APP下载

基于动态系统的机器人模仿学习方法研究

2019-11-09于建均姚红柯左国玉阮晓钢安硕

智能系统学报 2019年5期
关键词:实验模型系统

于建均,姚红柯,左国玉,阮晓钢,安硕

(1. 北京工业大学 信息学部,北京 100124; 2. 北京工业大学 计算智能与智能系统北京市重点实验室,北京100124)

目前,在机器人技术的研究中,如何使机器人具备类似于人类的智能行为已成为一大研究热点[1]。而从人类学习中发展而来的模仿学习,作为机器人直接获取知识和技能的一种方式,在机器人的智能性的提升方面越来越发挥出巨大的作用,越来越多地受到学术界的关注和研究[2-6]。一方面,相对于传统的机器人编程控制,模仿学习将使机器人编程更加容易,提高了机器人的作业效率;另一方面,模仿学习赋予机器人获取知识、学习知识的能力,使其更加具备智能性[7]。

机器人模仿学习一般分为3个步骤完成:示教过程、学习过程、再现过程。当前,模仿学习的研究,主要集中在对学习过程的研究,已经出现了多种模仿学习的算法用来实现机器人的学习过程[8-11]。其中基于轨迹匹配的机器人模仿学习算法主要有高斯混合模型(GMM)[12]和高斯混合回归 GMR(gaussian maxture regression)[12-13]、局部加权回归LWR(locally weighted regression)[14-15]、人工神经网络ANN(artificial neural networks)[16-17]等,这些算法的特点是将示教运动轨迹数据建模为回归过程,以期获得控制策略指导机器人对示教运动进行再现。虽然基于轨迹匹配的回归算法具有较强的数据表征能力和抗噪能力,但是也存在泛化能力差、稳定性差等缺点[18]。Ijspeert等[19]提出的一种基于动态运动基元DMP(dynamic morement primitives)的机器人模仿学习方法。该方法将运动行为轨迹建模为一组微分方程,并通过线性动态系统保证了目标的全局稳定性,可以从一个简单的示教中学习较复杂的运动行为,已有广泛的使用[19-22]。……

登录APP查看全文

猜你喜欢

实验模型系统
一半模型
记一次有趣的实验
Smartflower POP 一体式光伏系统
WJ-700无人机系统
ZC系列无人机遥感系统
重尾非线性自回归模型自加权M-估计的渐近分布
做个怪怪长实验
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
3D打印中的模型分割与打包
NO与NO2相互转化实验的改进