本申请提供一种机械臂避障轨迹规划方法、装置、电子设备和计算机可读存储介质，该方法的一具体实施方式包括：求取正向虚拟力轨迹和反向虚拟力轨迹；根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数；在所述最大似然函数的函数值满足模型收敛要求时，引入所述中间高斯混合模型的模型参数对应的权重；根据所述模型参数对应的权重得到目标高斯混合模型的目标模型参数，并通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹。该方法能够使新任务的避障轨迹在未知障碍信息的应用场景中满足避障要求，且其具有较大的调节幅度，能够较好地避开障碍。好地避开障碍。好地避开障碍。
【技术实现步骤摘要】
机械臂避障轨迹规划方法、装置和电子设备
[0001]本申请涉及机械臂路径规划领域，具体而言，涉及一种机械臂避障轨迹规划方法、装置、电子设备和计算机可读存储介质。
技术介绍
[0002]动态运动基元法(Dynamic Movement Primitive，简称DMP)是一种机械臂示教学习方法，其可以利用一个二阶模型来提取单条示教轨迹的信息，并将该示教轨迹编码为一个虚拟力。这样，对于新的任务，可以修改示教轨迹的起点信息和终点信息，并将虚拟力作用于该二阶模型，即可将示教轨迹迁移到新的任务，得到与示教轨迹形状相同的新轨迹。
[0003]高斯混合回归
‑
动态运动基元法(Gaussian mixed regression
‑
Dynamic movement primitives，简称GMRDMP)是DMP和概率模型高斯混合模型(Gaussian mixed model，简称GMM)结合得到的方法，其利用DMP提取每条示教轨迹的虚拟力信息，并利用期望最大(expectation maximization,简称EM)算法来训练一个GMM学习多条轨迹信息。这样，对于新的任务，可以先用高斯混合回归(Gaussian mixed regression，简称GMR)还原出一条虚拟力轨迹，再将该虚拟力轨迹带入DMP模型，即可得到新任务的轨迹。
[0004]因此，在相关技术中存在利用GMP DMP得到新任务轨迹的方案。但在该方案中，GMP DMP只能基于已知障碍信息得到新任务轨迹，而由于避障现场所设置的摄像头视角有限或者机械臂没有相关信息采集功能，所以不便于获取障碍信息，继而导致GMP DMP不适用于未知障碍信息的应用场景。并且，该方案基于DMP模型的几个参数调整新任务的轨迹形状，使得轨迹形状的调节幅度较小，继而不能较好地避过障碍。
技术实现思路
[0005]本申请实施例的目的在于提供一种机械臂避障轨迹规划方法、装置、电子设备和计算机可读存储介质，用以使新任务的避障轨迹在未知障碍信息的应用场景中满足避障要求，且其具有较大的调节幅度，能够较好地避开障碍。
[0006]第一方面，本申请实施例提供了一种机械臂避障轨迹规划方法，该方法包括：求取正向虚拟力轨迹和反向虚拟力轨迹；其中，所述正向虚拟力轨迹基于机械臂的初始示教轨迹求取，所述反向虚拟力轨迹基于新任务的位置信息求取；根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数；在所述最大似然函数的函数值满足模型收敛要求时，引入所述中间高斯混合模型的模型参数对应的权重；根据所述模型参数对应的权重得到目标高斯混合模型的目标模型参数，并通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹。这样，能够使新任务的避障轨迹在未知障碍信息的应用场景中满足避障要求，且其具有较大的调节幅度，能够较好地避开障碍。
[0007]可选地，所述求取正向虚拟力轨迹和反向虚拟力轨迹，包括：基于动态运动基元法对应的计算式以及多条示教轨迹，确定对应的多条初始虚拟力轨迹；使用最大期望算法对所述多条初始虚拟力轨迹进行处理，得到初始高斯混合模型；利用高斯混合回归从所述初
始高斯混合模型中还原出中间虚拟力轨迹，并将所述中间虚拟力轨迹、新任务的位置信息代入所述计算式，得到所述机械臂末端执行器的正向轨迹；在所述正向轨迹不满足避障要求时，将所述正向轨迹代入所述计算式中，得到所述正向虚拟力轨迹。这样，可以在已知多条示教轨迹的基础上，通过DMP计算式求取机械臂执行新任务时的正向轨迹。
[0008]可选地，所述求取正向虚拟力轨迹和反向虚拟力轨迹，还包括：获取所述新任务的位置信息；所述位置信息包括起点信息和终点信息；根据所述起点信息和所述终点信息得到所述新任务对应的直线路径，并对所述直线路径进行均匀采样，得到反向示教轨迹；将所述反向示教轨迹代入所述计算式，得到所述反向虚拟力轨迹。这样，可以使中间高斯混合模型的模型参数更加准确，以更利于规划出满足避障要求的避障轨迹。
[0009]可选地，所述根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数，包括：确定偏好参数；所述偏好参数表征使所述避障轨迹对应的虚拟力轨迹趋近于所述正向虚拟力轨迹或者所述反向虚拟力轨迹；根据所述偏好参数改进初始最大似然函数，得到所述中间高斯混合模型中的最大似然函数。这样，可以通过偏好参数改进初始最大似然函数，以赋予正向虚拟力轨迹和反向虚拟力轨迹对应的偏好程度，使避障轨迹对应的虚拟力轨迹能够位于两者之间，继而能够较好地避开障碍。
[0010]可选地，所述最大似然函数的表达式包括：其中，λ表征所述偏好参数，λ的取值范围为[0，1]；P表征概率密度函数，表征所述中间高斯混合模型的模型参数，F
M+1
表征所述正向虚拟力轨迹，F
M+2
表征所述反向虚拟力轨迹。这样，通过该最大似然函数的表达式即可结合偏好参数以及中间高斯混合模型的模型参数权重值共同调节避障轨迹的形状，使得避障轨迹具有较大的调节幅度，能够较好地避开障碍。
[0011]可选地，基于以下步骤确定所述中间高斯混合模型对应的模型参数：基于初始高斯混合模型的模型参数，计算所述正向虚拟力轨迹以及所述反向虚拟力轨迹分别来自所述初始高斯混合模型的第K个子模型的概率；迭代计算每个子模型的期望、方差以及在所述初始高斯混合模型中发生的概率，得到所述中间高斯混合模型的模型参数。这样，可以基于初始高斯混合模型的模型参数，按照EM算法计算得到中间高斯混合模型的模型参数，此时的中间高斯混合模型也即已经收敛，继而可以用于引入模型参数的权重，得到目标高斯混合模型。
[0012]可选地，所述通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹，包括：在预设调整区间内调整所述模型参数的权重，得到连续变化且与所述示教轨迹形状一致的轨迹簇；将所述轨迹簇中满足避障要求的轨迹确定为所述避障轨迹。这样，机械臂基于满足避障要求的任一轨迹进行运动之后，均可以在未知障碍信息的应用场景中较好地避开障碍，顺利完成新任务。
[0013]第二方面，本申请实施例提供了一种机械臂避障轨迹规划装置，该装置包括：求取模块，用于求取正向虚拟力轨迹和反向虚拟力轨迹；其中，所述正向虚拟力轨迹基于机械臂的初始示教轨迹求取，所述反向虚拟力轨迹基于新任务的位置信息求取；最大似然函数确定模块，用于根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数；引入模块，用于在所述最大似然函数的函数值满足模型收敛要求时，引入所述中间高斯混合模型的模型参数对应的权重；避障轨迹确定模块，用于根据所述模型参
数对应的权重得到目标高斯混合模型的目标模型参数，并通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹。这样，能够使新任务的避障轨迹在未知障碍信息的应用场景中满足避障要求，且其具有较大的调节幅度，能够较好地避开障碍。
[0014]第三方面，本申请实施例提供一种电子设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机械臂避障轨迹规划方法，其特征在于，包括：求取正向虚拟力轨迹和反向虚拟力轨迹；其中，所述正向虚拟力轨迹基于机械臂的初始示教轨迹求取，所述反向虚拟力轨迹基于新任务的位置信息求取；根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数；在所述最大似然函数的函数值满足模型收敛要求时，引入所述中间高斯混合模型的模型参数对应的权重；根据所述模型参数对应的权重得到目标高斯混合模型的目标模型参数，并通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹。2.根据权利要求1所述的方法，其特征在于，所述求取正向虚拟力轨迹和反向虚拟力轨迹，包括：基于动态运动基元法对应的计算式以及多条示教轨迹，确定对应的多条初始虚拟力轨迹；使用最大期望算法对所述多条初始虚拟力轨迹进行处理，得到初始高斯混合模型；利用高斯混合回归从所述初始高斯混合模型中还原出中间虚拟力轨迹，并将所述中间虚拟力轨迹、新任务的位置信息代入所述计算式，得到所述机械臂末端执行器的正向轨迹；在所述正向轨迹不满足避障要求时，将所述正向轨迹代入所述计算式中，得到所述正向虚拟力轨迹。3.根据权利要求2所述的方法，其特征在于，所述求取正向虚拟力轨迹和反向虚拟力轨迹，还包括：获取所述新任务的位置信息；所述位置信息包括起点信息和终点信息；根据所述起点信息和所述终点信息得到所述新任务对应的直线路径，并对所述直线路径进行均匀采样，得到反向示教轨迹；将所述反向示教轨迹代入所述计算式，得到所述反向虚拟力轨迹。4.根据权利要求1所述的方法，其特征在于，所述根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数，包括：确定偏好参数；所述偏好参数表征使所述避障轨迹对应的虚拟力轨迹趋近于所述正向虚拟力轨迹或者所述反向虚拟力轨迹；根据所述偏好参数改进初始最大似然函数，得到所述中间高斯混合模型中的最大似然函数。5.根据权利要求4所述的方法，其特征在于，所述最大似然函数的表达式包括：其中，λ表征所述偏好参数，λ的取值范围为[0，1]；P...
【专利技术属性】
技术研发人员：杨志华，董帅，邹昆，文琦，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：
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。