一种基于数字孪生的机器人轨迹规划方法技术

本发明专利技术公开一种基于数字孪生的机器人轨迹规划方法，该方法包括建立实际机器人轨迹规划硬件系统、构建虚拟机器人轨迹规划数字模型以及核心的基于LSTM

【技术实现步骤摘要】
一种基于数字孪生的机器人轨迹规划方法


[0001]本专利技术涉及机器人轨迹规划领域和数字孪生领域，尤其涉及一种基于数字孪生的机器人轨迹规划方法。

技术介绍

[0002]Digital Twin数字孪生技术：数字孪生是一组虚拟信息结构，从微观原子水平到宏观几何水平，充分描述潜在的或实际的物理制造产品。数字孪生技术能够充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟世界中完成物理世界的映射。在它的最佳状态下，任何一个可以从检查物理制造产品中获得的信息都可以从它的数字孪生兄弟中获得。
[0003]轨迹规划技术：简单而言，机器人轨迹规划就是在规定的起始点和终点之间生成一条路径，当机器人沿这条路径运动时不会和周围的障碍物发生碰撞。目前，在机器人轨迹规划算法中，使用比较广泛的方法有快速拓展随机树算法(Rapidly-exploring Random Tree,RRT)、狄克斯特拉(Djikstra)算法、A*算法以及随机路线图(Probabilistic Roadmap,PRM)算法等。由于传统的算法大多基于搜索式求解，在求解过程中需要不断地探索空间以及进行碰撞检测，因此在求解的时候会出现求解速度慢的问题。由于传统随机采样算法没有对轨迹进行进一步优化，因此求解出的轨迹质量不高。由于传统算法中没有采用数字孪生技术对机器人进行实时仿真，因此在使用机器人进行抓取的时候无法进行实时反馈，从而导致无法精确地控制机器人的动作。

技术实现思路

[0004]针对现有的机器人运动规划中轨迹求解速度慢、控制精度低的特点，提出一种基于数字孪生的机器人轨迹规划方法，该方法结合传统的快速拓展随机树算法与长短期记忆神经网络进行求解。本专利技术通过构建采用LSTM-RRT方法进行抓取的机器人数字孪生模型，有效地提升了机器人抓取的求解速度与机器人的控制精度。
[0005]本专利技术的目的是通过以下技术方案来实现的：
[0006]一种基于数字孪生的机器人轨迹规划方法，构建包含机器人及其所处的带有障碍物的环境的虚实场景，并将虚实场景通过物理硬件进行虚实信息传递，构建数字孪生模型，并通过运行在上位机中的神经网络模型进行对机器人进行路径规划，具体包括如下步骤：
[0007]S1：构建虚拟环境中的训练数据集；
[0008]将虚拟环境下带有障碍物的环境模型的二维环境图和三维环境图分别生成二维环境向量和三维环境向量，对于每个二维环境图和三维环境图，再使用RRT算法分别生成若干条躲避障碍物的二维轨迹和三维轨迹，然后生成训练数据集{I
(r)
,P
(rn)
}，其中，I
(r)
表示环境向量，P
(rn)
表示轨迹；
[0009]S2：分别将S1得到的二维环境向量和若干条二维轨迹、三维环境向量和若干条三维轨迹输入到LSTM网络进行训练；具体的训练过程如下：
[0010]S2.1：从所述的训练数据集{I
(r)
,P
(rn)
}中提取其中一条轨迹上的第k个点的坐标x
k
，并在第k次调用时输入LSTM中；
[0011]S2.2：通过x
k
的正向传播来计算该轨迹上的第k+1点的坐标的预测值y
k
；
[0012]S2.3：计算y
k
和轨迹P
(rn)
中第k+1点的坐标的真实值之间的差值累积，即回调误差，并根据回调误差更新LSTM的参数；
[0013]S2.4：使用y
k
构造x
k+1
，将时序k替换为k+1，返回S2.2；
[0014]S2.5：遍历数据集中所有轨迹，生成优化后的LSTM网络；
[0015]S3：将需要进行轨迹规划的带有障碍物的环境和起始点、终点位置输入优化后的LSTM网络，即可生成一条无碰撞的轨迹；
[0016]S4：将所述的无碰撞的轨迹通过虚实信息传递作用于机器人，使得机器人按照所述的无碰撞的轨迹运行。
[0017]进一步地，从S3得到一条无碰撞的轨迹后，根据轨迹的几何特征去除轨迹中冗余的点，并使用B样条曲线对其进行光滑化处理。
[0018]进一步地，在构建训练集之前，先采用训练数据训练卷积自编码器，再使用训练好的卷积自编码器对要输入LSTM的环境向量进行压缩。
[0019]进一步地，所述的S2.1中，先将训练数据集{I
(r)
,P
(rn)
}打乱，拆分成小批次的数据集，分批次输入LSTM网络中。
[0020]进一步地，所述虚拟环境下机器人运行模型包括和物理环境下等比例的机器人模型、和物理环境下等比例的环境模型、和物理机器人运行过程中相同的约束条件；所述机器人轨迹信息包括在不同时刻的机器人末端位置，为笛卡尔坐标系下的坐标。
[0021]本专利技术的有益效果如下：
[0022](1)本专利技术可以在训练过的环境中任意起始点终点间快速生成一条轨迹，大幅提升了机器人抓取的效率；
[0023](2)使用构建的数字孪生体实时监控机器人的运行状态，可更加精确地控制机器人，并可有效地防止意外情况的发生。
附图说明
[0024]图1是机器人轨迹规划数字孪生虚拟模型图；
[0025]图2是机器人轨迹规划数字孪生效果图。
[0026]图3是本专利技术中轨迹规划方法的流程图；
[0027]图4是训练数据中的二维环境图；
[0028]图5是训练数据中的三维环境图；
[0029]图6是二维环境下的轨迹图；
[0030]图7是三维环境下的轨迹图；
[0031]图8是二维环境下轨迹优化结果图；
[0032]图9是三维环境下轨迹优化结果图；
具体实施方式
[0033]下面根据附图和优选实施例详细描述本专利技术，本专利技术的目的和效果将变得更加明
白，应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0034]本专利技术的基于数字孪生的机器人轨迹规划方法，首先需要分别构建机器人及其所处的虚实环境。实际机器人轨迹规划硬件系统，包括物理机器人、机械爪以及工作环境障碍物；所述机械爪为二指平行自适应夹爪。
[0035]以构建实时数据传输的方式发送给构建好的数字孪生体，构建的数字孪生体包括机器人运动的物理环境、虚拟环境；所述的虚拟环境为上位机通过与物理硬件进行虚实信息传递所构建的虚拟环境，将所述的LSTM-RRT算法部署在上位机上，采用所述的轨迹生成方法对虚拟环境中机械抓的轨迹进行规划的同时控制物理环境中的机械爪进行移动。具体如下：
[0036]通过网络电缆连接机器人与计算机，在机器人操作系统(ROS)中运行名为“ur5e_bringup”的节点，输入机器人中设置好的局域网络静态IP地址，以实现由虚到实的通信。在机器人仿真环境(V-REP)中构建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的机器人轨迹规划方法，其特征在于，构建包含机器人及其所处的带有障碍物的环境的虚实场景，并将虚实场景通过物理硬件进行虚实信息传递，构建数字孪生模型，并通过运行在上位机中的神经网络模型进行对机器人进行路径规划，具体包括如下步骤：S1：构建虚拟环境中的训练数据集；将虚拟环境下带有障碍物的环境模型的二维环境图和三维环境图分别生成二维环境向量和三维环境向量，对于每个二维环境图和三维环境图，再使用RRT算法分别生成若干条躲避障碍物的二维轨迹和三维轨迹，然后生成训练数据集{I
(r)
,P
(rn)
}，其中，I
(r)
表示环境向量，P
(rn)
表示轨迹；S2：分别将S1得到的二维环境向量和若干条二维轨迹、三维环境向量和若干条三维轨迹输入到LSTM网络进行训练；具体的训练过程如下：S2.1：从所述的训练数据集{I
(r)
,P
(rn)
}中提取其中一条轨迹上的第k个点的坐标x
k
，并在第k次调用时输入LSTM中；S2.2：通过x
k
的正向传播来计算该轨迹上的第k+1点的坐标的预测值y
k
；S2.3：计算y
k
和轨迹P
(rn)
中第k+1点的坐标的真实值之间的差值累积，即回调误差，并根据回调...

【专利技术属性】
技术研发人员：胡伟飞，汤沣，刘振宇，谭建荣，
申请(专利权)人：浙江大学，
类型：发明
国别省市：