框架,所提出的模型能够在学习和泛化过程中保留双臂轨迹之间的协作关系。本文还针对双臂翻转任务设计了一种姿态泛化的方法,实现了更加自然、可靠的泛化过程。综上,本文从主从匹配策略、单主双从遥操作控制策略和双臂技能学习三个方面对双臂遥操作过程进行优化,搭建了更智能、对操作者更友好的遥操作系统。