机器人运动控制方法、装置、机器人和存储介质制造方法及图纸

本申请提供一种机器人运动控制方法、装置、机器人和存储介质，涉及人工智能及机器人技术领域。该方法在确定用于控制机器人的末端执行器从当前时刻至下一时刻的关节变量控制参数时，扩展至当前时刻之后的连续N个时刻，考虑到N个时刻的预测任务状态与参考任务状态之间的跟随误差，以基于N个时刻各自对应的参考任务状态与预测任务状态所确定的跟随误差最小化为目标，确定当前时刻到下一时刻关于机器人的关节变量控制参数，根据该较优的关节变量控制参数控制机器人运动至当前时刻的下一时刻，提高机器人控制准确度与控制效果。提高机器人控制准确度与控制效果。提高机器人控制准确度与控制效果。

【技术实现步骤摘要】
机器人运动控制方法、装置、机器人和存储介质


[0001]本申请涉及机器人
，特别是涉及一种机器人运动控制方法、装置、机器人、存储介质和计算机程序产品。

技术介绍

[0002]机器人被广泛应用于执行各种任务，实现任务的自动化处理。目前对机器人的运动控制主要是为机器人预先规划运动轨迹，运动轨迹是机器人的各种任务状态量(如姿态、位置、速度等)随时刻变化的函数，对机器人进行运动控制的过程就是尽可能基于该运动轨迹控制机器人的运动。
[0003]机器人从当前时刻运动到下一个时刻时的任务状态，是否与预先规划的运动轨迹匹配，与机器人从当前时刻运动到下一个时刻的关节变量控制参数有关。相关技术中，基于当前时刻的任务状态估计下一个时刻的关节变量控制参数，估计的关节变量控制参数与规划的运动轨迹的匹配度不够，机器人运动控制效果较差。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高机器人运动控制效果的机器人运动控制方法、装置、机器人、存储介质和计算机程序产品。
[0005]本申请提供了一种机器人运动控制方法，所述方法包括：
[0006]确定机器人当前时刻的当前任务状态，以及位于所述当前时刻之后连续N个时刻各自对应的参考任务状态；其中N为大于1的自然数；
[0007]对于所述N个时刻中的每个目标时刻，基于所述目标时刻的上一时刻，到所述目标时刻关于所述机器人的待估关节变量控制参数，以及所述目标时刻的上一时刻对应的预测任务状态，确定所述目标时刻对应的预测任务状态；其中，所述N个时刻中当前时刻的下一时刻所对应的预测任务状态，基于所述当前时刻到所述下一时刻关于所述机器人的待估关节变量控制参数，以及所述当前时刻对应的当前任务状态确定；
[0008]以基于所述N个时刻各自对应的参考任务状态与预测任务状态所确定的跟随误差最小化为目标，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数；
[0009]按所述关节变量控制参数，控制所述机器人运动至所述当前时刻的下一时刻。
[0010]本申请提供了一种机器人运动控制装置，所述装置包括：
[0011]任务状态确定模块，用于确定机器人当前时刻的当前任务状态，以及位于所述当前时刻之后连续N个时刻各自对应的参考任务状态；其中N为大于1的自然数；
[0012]任务状态预测模块，用于对于所述N个时刻中的每个目标时刻，基于所述目标时刻的上一时刻，到所述目标时刻关于所述机器人的待估关节变量控制参数，以及所述目标时刻的上一时刻对应的预测任务状态，确定所述目标时刻对应的预测任务状态；其中，所述N个时刻当前时刻的下一时刻所对应的预测任务状态，基于所述当前时刻到所述下一时刻关于所述机器人的待估关节变量控制参数，以及所述当前时刻对应的当前任务状态确定；
[0013]优化处理模块，用于以基于所述N个时刻各自对应的参考任务状态与预测任务状态所确定的跟随误差最小化为目标，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数；
[0014]运动控制模块，用于按所述关节变量控制参数，控制所述机器人运动至所述当前时刻的下一时刻。
[0015]在一个实施例中，所述优化处理模块，还用于对于所述N个时刻中的每个目标时刻，获取所述目标时刻的参考任务状态与预测任务状态之间的跟随误差，将所述N个时刻对应的N个跟随误差求和，得到目标函数；通过最小化所述目标函数，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数。
[0016]在一个实施例中，所述优化处理模块，还用于对于所述N个时刻中的每个目标时刻，获取所述目标时刻的参考任务状态与预测任务状态之间的跟随误差，以及确定所述目标时刻的上一时刻到所述目标时刻，关于所述机器人的待估关节变量控制参数，得到所述N个时刻中相邻两个时刻之间的待估关节变量控制参数之和；根据所述待估关节变量控制参数之和与所述跟随误差，确定目标函数；通过最小化所述目标函数，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数。
[0017]在一个实施例中，所述目标时刻的上一时刻到所述目标时刻关于所述机器人的待估关节变量控制参数，具有预设上限值和预设下限值。
[0018]在一个实施例中，所述任务状态包括笛卡尔空间坐标系下的位姿和速度，所述优化处理模块，还用于基于所述目标时刻的参考位姿和预测位姿，得到所述目标时刻的位姿误差；基于所述目标时刻的参考速度和预测速度，得到所述目标时刻的速度误差；基于所述目标时刻的位姿误差和速度误差，得到所述目标时刻的参考任务状态和预测任务状态之间的跟随误差。
[0019]在一个实施例中，所述任务状态是笛卡尔空间坐标系下的参数，关于所述机器人的关节变量控制参数是关节空间坐标系下的参数；所述任务状态预测模块，还用于基于当前时刻所述机器人在所述笛卡尔空间坐标系中的位姿，以及当前时刻所述机器人在所述关节空间坐标系中的关节变量，得到所述笛卡尔空间坐标系与所述关节空间坐标系之间的变换关系；对于所述N个时刻中的每个目标时刻，基于所述变换关系、所述目标时刻的上一时刻到所述目标时刻关于所述机器人的待估关节变量控制参数、以及所述目标时刻的上一时刻对应的预测任务状态，确定所述目标时刻对应的预测任务状态。
[0020]在一个实施例中，所述任务状态预测模块，还用于基于当前时刻所述机器人在所述笛卡尔空间坐标系中的位姿，以及当前时刻所述机器人在所述关节空间坐标系中的关节变量，得到转换矩阵；基于所述转换矩阵，得到所述机器人的位置雅克比矩阵、姿态雅可比矩阵、所述位置雅克比矩阵的微分矩阵以及所述姿态雅可比矩阵的微分矩阵；根据所述机器人的位置雅克比矩阵、姿态雅可比矩阵、所述位置雅克比矩阵的微分矩阵以及所述姿态雅可比矩阵的微分矩阵，得到所述笛卡尔空间坐标系与所述关节空间坐标系之间的变换关系。
[0021]在一个实施例中，所述任务状态预测模块，还用于在所述目标时刻为所述当前时刻的下一时刻的情况下，基于所述变换关系、所述当前时刻到所述下一时刻关于所述机器人的待估关节变量控制参数、以及所述当前时刻的当前任务状态，确定所述下一时刻对应
的预测任务状态；在所述目标时刻不为所述当前时刻的下一时刻的情况下，基于所述变换关系、所述目标时刻的上一时刻到所述目标时刻关于所述机器人的待估关节变量控制参数、以及所述目标时刻的上一时刻对应的预测任务状态，确定所述目标时刻对应的预测任务状态。
[0022]在一个实施例中，当机器人的约束度不为0时，所述优化处理模块，还用于对于所述N个时刻中的每个目标时刻，获取所述目标时刻的参考任务状态与预测任务状态之间的跟随误差，将所述N个时刻对应的N个跟随误差求和，得到目标函数；按二次规划形式，对所述目标函数的形式进行转换，得到转换后的目标函数，通过二次规划的求解方式，对转化后的目标函数进行求解；基于求解结果，得到所述当前时刻到下一时刻关于所述机器人的关节变量控制参数。
[0023]在一个实施例中，当机器人的约束度为0时，所述优化处理模块，还用于对于所述N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人运动控制方法，其特征在于，所述方法包括：确定机器人当前时刻的当前任务状态，以及位于所述当前时刻之后连续N个时刻各自对应的参考任务状态；其中N为大于1的自然数；对于所述N个时刻中的每个目标时刻，基于所述目标时刻的上一时刻，到所述目标时刻关于所述机器人的待估关节变量控制参数，以及所述目标时刻的上一时刻对应的预测任务状态，确定所述目标时刻对应的预测任务状态；其中，所述N个时刻中当前时刻的下一时刻所对应的预测任务状态，基于所述当前时刻到所述下一时刻关于所述机器人的待估关节变量控制参数，以及所述当前时刻对应的当前任务状态确定；以基于所述N个时刻各自对应的参考任务状态与预测任务状态所确定的跟随误差最小化为目标，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数；按所述关节变量控制参数，控制所述机器人运动至所述当前时刻的下一时刻。2.根据权利要求1所述的方法，其特征在于，所述以基于所述N个时刻各自对应的参考任务状态与预测任务状态所确定的跟随误差最小化为目标，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数，包括：对于所述N个时刻中的每个目标时刻，获取所述目标时刻的参考任务状态与预测任务状态之间的跟随误差，将所述N个时刻对应的N个跟随误差求和，得到目标函数；通过最小化所述目标函数，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数。3.根据权利要求1所述的方法，其特征在于，所述以基于所述N个时刻各自对应的参考任务状态与预测任务状态所确定的跟随误差最小化为目标，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数，包括：对于所述N个时刻中的每个目标时刻，获取所述目标时刻的参考任务状态与预测任务状态之间的跟随误差，以及确定所述目标时刻的上一时刻到所述目标时刻，关于所述机器人的待估关节变量控制参数，得到所述N个时刻中相邻两个时刻之间的待估关节变量控制参数之和；根据所述跟随误差以及所述待估关节变量控制参数之和，确定目标函数；通过最小化所述目标函数，确定所述当前时刻到下一时刻关于所述机器人的关节变量控制参数。4.根据权利要求3所述的方法，其特征在于，所述目标时刻的上一时刻到所述目标时刻关于所述机器人的待估关节变量控制参数，具有预设上限值和预设下限值。5.根据权利要求3所述的方法，其特征在于，所述任务状态包括笛卡尔空间坐标系下的位姿和速度，所述获取所述目标时刻的参考任务状态与预测任务状态之间的跟随误差，包括：基于所述目标时刻的参考位姿和预测位姿，得到所述目标时刻的位姿误差；基于所述目标时刻的参考速度和预测速度，得到所述目标时刻的速度误差；基于所述目标时刻的位姿误差和速度误差，得到所述目标时刻的参考任务状态和预测任务状态之间的跟随误差。6.根据权利要求1所述的方法，其特征在于，所述任务状态是笛卡尔空间坐标系下的参数，关于所述机器人的关节变量控制参数是关节空间坐标系下的参数；
所述对于所述N个时刻中的每个目标时刻，基于所述目标时刻的上一时刻，到所述目标时刻关于所述机器人的待估关节变量控制参数，以及所述目标时刻的上一时刻对应的预测任务状态，确定所述目标时刻对应的预测任务状态，包括：基于当前时刻所述机器人在所述笛卡尔空间坐标系中的位姿，以及当前时刻所述机器人在所述关节空间坐标系中的关节变量，得到所述笛卡尔空间坐标系与所述关节空间坐标系之间的变换关系；对于所述N个时刻中的每个目标时刻，基于所述变换关系、所述目标时刻的上一时刻到所述目标时刻关于所述机器人的待估关节变量控制参数、以及所述目标时刻的上一时刻对应的预测任务状态，确定所述目标时刻对应的预测任务状态。7.根据权利要求6所述的方法，其特征在于，所述基于当前时刻所述机器人在所述笛卡尔空间坐标系中的位姿，以及当前时刻所述机器人在所述关节空间坐标系中的关节变量，得到所述笛卡尔空间坐标系与所述关节空间坐标系之间的变换关系，包括：基于当前时刻所述机器人在所述笛卡尔空间坐标系中的位姿，以及当前时刻所述机器人在所述关节空间坐标系中的关节变量，得到转换矩阵；基于所述转换矩阵，得到所述机器人的位置雅克比矩阵、姿态雅可比矩阵、所述位置雅克比矩阵的微分矩阵以及所述姿态雅可比矩阵的微分矩...

【专利技术属性】
技术研发人员：周诚，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：