[发明专利]一种基于触觉信息的摇杆操作控制方法

说明书

本发明公开了一种基于触觉信息的摇杆操作控制方法，包括：构建摇杆操作控制数据集，该数据集内各条数据均分别由摇杆的运动目标、触觉图像、机械臂的各关节角及其变化值组成；构建基于触觉的摇杆操作控制模型，由触觉特征提取网络和多模态融合网络组成，触觉特征提取网络以触觉图像作为输入，多模态融合网络以该触觉图像特征、与输入触觉特征提取网络的触觉图像属于同一标签的摇杆运动目标值和机械臂的各关节角作为共同输入，以机械臂各关节角变化值作为输出；训练并验证构建的摇杆操作控制模型；高层决策网络根据应用场景并利用训练完毕的摇杆操作控制模型对摇杆操作进行实时的闭环控制。本发明利用触觉信息提高了摇杆操作的准确性。

技术领域

本发明属于机器人操作技术领域，特别涉及一种基于触觉信息的摇杆操作控制方法。

背景技术

机器人操作是近年来的研究热点。摇杆作为输入设备在VR领域、游戏领域、移动机器人领域以及遥操作领域都有着重要作用。摇杆起源于游戏领域，多用于与游戏环境的交互。其后在机器人控制领域有着重要作用。尤其是对于无人机的控制，目前采用的控制方式均是摇杆控制。在各种远距离移动机器人方面也有着重大贡献。

随着人工智能的发展，深度强化学习日趋成熟，特别是在2016年Deepmind提出的DQN算法为人工智能的发展做出了巨大贡献。为了让机器人拥有和人一样的操作能力，以及让机器人具备智能化，深度学习在感知方面的优势与强化学习在决策方面的优势越来越得到人们的关注。机器人相关的研究还处在发展阶段，作为机器人对外界的感知尤为重要。

触觉作为一项重要的感知能力在机器人精细操作领域有着重要作用，在复杂环境下视觉，听觉都有可能产生偏差，触觉信号能保证系统的准确性。触觉与视觉具有互补性，二者结合可提供完善的感知信息。触觉传感器也由传统的电阻、电容式发展到光电式。触觉传感器的感知精度也在不断提高。

目前在摇杆操作控制领域对触觉信号的应用主要是将触觉传感器加入到摇杆控制器中，用来提升人机交互的体验，但是利用触觉信号实现机器人自主控制摇杆的应用还未见报道。

发明内容

本发明的目的是为了提高机器人在操作中的感知能力，提出了一种基于触觉信息的摇杆操作控制方法，触觉作为机器人精细操作中直接接触信号，对于机器人感知能力有很大提升。

为达到上述目的，本发明采用如下技术方案：

本发明提出的一种基于触觉信息的摇杆操作控制方法，所述摇杆由一机械臂控制，其特征在于，所述机械臂的末端设有与所述摇杆直接接触的触觉传感器，所述触觉传感器用于获取摇杆的触觉图像；所述杆操作控制方法包括以下步骤：

1)构建摇杆操作控制数据集

根据摇杆的应用场景确定摇杆的运动目标值，即摇杆的输出值范围S；利用机械臂驱动摇杆使摇杆处于其运动目标值范围内的任一运动目标值g′＝(g1′,g2′)，g1′,g2′分别为摇杆的上下运动目标值和左右运动目标值，g1′∈S,g2′∈S，读取当前机械臂的各关节角x_i，i＝1,2,…,n，n为机械臂的关节角总数；对机械臂的各关节角分别施加一随机变化值Δx_i，当机械臂的各关节角达到x_i+Δx_i时，通过触觉传感器采集此时的触觉图像，并记录摇杆此时的运动目标值g＝(g1,g2)，g1∈S,g2∈S，并对采集的触觉图像进行缩减处理得到触觉图像I；将摇杆的运动目标g、触觉图像I、机械臂的各关节角x_i及其变化值Δx_i作为一条数据，并将关节角变化值Δx_i作为该条数据的标签；重复上述步骤，遍历摇杆运动目标值范围S内的所有运动目标值，利用得到的所有条数据构建摇杆操作控制数据集，并将该数据集内各条数据按照一定比例划分训练集和验证集；

2)构建基于触觉的摇杆操作控制模型