【技术实现步骤摘要】
用于控制机器人设备的方法
现有技术
[0001]本公开涉及用于控制机器人设备的方法。
[0002]在许多应用中，合期望的是机器人可以在可能的动态和非结构化环境中自主地执行。为此，他们需要学习如何移入其周围环境并与其周围环境交互。为了这样做，机器人可以依赖于技能库，该技能库可以用来执行简单的运动或执行复杂的任务，作为几个技能的组合。学习运动技能的方式是经由人类示例，其被称为从演示中学习（LfD）。这需要（通常是人类）专家示出一次或几次将被机器人模仿的特定运动。
[0003]A. Paraschos等人在Autonomous Robots（42：529
‑
551，2018）中的出版物“Using probabilistic movement primitives in robotics”描述了概率性移动基元（ProMP），这是一种用于学习和合成机器人运动技能的概率性框架。ProMP表示基于紧凑基函数表示的轨迹分布。它的概率性公式使能实现移动调制、平行移动激活以及控制中的方差信息的开发。
[0004]尽管ProMP...
【技术保护点】
【技术特征摘要】
1.一种用于控制机器人设备的方法，包括：提供机器人技能的演示，其中每个演示演示了包括机器人配置序列的轨迹，其中每个机器人配置由具有黎曼流形结构的预定配置空间的元素描述；对于每个演示轨迹，通过如下将轨迹的表示确定为机器人设备的预定基本移动的权重向量搜索使根据权重向量的基本移动的组合与演示轨迹之间的距离度量最小化的权重向量，其中所述组合被映射到流形；通过将概率分布拟合到针对演示轨迹确定的权重向量来确定权重向量的概率分布；和通过根据所确定的权重向量的概率分布执行基本移动来控制机器人设备。2.根据权利要求1所述的方法，其中，通过将高斯分布拟合到针对演示轨迹确定的权重向量来确定权重向量的概率分布。3.根据权利要求1或2所述的方法，其中每个演示轨迹包括用于预定时间点序列的每个时间的机器人配置，并且其中根据权重向量的基本移动的每个组合指定了用于预定时间点序列的每个时间的机器人配置，并且其中对于每个演示轨迹通过如下来确定权重向量：从一组可能的权重向量中确定根据权重向量的基本移动的组合和演示轨迹的权重向量——其中所述组合被映射到流形——在所述组可能的权重向量中是最小的，其中被映射到流形的基本移动的组合与演示轨迹之间的距离通过在时间点序列的时间点之上对各项求和来给出，所述各项包括针对每个时间点的项，所述项包括当映射到流形时由所述时间点处的基本...
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。