[发明专利]基于几何感知与节律动态运动基元的人机技能迁移方法

说明书

本发明公开了一种基于几何感知与节律动态运动基元的人机技能迁移方法，包括：S1.构建机器人期望行为模型；S2.基于机器人期望行为模型进行刚度矩阵估计，得到估计后的刚度矩阵；S3.构建基于几何感知与节律动态运动基元的机器人技能学习模型；S4.将估计后的刚度矩阵输入到机器人技能学习模型，使得机器人对刚度轨迹进行模仿，实现刚度轨迹的复现。本发明能够使得机器人更简单、稳定、准确且平滑地学习到诸如阻抗等具备对称正定(SPD)矩阵流形结构的运动技能。

技术领域

本发明涉及共融机器人领域，具体涉及一种基于几何感知与节律动态运动基元的人机技能迁移方法。

背景技术

具备在高度非结构化的动态环境中，可靠执行指定任务的能力是将机器人带入人类日常生活的基础。此时，机器人需要准确地控制其在自由空间及物理交互过程中的运动，这就要求其能产生和适应运动、阻抗和/或力。因此，可利用人类的专业知识，通过将人类的技能传授给机器人来学会如何执行这样的任务。从人类演示中学习(LfD)作为一种将人的技能传授给机器人的便捷方式，得到了广泛的研究。该学习方法旨在从人类演示中提取相关的运动模式，并随后将这些模式应用于不同的情况。

动态运动基元(DMPs)作为一种广泛使用的LfD方法具有诸多有益的特性，如抗扰动的鲁棒性和适应新需求的能力。在这些动态环境中的许多任务需要可变阻抗，尤其在一些节律的操作任务中，如黑板擦拭、拉锯子和泵水等。然而，阻抗参数被封装在对称正定(SPD)矩阵中，由于传统的节律DMPs(Dynamic Movement Primitives)依赖于空间的欧几里德参数化，所以针对这些具有SPD矩阵流形结构的变阻抗技能参数不能直接使用，导致机器人无法稳定且平滑地学习到具备对称正定(SPD)矩阵流形结构的运动技能，因此，需要一种基于几何感知与节律动态运动基元的人机技能迁移方法，能够解决以上问题。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供基于几何感知与节律动态运动基元的人机技能迁移方法，能够使得机器人更简单、稳定、准确且平滑地学习到诸如阻抗等具备对称正定(SPD)矩阵流形结构的运动技能。

本发明的基于几何感知与节律动态运动基元的人机技能迁移方法，包括如下步骤：

S1.构建机器人期望行为模型；

S2.基于机器人期望行为模型进行刚度矩阵估计，得到估计后的刚度矩阵；

S3.构建基于几何感知与节律动态运动基元的机器人技能学习模型；

S4.将估计后的刚度矩阵输入到机器人技能学习模型，使得机器人对刚度轨迹进行模仿，实现刚度轨迹的复现。

进一步，根据如下公式确定机器人期望行为模型：

其中，M为质量矩阵，B为阻尼矩阵，K为刚度矩阵，X_d为机器人的期望位置，X为机器人的当前位置，为机器人的当前速度，为机器人的当前加速度，F_e为机器人外界的交互力。

进一步，所述步骤S2，具体包括：

S21.对机器人期望行为模型进行线性化处理，得到线性化模型：

其中，

S22.利用最小二乘法对线性化模型进行求解，得到每个时刻的刚度矩阵估计；

S23.引入优化模型对求解后的线性化模型进行优化处理，得到满足对称正定矩阵约束的刚度矩阵；所述优化模型为：

其中，为估计后的刚度矩阵，H是P的奇异值分解P＝USV^T的对称极性因子，U与V为酉矩阵，S为含奇异值的对角矩阵。