The invention is applicable to the field of computer technology and provides a robot compliance control method, device, equipment and storage medium. The method includes acquiring teaching data of teaching movement, calculating the motion equation of teaching movement based on the motion data of teaching movement, and calculating the variable impedance parameters of teaching movement based on the interactive force data of teaching data, and according to the motion. The control operation of equation and variable impedance parameters reduces the manual programming in the process of robot compliance control, reduces the threshold of the use of the robot, improves the flexibility and accuracy of the robot control, and further improves the generalization ability, intelligence degree and control effect of the robot.
【技术实现步骤摘要】
机器人柔顺性控制方法、装置、设备及存储介质
本专利技术属于计算机
,尤其涉及一种机器人柔顺性控制方法、装置、设备及存储介质。
技术介绍
在现阶段机器人的应用中,尤其是工业应用中,机械臂的运动轨迹一般是通过用户预先定义的,或者预先设定某种任务环境,然后让机器人或机械臂按照计划重复执行即可。这种模式运行的机械臂无法面对环境的变化,或者突如其来的扰动。对于复杂场景下或较困难任务的实现,这种模式也需要较为繁重的人工编程。对普通工人来讲,使用门槛要求高(例如:要会机器人编程)。更重要的是,这种机器人控制模式没有隐含人的操作习惯更没有像人手那样的具有柔顺性。为了有效降低机器人的使用门槛、更好地实现人机协同交互,机械臂或机器人应该具有学习能力,并更加灵活和柔顺的特性。机器人“模仿学习”(ImitationLearning)或者“示教学习”(ProgrammingbyDemonstration)便是解决这一问题的重要方法。通常机器人的柔顺性行为包含动作和力两个方面,因此柔顺性行为的学习也是包括动作学习和力学习两个方面的。在机器人柔顺性控制领域,之前的研究工作主要集中在控制器的人为设计领域(例如:力位混合控制,阻抗控制,碰撞检测反馈控制器等)以及被动柔顺机构设计。上述的柔顺性控制器设计方法具有复杂的调参过程,且不具有泛化能力不能适应新的情况。机器人通过学习人类柔顺性行为而获得柔顺控制策略的研究能简化复杂的调参过程和减低机器人的使用门槛(工人只需提供正确的人类示教即可让机器人具有相应的柔顺性行为,而不需要使用者具有编程和机器人控制的相关技术基础)。机器人通过学习人类柔顺 ...
【技术保护点】
1.一种机器人柔顺性控制方法,其特征在于,所述方法包括下述步骤:获取示教运动的示教数据,其中,所述示教数据至少包括所述示教运动的运动数据和交互力数据;根据所述示教数据中的运动数据计算所述示教运动的运动方程,并且同时根据所述示教数据中的交互力数据计算所述示教运动的变阻抗参数,其中,所述变阻抗参数至少包括变刚度参数和变阻尼参数;根据所述运动方程和所述变阻抗参数控制操作。
【技术特征摘要】
1.一种机器人柔顺性控制方法,其特征在于,所述方法包括下述步骤:获取示教运动的示教数据,其中,所述示教数据至少包括所述示教运动的运动数据和交互力数据;根据所述示教数据中的运动数据计算所述示教运动的运动方程,并且同时根据所述示教数据中的交互力数据计算所述示教运动的变阻抗参数,其中,所述变阻抗参数至少包括变刚度参数和变阻尼参数;根据所述运动方程和所述变阻抗参数控制操作。2.如权利要求1所述的方法,其特征在于,获取示教运动的示教数据的步骤,包括:获取与示教运动相关的位置数据、交互力数据和时间数据;根据所述位置数据和所述时间数据计算所述运动数据,其中,所述运动数据中包括速度数据。3.如权利要求1所述的方法,其特征在于,根据所述示教数据中的运动数据计算所述示教运动的运动方程的步骤,包括:使用所述运动数据对预设的神经网络模型进行训练,得到所述示教运动的运动方程,并根据所述运动方程对所述神经网络模型进行在线更新,其中,使用所述运动数据对预设的神经网络模型进行训练的步骤,包括:以逐一或逐块的方式对所述运动数据进行增量学习,得到所述示教运动的运动方程。4.如权利要求4所述的方法,其特征在于,所述神经网络模型包括在线序列超限学习机。5.如权利要求1所述的方法,其特征在于,根据所述示教数据中的交互力数据计算所述示教运动的变阻抗参数的步骤,包括:根据预设的稳定性约束条件和所述交互力数据对预设的变阻抗模型进行训练,得到所述示教运动的变阻抗参数,并根据所述变阻抗参数对所述变阻抗模型进行更新。6.一种机器人柔顺性控制装置,其特征在于,所述装置包括:数据获取单元,用于获取示教运动的示教数据,其中,所述示教数据至少包括所述示教运动的运动数据和交互力数据;参数计...
【专利技术属性】
技术研发人员:欧勇盛,段江哗,徐升,王志扬,金少堃,田超然,王煜睿,熊荣,江国来,吴新宇,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。