[发明专利]一种基于谱图模型引导的机器人采样运动规划方法及系统

权利要求书

1.一种基于谱图模型引导的机器人采样运动规划方法，其特征在于包括如下步骤：

S1、通过谱图聚类来表征学习笛卡尔空间的非障碍物区域在机器人构型空间中的映射分布，在特征空间中通过样本训练相关的谱图模型；

S2、以训练好的谱图模型为标准采样规划算法提供带有引导性策略的样本生成器，生成采样规划所需要的样本；

S3、引导规划探索过程在构型空间的非障碍物区域展开。

2.如权利要求1所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，还包括步骤S4：利用谱图模型的在线学习与更新机制对已训练的谱图模型进行在线调整，以应对环境的缓慢变化。

3.如权利要求1所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，步骤S1中，在特征空间中通过样本训练相关的谱图模型包括如下步骤：把过往成功的演示或规划数据生成的样本映射到2n维特征空间；利用谱聚类算法学习基于谱图模型的2n维特征空间表示模型。

4.如权利要求3所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，使用两个谱图模型分别学习采样分布：一个学习碰撞区域的构型分布，另一个学习无碰撞区域的构型分布。

5.如权利要求4所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，通过学习到的分布，利用M距离计算新样本与谱图模型生成的分布之间的距离。

6.如权利要求1所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，所述训练为离线训练；所述离线训练包括：首先将根据过往演示或成功的规划经验生成样本，并将其映射到新的特征空间，接着利用增量谱聚类算法进行训练，对非障碍物区域的构型空间分布进行表征学习并获得已训练的谱图模型。

7.如权利要求1所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，所述规划为在线规划，所述在线规划包好如下步骤：首先利用已训练的谱图模型作为采样规划方法的样本生成器以代替自身的随机采样，从而形成基于SGMs引导的偏置性样本生成策略，接着运行不包含碰撞检测的采样规划算法如RRT、PRM并生成候选路径；如果发现环境发生微小缓慢的变化，则在变化周围重新生成样本，并利用在线学习与更新机制对谱图模型进行在线更新。

8.如权利要求1所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，构型空间是由正余弦构成，采用曼哈顿距离作为作为两个构型之间的距离指标；特征向量的生成是使用规范化的拉普拉斯矩阵来实现的。

9.如权利要求1所述的基于谱图模型引导的机器人采样运动规划方法，其特征在于，使用学习到的谱图模型来作为采样域，从而偏置性的引导采样运动规划算法的树或图扩展过程在非障碍物区域的构型空间展开。

10.一种基于谱图模型引导的机器人采样运动规划系统，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序可被处理器执行以实现如权利要求1-9中任一项所述的方法。