排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
提出一种基于动态运动原语(DMP)和自适应控制的机器人技能学习方法.现有的DMP从单示教轨迹中学习动作，且其高斯基函数分布方式固定，并不适用于各种不同特征的动作轨迹.因此，将高斯混合模型和高斯混合回归引入DMP中，使其能从多示教轨迹中学习技能，并且将径向基神经网络(RBFNN)引入DMP中构成RBF-DMP方法，以梯度下降的方式学习高斯基中心位置和权重，提高技能学习的精度.设计自适应神经网络控制器，用于控制机械臂复现示教中学习的动作.在Franka Emika Panda协作机械臂上开展实验研究，验证方法的有效性. 相似文献
1