机器人运动技能学习方法和系统、电子设备及存储介质技术方案

本发明专利技术实施例提供了一种机器人运动技能学习方法和系统、电子设备及存储介质。通过综合利用示教经验和可变阻抗控制，机器人可以获得更强的适应能力和智能性。通过读取人类手臂的表面肌电信号，采用高效核映射函数与阻抗参数建立映射关系，再与交互力进行特征融合，可以实现可变阻抗策略。同时，通过记录示教轨迹来迁移人类运动技能，以提高机器人在各种任务和环境中的泛化性和适应性。通过机器人的学习和适应能力，可以实现更高效、精确和灵活的任务完成，基于此，本发明专利技术实施例能够使机器人更灵活地适应不同工件和工作环境，提高操作的精准度和效率。

【技术实现步骤摘要】

本专利技术实施例涉及机器人，尤其涉及一种机器人运动技能学习方法和系统、电子设备及存储介质。

技术介绍

1、随着人工智能和机器人学的深度融合与协同发展，智能机器人在各个领域的应用越来越广泛。人们对智能机器人的期望也逐渐提高，希望它们能够具备更高级的智能和适应能力。特别是在工业领域，机器人需要能够快速适应不同环境和工件的变化，以帮助人们更有效地完成任务，提高生产效率和产品质量。在工业生产中的抛磨任务中，同一工件的表面粗糙程度不同，不同工件粗糙区域不同，仍进行统一处理，会造成不必要的损耗。因此，机器人需要具备灵活的轨迹规划能力，以适应不同工件表面的需求。另外，在处理各种不同尺寸和形状工件的抛磨时，机器人的轨迹规划也需要具备整体泛化性，可以根据以往的经验和数据，高效地适应不同尺寸的工件，以及在不同区域进行作业。因此，如何提升机器人在抛磨任务中的适应性和灵活性成为亟待解决的技术问题。

技术实现思路

1、本专利技术实施例提供了一种机器人运动技能学习方法和系统、电子设备及存储介质，能够提升机器人在抛磨任务中的适应性和灵活性本文档来自技高网...

【技术保护点】

1.一种机器人运动技能学习方法，包括：

2.根据权利要求1所述的方法，其特征在于，所述获取通过拖动机器人对抛磨任务进行示教的演示数据集，包括：

3.根据权利要求2所述的方法，其特征在于，所述采用动态时间调整将数据对齐，得到所述演示数据集，包括：

4.根据权利要求1所述的方法，其特征在于，所述阻抗参数是根据八通道信号的强度和上肢末端力与刚度的映射公式：计算得到，其中，F、K＝(Kx,Ky,Kz)分别是输出力和刚度值，用于描述人体手臂的物理特性；转换矩阵TF、TK用来描述表面肌电信号sEMG与人体手臂特性之间的关系；固有刚度值K0反映人体手臂自身固有的初始...

【技术特征摘要】

1.一种机器人运动技能学习方法，包括：

2.根据权利要求1所述的方法，其特征在于，所述获取通过拖动机器人对抛磨任务进行示教的演示数据集，包括：

3.根据权利要求2所述的方法，其特征在于，所述采用动态时间调整将数据对齐，得到所述演示数据集，包括：

4.根据权利要求1所述的方法，其特征在于，所述阻抗参数是根据八通道信号的强度和上肢末端力与刚度的映射公式：计算得到，其中，f、k＝(kx,ky,kz)分别是输出力和刚度值，用于描述人体手臂的物理特性；转换矩阵tf、tk用来描述表面肌电信号semg与人体手臂特性之间的关系；固有刚度值k0反映人体手臂自身固有的初始刚度特性；扰动误差δ用于描述模型的误差；将semg信号集e分解为代表力相关肌电信号的子集ef以及代表刚度相关肌电信号的子集ek；引入矩阵tf，则人示教过程的刚度值为：k＝khuman+ηpn，则数据集变为：

5.根据权利要求1所述的方法，其特征在于，所述基于所述位置与速度演示数据集和所述位置与姿态演示数据集，分别采用局部强泛化性模型...

【专利技术属性】
技术研发人员：江励，翟雪倩，吴鸿敏，罗艺，周雪峰，
申请(专利权)人：五邑大学，
类型：发明
国别省市：