王健发,王耀南,陈文锐,刁 强

(湖南大学电气与信息工程学院,机器人视觉感知与控制技术国家工程实验室,湖南长沙 410082)

1 引言

随着机械臂技术的飞速发展,机械臂的应用在各个行业得到了广泛的推广.相应地,机械臂作业任务的复杂性不断增大,这都对其规划和控制提出了更高的要求.而示教学习方法通过建模学习人类的操作技能,可以高效地应用于不同的机械臂本体[1],有效减少机械臂轨迹规划的难度,近年来逐渐发展为机器人学中的重要研究内容之一[2-4].

目前典型的机械臂轨迹示教学习方法主要包括基于样条[5-6]、基于统计模型[7-10]、基于仿射变换[11-12]和基于动态运动基元[13-14]的轨迹学习方法4类.其中基于样条的轨迹学习方法是通过样条函数拟合采集到的人体运动数据实现的,规划生成的轨迹平滑性好,但泛化能力不足.基于统计模型的轨迹学习方法主要是利用高斯混合模型或隐马尔可夫模型拟合运动的各个特征进行学习的轨迹规划方法,计算效率相对较低,且生成的轨迹不连续.基于仿射变换的轨迹学习方法是依据人体运动的仿射不变性开发的轨迹规划方法,其不依赖于具体模型,可以直接变换关节角时间序列.但是由于人体与机械臂在结构和运动能力上的差异性,该方法无法快速的将人体运动映射成机械臂运动.

与上述方法相比,Ijspeert等[13]于2002年首次提出的(dynamic movement primitives,DMPs)是一种以非线性微分方程形式的动态系统来编码运……