机器人的控制方法技术

本申请公开了一种机器人的控制方法

【技术实现步骤摘要】
机器人的控制方法、装置、设备及存储介质


[0001]本申请实施例涉及人工智能
，特别涉及一种机器人的控制方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]随着人工智能技术的发展，机器人已经成为重要工具，其可以将人们从危险
、
复杂
、
高精度等任务中解放出来
。
其中，轨迹及姿态
(
即位姿
)
跟随控制是机器人运动控制中的核心问题
。
[0003]以冗余机器人为例，相关技术通过引入额外的参数并保留一定的裕度，对冗余机器人进行不同层级的关节约束，以实现冗余机器人的轨迹及姿态跟随控制
。
然而，相关技术会减小关节角度的可行域，从而导致机器人的控制不够准确
。

技术实现思路

[0004]本申请实施例提供了一种机器人的控制方法
、
装置
、
设备及存储介质，能够提高机器人的控制准确性和通用性，所述技术方案如下：
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种机器人的控制方法，其特征在于，所述方法包括：获取机器人在目标时刻下的实测关节角度
、
所述机器人的末端执行器在所述目标时刻下的实测位姿
、
所述末端执行器在预测时段内的预测位姿序列和期望位姿序列
、
所述机器人在所述预测时段内的预测关节角度序列，以及所述机器人在控制时段内的预测关节角速度序列；其中，所述预测时段包括所述目标时刻之后的多个采样时刻，所述控制时段包括以所述目标时刻为起点依次选择的多个采样时刻；基于所述目标时刻的前一采样时刻下的历史实测位姿和历史实测关节角度，获取所述机器人的估计雅克比矩阵；基于所述实测关节角度
、
所述实测位姿
、
所述预测位姿序列
、
所述期望位姿序列
、
所述预测关节角度序列
、
所述预测关节角速度序列和所述估计雅克比矩阵，构建所述机器人的二次规划方程；对所述二次规划方程进行求解，得到所述机器人在所述目标时刻下的预测关节角速度；根据所述目标时刻下的预测关节角速度，控制所述末端执行器跟随所述目标时刻下的期望位姿移动
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述实测关节角度
、
所述实测位姿
、
所述预测位姿序列
、
所述期望位姿序列
、
所述预测关节角度序列
、
所述预测关节角速度序列和所述估计雅克比矩阵，构建所述机器人的二次规划方程，包括：基于所述实测位姿
、
所述预测位姿序列
、
所述期望位姿序列和所述预测关节角速度序列，构建所述机器人的预测控制方程；其中，所述预测控制方程用于预测所述末端执行器的位姿跟随误差和所述机器人的预测关节角速度，所述位姿跟随误差用于表征所述期望位姿与所述预测位姿之间的差异；基于所述实测关节角度和所述预测关节角速度序列，以及所述机器人的关节角度下限集
、
关节角度上限集
、
关节角速度下限集和关节角速度上限集，构建所述预测控制方程对应的约束方程；其中，所述预测控制方程对应的约束方程用于约束所述机器人的关节角度和关节角速度；根据所述预测控制方程
、
所述约束方程和所述估计雅克比矩阵，转换得到所述机器人的二次规划方程
。3.
根据权利要求2所述的方法，其特征在于，所述基于所述实测位姿
、
所述预测位姿序列
、
所述期望位姿序列和所述预测关节角速度序列，构建所述机器人的预测控制方程，包括：基于所述预测位姿序列中的各个预测位姿与所述实测位姿之间的增量，构建第一矩阵；基于所述期望位姿序列中的各个期望位姿与所述实测位姿之间的增量，构建第二矩阵；对所述第一矩阵和所述第二矩阵进行求差，得到第一差值；以所述预测关节角速度序列中的各个预测关节角速度为元素，构建第三矩阵；基于所述第一差值和所述第三矩阵，构建所述机器人的预测控制方程
。4.
根据权利要求2所述的方法，其特征在于，所述基于所述实测关节角度和所述预测关
节角速度序列，以及所述机器人的关节角度下限集
、
关节角度上限集
、
关节角速度下限集和关节角速度上限集，构建所述预测控制方程对应的约束方程，包括：基于所述关节角度下限集中的各个关节角度下限与所述实测关节角度之间的差值，构建所述机器人的第一约束矩阵；基于所述关节角度上限集中的各个关节角度上限与所述实测关节角度之间的差值，构建所述机器人的第二约束矩阵；以所述关节角速度下限集中的各个关节角度下限为元素，构建第三约束矩阵；以所述关节角速度上限集中的各个关节角度上限为元素，构建第四约束矩阵；基于所述预测关节角度序列中的各个预测关节角度与所述实测关节角度之间的增量，构建所述机器人的第四矩阵；以所述第一约束矩阵和所述第二约束矩阵对所述第四矩阵进行约束，以及以所述第三约束矩阵和所述第四约束矩阵对所述机器人的第三矩阵进行约束，构建所述预测控制方程对应的约束方程
。5.
根据权利要求2所述的方法，其特征在于，所述根据所述预测控制方程
、
所述约束方程和所述估计雅克比矩阵，转换得到所述机器人的二次规划方程，包括：根据所述估计雅克比矩阵和所述采样时刻对应的采样间隔时长，构建所述机器人的第五矩阵，所述第五矩阵与所述机器人的第三矩阵之间的乘积等于所述机器人的第一矩阵；基于所述第五矩阵，构建所述二次规划方程对应的第一转换矩阵；基于所述第五矩阵和所述机器人的第二矩阵，构建所述二次规划方程对应的第二转换矩阵；根据所述第一转换矩阵
、
所述第二转换矩阵和所述机器人的第三矩阵，转换得到所述机器人的二次规划方程；根据所述采样间隔时长和单位矩阵，构建所述机器人的第六矩阵，所述第六矩阵与所述机器人的第三矩阵之间的乘积等于所述机器人的第四矩阵；根据所述六矩阵
、
所述预测控制方程对应的约束方程和所述第三矩阵，转换得到所述二次规划方程对应的约束方程
。6.
根据权利要求1所述的方法，其特征在于，所述对所述二次规划方程进行求解，得到所述机器人在所述目标时刻下的预测关节角速度，包括：采用拉格朗日乘子法和非线性互补问题函数，对所述二次规划方程进行转换，得到所述机器人的非线性方程，所述非线性方程的理论值为0；根据所述非线性方程，构建所述机器人的神经动力学求解器，所述神经动力学求解器用于求解所述机器人的预测关节角速度；利用所述神经动力学求解器进行迭代求解，得到所述机...

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