詳細信息 |
機器人多指靈巧手的穩健抓握和手內操作 |
編輯: 來源:CAAI認知系統與信息處理專委會 時間:2023/6/21 |
一種基于動力系統的多指協調控制方法,旨在實現機器人手指的穩定、準確和協調運動。該方法結合了動力學建模、軌跡規劃、中間動力學模型和關節控制策略等技術,為機器人操作和協作提供了重要基礎。 先詳細介紹了動力系統建模的過程,包括對手指的幾何結構、質量分布和摩擦等因素的建模。隨后,介紹了軌跡規劃和優化方法,用于定義目標軌跡、速度期望值和加速度限制,從而實現多指協調控制。同時,引入了中間動力學模型,捕捉手指之間的耦合關系和力的傳遞,并確保整體操作的穩定性和協調性。在低層控制方面,采用基于關節扭矩的控制策略,利用關節的柔順性適應不確定性和模型誤差。此外,論文還討論了魯棒性和干擾處理,以及基于傳感器信息的環境感知和適應。后,論文探討了該方法在工業機器人、協作機器人和服務機器人等L域的應用潛力,并指出了面臨的挑戰和未來的研究方向。 在G層規劃中,通過將任務表達為每個指尖遵循的速度期望值,利用動力系統的形式來描述指尖的運動軌跡。采用中間動力學模型來實現多指之間的協調控制,并通過引入中間變量來定義耦合關系。在低層控制中,采用基于關節扭矩的控制方法,利用關節的柔順性來適應不確定性和模型誤差。 1.動力系統建模:該方法的核心是建立機器人手指的動力學模型。這涉及對手指的幾何結構、質量分布以及摩擦等因素的建模。通過對手指的動力學性質進行建模,可以預測手指在不同任務下的運動軌跡和力學響應。 2.軌跡規劃和優化:在G層規劃中,通過動力系統的形式來描述指尖的運動軌跡。這涉及到定義目標軌跡、速度期望值和加速度限制等。通過優化算法,可以自動計算出適合實現多指協調控制的軌跡,以大程度地滿足任務要求。 3.中間動力學模型:為了實現多指之間的協調運動,可以引入中間動力學模型。該模型可以捕捉到手指之間的耦合關系和力的傳遞。通過建立中間變量,可以定義不同手指之間的相互作用,并確保整體操作的穩定性和協調性。 4.關節控制策略:在低層控制中,采用基于關節扭矩的控制方法。該方法利用機器人關節的柔順性來適應不確定性和模型誤差。通過實時計算關節扭矩,可以實現對手指的準確控制,并保持穩定的力學特性。 5.魯棒性和干擾處理:該方法對于干擾和擾動具有一定的魯棒性。通過采用適當的控制策略和反饋機制,可以減小外界干擾對手指運動的影響。此外,還可以結合傳感器信息,實現對環境變化的感知和適應,提G系統的魯棒性和可靠性。 6.應用L域和挑戰:基于動力系統的多指協調控制方法在工業機器人、協作機器人和服務機器人等L域具有廣泛的應用潛力。然而,實際應用中仍然存在一些挑戰,例如對復雜任務的建模和規劃、實時性要求以及與環境和其他物體的交互等方面的問題。 實驗結果表明,通過該方法實現的多指協調控制能夠使機器人手指準確地執行抓握和操縱任務。針對不同的任務需求,可以通過調整動力系統的參數和目標點的位置來實現不同的控制效果。此外,該方法對于干擾和擾動具有較強的魯棒性,可以有效應對外界環境變化。 本文提出的基于動力系統的多指協調控制方法在機器人抓握和操縱任務中具有重要的創新點和應用價值。先,通過將任務表達為動力系統形式,能夠實現G效的軌跡規劃和控制。其次,通過耦合多指之間的中間動力學模型,實現了指尖之間的協調運動,提G了整體操作的穩定性和準確性。后,該方法對于外界干擾和擾動具有較強的魯棒性,可以在復雜環境中實現可靠的抓握和操縱操作。 基于動力系統的多指協調控制方法為機器人手指在抓握和操縱任務中的協同操作提供了一種有效的解決方案。該方法通過G層規劃和低層控制的結合,實現了對機器人手指的準確控制,并通過中間動力學模型實現了多指之間的協調運動。實驗結果表明,該方法具有較好的穩定性、準確性和魯棒性,可在不同應用L域中推廣應用,如工業機器人、協作機器人和服務機器人等。
|
【聲明:轉載此文出于傳遞更多信息之目的,并不意味著贊同其觀點或證實其描述,文章內容僅供參考,如有侵權,請聯系刪除。】 |
推薦信息 |
通過機器人技術了解大腦功能架構
機器人技術越來越被視為動物行為背后的大腦功能結構計算模型的有用測試平臺,未來的神經機器人模型應該整合多種神經生物學約束
運動想象腦機接口控制機器人-單一MI范式
單一MI范式誘導的EEG信號使用較少的通道和較低的結構復雜性控制外部機器人系統,更容易被用戶接受,系統的整體性能相對較低
結合頭部控制和混合現實反饋的機器人抓取
通過設計抓取實驗并進行對比分析,證明了所提出的人機交互方法能更有效地抓取日常生活中的常見物體,具有對未知物體的抓取適應性和較高的感知誤差容忍度
機器人靈巧手像人手不依賴視覺來操縱物體
機器人靈巧手在沒有任何外部攝像頭的情況下工作,因此不受照明,遮擋或類似問題的影響,手不依賴視覺來操縱物體,可以在黑暗中操作
觸感條件反射性的機器人柔性手,整理雜亂的空間
將反射納入機器人規劃架構的設計,對更復雜的反射進行編程,以實現靈活,適應性強的機器人,具有反射能力的機器人能夠適應并應對不確定性
基于機器人能力的語言SayCan 做我能做
SayCan使用基于RL的價值函數來提供世界上可能存在的個體技能,使用文本標簽作為這些技能的潛在響應,由語言模型進行評分
機器人移動傳感器引導的跨時節六自由度視覺定位
SensLoc方法,基于移動電話上的多模態傳感器實現長期視覺定位,利用附加移動傳感器(主要是GPS,指南針和重力傳感器)來輔助圖像檢索和姿態估計
柔性傳感器在機器人增強的智能感知系統中進展
柔性傳感器可以在動態和不規則表面上形成緊密附著,大大減少外界刺激的干擾,實現高保真,高精度的數據采集 |
智能運輸機器人 |
AGV無人運輸機器人-料箱版 |
AGV無人運輸機器人-標準版 |
AGV無人運輸機器人-料箱版(鈑金材質) |
AGV無人運輸機器人-貨架版(鈑金材質) |
AGV無人運輸機器人-貨架版(亮面不銹鋼材質) |
AGV無人運輸機器人-開放版 |
行業動態 |
咨詢熱線:4006-935-088 / 4006-937-088
客服熱線:
4008-128-728
版權所有 @ 創澤智能機器人集團股份有限公司 魯ICP備18039973號-2 運營中心 / 北京·清華科技園九號樓 生產中心 / 山東省日照市開發區太原路71號 |