[发明专利]一种融合记忆机制的机械臂多场景快速运动规划方法

摘要

本发明属于机器人操控领域，提出一种融合记忆机制的机械臂多场景快速运动规划方法。通过模拟人类的记忆机制，在建立高斯混合模型的过程中将当前场景及对应的GMM模型通过感觉记忆、短期记忆和长期记忆三个阶段存储到记忆空间，让机器人能够记住出现过的环境。当机器人遇到类似环境时，便能够根据记忆适应当前场景，快速完成运动规划。该方法使用模型进行引导机械臂在关节空间采样并代替传统的FCL方法进行碰撞检测，与RRT*算法相比，有效提高了算法的规划成功率，减少了算法的运行时间。机器人能够通过记忆机制记住所遇到的场景及其对应模型，并在遇到相似场景时通过提取对应的场景模型快速的适应环境，不需要重新训练学习，提高了规划算法的适应能力。

主权项

1.一种融合记忆机制的机械臂多场景快速运动规划方法，其特征在于，包括如下步骤：(1)在机器人初始化过程中，通过RGB‑D相机获取当前环境信息，存储于感觉记忆空间，建立基于机器人坐标系的环境描述E；E包含彩色图、深度图以及点云；使用rgb表示彩色图，depth表示深度图，pcl表示点云数据，E定义为：E＝{rgb,depth,pcl}  (6)(2)场景匹配，将环境信息E依次与短时记忆空间和长时记忆空间中的场景进行匹配并计算相似度；首先使用词袋法在记忆空间中搜索匹配场景，然后对当前场景与匹配场景进行ICP配准，计算两个场景之间的位姿变换；最后，将位姿变换与预先设定好的阈值T进行比较，若变换大于阈值，则认为不匹配，否则认为是匹配场景；(3)提取长时记忆空间到短时记忆空间的过程：先从长时记忆空间中提取匹配模型T_i到短时记忆空间，然后将短时记忆空间中最后一个环境模型T_K存储到长时记忆空间中；(4)如果短时和长时记忆空间中都不存在与环境相匹配的模型，说明机器人在过去的时间里没有遇到类似的场景；采用GMM‑RRT*算法对感觉记忆空间中新环境进行学习与训练，得到新环境的模型T_i，同时使用新环境训练并更新BOW词典；(5)当模型T_K是不可记忆模型时，提取匹配模型T_i的同时直接遗忘T_K；(6)模型T_K存储到长时记忆空间中的流程：从短时记忆空间中提取出模型T_K，如果长时记忆空间未满，将T_K存储直接存储至模型队列；如果空间已满，使用竞争机制，通过比较模型T_K与长时记忆空间中模型的记忆权重决定是否存储T_K；设T_j表示长时记忆空间中权重最小的模型，α_jmin表示T_j的权重，α_K表示模型T_K的权重；如果α_K>α_jmin，保留模型T_K，遗忘模型T_j；否则，直接遗忘模型T_K。