视觉引导下协作机器人抓取技术研究

针对在多物体复杂抓取场景下,协作机器人如何实现能在人机共融的环境中精确抓取特定目标工件及自主避障的问题,提出了一种基于监督学习的视觉引导下的协作机器人抓取方法;首先利用监督学习算法训练和处理待抓取物图像信息,完成对抓取目标特征的快速识别与定位;然后将抓取物的定位信息通过串口通信协议传输给ROS系统控制机器人完成运动规划...     

基于任务分配协作机制的多机器人协作机制研究

该文以多机器人协作机制为研究对象,在传统合同网方法的基础上提出一种改进式合同网算法,即合同-熟人网机制.合同网方法对通信比较敏感,特别是合同协商过程中的通信失效或者部分消息丢失,甚至可能导致系统整体失效;熟人网的响应速度将受到一定影响.因此该文结合两种方法提出了一种更能适应动态环境的任务协作机制,该方法基于合同网并结合熟人协作机制来解决动态环境下全局与局部的动态任务分配机制.最后该文利用仿真实验,通过MATLAB7.0与VisualC++6.0仿真证明提出的改进式合同法的有效性.     

基于免疫机理的足球机器人协作控制研究

针对Robocup中型组全自主足球机器人自主协作任务,基于人工免疫机理对机器人个体及群体体系结构进行优化,采用个体混合式体系结构与群体分布式体系提高系统性能。构建适用于比赛环境的足球机器人免疫系统模型,充分考虑模型中抗体与抗原及其他抗体间的激励和抑制作用,给出在动态环境下面临复杂协作任务时的足球机器人协调控制算法及流程,改善多足球机器人冲突的混乱局面,增强足球机器人策略行为的有效性,提高足球机器人系统的智能协作性。实验结果验证:该算法可以有效的增强足球机器人的协作能力,提高规定时间内的平均成功进功率与平均成功进球率。     

基于OPENMV的色彩引导机器人系统研究

随着机器人技术的发展,越来越多较为单调、劳动强度大,危险程度高的工作逐渐交由机器人来完成,近年来,机器视觉技术日渐完善,并得到广泛应用,本文设计了一套基于OPENMV的自动寻物系统。系统根据用户指定的物体形状或颜色,自主进行色彩识别和形状识别,通过算法对物体匹配,自动以较优的速度从起始点运行到指定物体前,并稳定停在其前方。用户可以通过蓝牙对系统识别物体的颜色和形状进行设置,从而增强其实用性。     

基于视觉引导的Baxter机器人运动控制研究

高速和高精度的传统工业机器人已经广泛应用于制造业,但是传统工业机器人只能工作在结构化及封闭的环境中,从而限制了其应用领域。能够跟人协作互动、本质安全的智能协作机器人突破了传统工业机器人的环境限制,具有广阔应用前景。采用最新的智能协作机器人Baxter作为平台,介绍了双臂智能协作机器人Baxter的系统组成,分析了机器人操作系统(robot operating system,ROS)的通信机制,设计了基于视觉引导的智能协作机器人运动控制软件。机器人控制软件由视觉定位软件模块和手臂引导抓取软件模块组成,通过ROS的消息主题机制及ROS服务器来实现机器人手臂运动控制。实验结果证明,设计的控制软件能够准确控制Baxter机器人识别和抓取目标物体。     

基于视觉的多机器人协作SLAM 问题

 视觉SLAM 仅采用图像作为外部信息,用于估计机器人位置的同时构建环境地图。SLAM 是机器人自主性的基本前提,如今在小动态环境采用激光或者声呐传感器构建2D 地图得到较好地解决。然而动态、复杂和大范围下的SLAM 仍存在问题,使用视觉作为基本的外部传感器是解决问题的一个新颖热门的研究方法。在视觉SLAM 中使用计算机视觉技术,如特征检测、特征描述和特征匹配,图像识别和恢复,还存在很多改善的空间。本文在视觉SLAM 领域的最新技术的基础上,对基于视觉的多机器人协作SLAM 领域的前沿技术进行综述。     

基于Petri网的多机器人协作任务分配与导航研究

研究了基于Petri网理论的多移动机器人任务分配和导航策略问题.针对有限空间环境下的物科收集协作任务,提出了一种机器人路径选择方法,并建立了基本路口单元和工作空间的Petri网模型.通过任务分配模型实时规划物科仓库内的机器人,并对具有拐角特征的多机器人路径冲突给出了消解方法,建立了机器人冲突协调模型.通过分析任务冲突协调模型,避免了多机器人运动路径冲突.最后仿真实验验证了提出的多机器人任务规划方法的有效性.     

基于强化学习的全自主机器人足球系统协作研究

从人工智能的角度上说,机器人足球比赛主要研究了多智能体系统要解决的分布的多机器人在复杂的动态环境下,如何通过相互协商完成某一复杂任务。全自主机器人足球是机器人足球发展的一个趋势,在完全未知的环境中,通过自身学习来了解和积累外部信息,对于传统强化学习,存在容易出现死锁,学习速度慢,要求外部条件是静态等缺陷。本文提出了一种基于蚁群算法的强化学习模型,即蚁群算法与Q学习相结合的思想。随着赛场上态势的渐趋复杂,传统的Q学习速度会变得很慢且交互困难。通过对新算法的分析,实验数据显示：新算法不仅提高了Q学习的学习速率,在解决状态空间维数的灾难问题上,也是可行的。     

基于强化学习的全自主机器人足球系统协作研究

从人工智能的角度上说,机器人足球比赛主要研究了多智能体系统要解决的分布的多机器人在复杂的动态环境下,如何通过相互协商完成某一复杂任务。全自主机器人足球是机器人足球发展的一个趋势,在完全未知的环境中,通过自身学习来了解和积累外部信息。对于传统强化学习,存在容易出现死锁,学习速度慢,要求外部条件是静态等缺陷。提出了一种基于蚁群算法的强化学习模型,即蚁群算法与Q学习相结合的思想。随着赛场上态势的渐趋复杂,传统的Q学习速度会变得很慢且交互困难。通过对新算法的分析,实验数据显示:新算法不仅提高了Q学习的学习速率,在解决状态空间维数的灾难问题上,也是可行的。     

机器人操作臂神经网络控制技术的研究

在分析机器人手臂常规控制存在问题的基础上,给出了几种操作臂常用神经网络控制的方法,指出了方法的优缺点和本身具有的特性,为进一步开发机器人神经网络提供了一定的技术基础。     

基于场地模型的多机器人动态协作技术

针对机器人足球比赛中的协作问题,提出了一种多机器人系统协作控制方法.该方法包括时间同步机制、全局模型的建立以及角色的动态分配.该方法首先使用修改后的TPSN算法完成时间同步,然后通过机器人间共享信息的融合建立全局模型,最终通过竞标函数进行角色的动态分配,可使得机器人能够高效、稳定的完成比赛,并在实验及比赛中得到验证.     

基于人机协作的机器人柔顺示教及再现

针对机器人传统示教方法的局限性,通过分析机器人低速运动状态下的力矩变化,提出基于人机协作的机器人柔顺示教及再现技术;首先建立机器人重力矩和摩擦力矩动力学补偿模型,通过最小二乘法辨识得到机器人重力矩和摩擦力矩,以电机驱动力补偿机器人重力矩和摩擦力矩,以操作者的操作力补偿机器人运动过程中的惯性力、离心力等速度、加速度的相关...     

基于BP网络的康复机器人的智能控制技术

建立了5自由度上肢康复机器人的BP神经网络控制模型。在此模型基础上，通过对正常人肌电信号的训练学习，修正了网络权值，得到了较为理想的控制模型。最后，通过病人的肌电信号，得到了良好的输出结果。仿真实例表明，BP神经网络方法比传统方法收敛快，学习精度高，且具有较好的网络泛化能力，可以用于5自由度上肢康复机器人的智能控制。     

基于BP网络的康复机器人的智能控制技术

建立了5自由度上肢康复机器人的BP神经网络控制模型。在此模型基础上,通过对正常人肌电信号的训练学习,修正了网络权值,得到了较为理想的控制模型。最后,通过病人的肌电信号,得到了良好的输出结果。仿真实例表明,BP神经网络方法比传统方法收敛快,学习精度高,且具有较好的网络泛化能力,可以用于5自由度上肢康复机器人的智能控制。     

分布式多机器人协作研究与仿真

描述了一个分布式多机器人完成推箱子或其他任务的协作仿真平台．仿真系统可以用来试验机器人队伍的控制决策、团队组织原则．机器人可以通过环境进行协商，以简单的消息互相通讯．机器人通过传感器信息感知世界，并根据感知序列确定机器人行动．三维视图实时显示了机器人的运动状态，小地图显示了机器人的路径．     

空间机器人自适应无源控制技术研究

建立了力觉临场感空间机器人的等效二端口网络模型,给出了定量分析系统透明性的方法,分析了通信时延对力觉临场感空间机器人无源性和透明性的影响,提出了一种基于有源阻抗匹配的自适应无源控制方法,这种方法能够保证整个系统有时延下的稳定性和良好的透明性。实验结果表明了该方法的有效性。     

基于克隆思维进化算法的机器人足球协作策略

针对足球机器人比赛系统的实时性要求,采用了一种克隆思维进化算法对足球机器人比赛系统的高层策略系统进行优化。克隆思维进化算法集免疫机制与进化机制于一体,在发挥思维进化算法优势的基础上增加了克隆(复制)、克隆重组、克隆变异和克隆选择等算子,既保持了种群的多样性,又提高了算法的收敛速度。足球比赛场上的瞬时信息作为抗原,待选策略作为抗体,二者均采用二进制编码方式。用克隆思维进化算法对抗体群进行优化,实验结果表明,采用该算法能快速找到最佳策略,简化了足球机器人决策系统,提高了决策效率。     

基于协作机器人仿真环境的关节轨迹预测方法

安全在人机协作过程中是至关重要的,必须实时掌握人的行为信息,并进行准确高效的预测。本文基于Linux和ROS系统搭建仿真环境,通过Xtion PRO LIVE深度相机采集多组人体关节的空间位置信息,然后通过无监督学习方法对采集到的坐标点进行聚类和预测,实时更新预测模型,并基于minimum-jerk对特殊异常轨迹进行预测。为了充分保证人的安全,主要研究手部和肘部运动轨迹的预测方法。最终实验结果证明,本文所提出的分层轨迹预测框架可以很好的描述人体运动轨迹,并实时做出准确的预测,不仅保证了人体安全,而且对于提高生产效率具有重要意义。