基于多模态深度神经网络的抓取检测方法

针对机器人抓取检测任务中对未知物体抓取检测精度低的问题,本文提出了一种多模态深度神经抓取检测模型。首先,在RGB和深度两个通道中引入残差模块以进一步提升网络的特征提取能力。接着,引入多模态特征融合模块进行特征融合。最终通过全连接层回归融合特征以得到最佳抓取检测结果。实验结果表明,在Cornell抓取数据集上,本文方法的图像拆分检测精度达到95.7%,对象拆分检测精度达到94.6%。此外,本文还通过消融实验证明了引入残差模块可以提高网络抓取检测性能。     

有躯干双足机器人被动行走及其稳定器

采用Matlab仿真的方式构建了一个简单的有躯干双足机器人模型,研究了该模型在斜坡上的被动行走,分析了模型步行的稳定性,并设计了一个全状态线性反馈步行稳定器.研究结果表明:无任何驱动器的有躯干双足机器人能够实现沿斜坡而下的被动行走,其步行方式有两种,但均不稳定;设计的全状态反馈稳定器能够较好地稳定模型的被动行走.     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

新型压电行走机构的行走特性

压电行走机构是利用压电陶瓷逆压电效应和谐振特性,将电能转化为机械能的一种新型驱动装置。为避免惯性、摆动、两足移动式压电行走机构运动形式单一问题,研制了一种新型的压电行走机构振动测试系统。通过实验获得了驱动电压、谐振频率、负载载荷、振动角等诸多因素对机构行走速度和在沿行走方向上的驱动力的影响规律。分析显示,行走机构在滑移状态下,行走速度出现最大值,运行平稳;行走装置的后足设置行走轮时,行走状态最好。实验结果为压电行走机构驱动控制系统的设计提供了必要的数据依据。     

THOR网在机器人装配系统装配质量预测和分析中的应用

装配质量对产品的性能和可靠性有直接的影响．基于一类高级的Petri网——THOR网，对机器人装配系统装配质量的预测进行了研究，提出了系统分析装配质量的模块化建模方法．该方法可以对各种装配策略和手段与装配质量间的关系进行研究，是实现机器人装配系统装配质量评价与控制的有力工具．     

基于深度强化学习分层控制的双足机器人多模式步态系统研究

提出一种基于深度强化学习（DRL）分层控制的双足机器人多模式步态生成系统. 首先采用优势型演员-评论家框架作为高级控制策略,引入近端策略优化（PPO）算法、课程学习（CL）思想对策略进行优化,设计比例-微分（PD）控制器为低级控制器;然后定义机器人观测和动作空间进行策略参数化,并根据对称双足行走步态周期性的特点,设计步态周期奖励函数和步进函数;最后通过生成足迹序列,设计多模式任务场景,并在Mujoco仿真平台下验证方法的可行性. 结果表明,本方法能够有效提高双足机器人在复杂环境下行走的稳定性以及泛化性.     

基于社区性训练的助行康复系统研究与实现

为了循序渐进地恢复脊髓损伤患者受损部分神经及下肢运动功能,在已有早期减重步行训练的基础上,增加减重模式下空间运动功能。构建可根据患者下肢运动功能损伤程度实现不同模式康复训练、状态监测和助行功能的系统,进行包括减重、助行装置、移动平台和控制模块的结构设计。集成平地行走和上下楼梯训练步态轨迹模型,通过对比正常髋、膝关节的运动角度数据,验证应用该轨迹的可行性与合理性,并进行了设定行走路线的社区任务导向性训练轨迹规划试验。研究结果表明,助行系统支持患者自主设定模拟社区任意行走模式,有助于帮助患者恢复部分肢体运动功能,以尽快融入社会。     

四足步行机器人动步态特征辨识算法

针对四足机器人行走动步态的研究，提出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的聚类算法。该算法依据其特征对步态数据进行聚类，并利用求重心的方法，获取特征模型，大大简化了调试工作。