[发明专利]一种用于外肢体抓握控制的人体技能学习方法及系统

说明书

本发明提供一种用于外肢体抓握控制的人体技能学习方法及系统，包括：获取人体手臂抓握过程中的姿态信息、运动信息并生成运动轨迹；基于示教学习建立人体手臂运动与外肢体运动的控制模型，通过控制模型使外肢体模仿人体手臂的运动轨迹；获取外肢体抓握过程中的触觉信息并反馈给人体手臂，人体手臂根据外肢体反馈的触觉信息进行抓握姿态的调节；对人体手臂抓握过程中产生的多条运动轨迹进行学习得到学习轨迹，将学习轨迹及对应的姿态信息发送给外肢体，使外肢体能够适应环境变换。

技术领域

本发明属于虚拟现实相关技术领域，尤其涉及一种用于外肢体抓握控制的人体技能学习方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

外肢体机器人是一种新型的可穿戴人体辅助设备，可以通过和人体的互助协作来提高人体活动、感知、操作等能力。它融合了可穿戴机器人和协作机器人的优点，可以依靠独立于人体四肢的结构，大大增强人体运动范围和能力，同时突破活动范围空间的限制，可以跟随人体移动。利用外肢体机器人来代替人类生产生活中的一些简单、重复的工作近年来越来越广泛地得到应用，例如汽车装配、食品包装和医疗辅助等等。

示教学习(Learning from Demonstration，LfD)是目前被广泛使用的一种简化机器人学习策略的有效方法，特别对于计算机编程能力不是很强的用户来说，它是十分重要的。示教学习能够极大地简化程序编写的复杂程度，使机器人在模仿人类行为的过程中很好地获得所期望的任务表现，其关键就是对人体运动轨迹进行处理、找到合适的方法迁移至机器人系统，并建立良好的控制模型。

而如何有效的得到人体运动轨迹是示教学习的首要任务，目前主要有以下几种方法：基于被动、主动标记和无标记系统的光学检测，测量线性加速度和角速度的惯性测量单元，依靠机械设备测量四肢的相对关节角度以及利用磁传感器和声波传感器等。使用惯性测量单元相比光学检测，成本低，没有遮挡问题，使用前不需要搭建复杂的基础设备；相比机械设备，不受设备的刚性约束；相比磁传感器等敏感元件，设备复杂程度低，不受温湿度等外界环境干扰。因此惯性测量单元往往被选择作为记录人体运动轨迹的装置，但大部分使用方式是对每个关节进行单独测量并处理，我们希望找到一种简化使用的方式。同时当前的示教学习范式大多只是由人的主观感受主导，缺乏与环境交互的反馈，找到合适的反馈调节手段能够更好的使人们进行技能示范。

发明内容

为了解决上述问题，本发明提供一种用于外肢体抓握控制的人体技能学习方法及系统，让用户利用数据手套来进行示教学习，将人类抓握技能迁移到外肢体机器人。使用多种传感器采集数据，利用触觉信息结合振动反馈来进行调节，实现更加拟人化的抓握技能学习

为了实现上述目的，本发明的第一个方面提供，采用如下技术方案：一种用于外肢体抓握控制的人体技能学习方法，包括：

S1：获取人体手臂抓握过程中的姿态信息、运动信息并生成运动轨迹；

S2：基于示教学习建立人体手臂运动与外肢体运动的控制模型，通过控制模型，使外肢体模仿人体手臂的运动；

S3：获取外肢体抓握过程中的触觉信息并反馈给人体手臂，人体手臂根据外肢体反馈的触觉信息进行姿态的调节；

S4：重复S1-S3，直至外肢体完成稳定的抓握；

S5：对人体手臂抓握过程中产生的多条运动轨迹进行学习得到学习轨迹，将学习轨迹及对应的姿态信息发送给外肢体，使外肢体能够适应环境变换。

进一步的，在所述S1中，通过数据手套获取人体手臂在抓握过程中的运动信息，具体包括：

设置在数据手套五指弯曲侧的弯曲度传感器，用于获取人体手臂运动中的弯曲度信息；

设置在数据手套背面的惯性测量单元，用于获取人体手臂运动中的空间运动信息。