本技术针对单条示教轨迹的不确定性带来动作建模误差,以及使用动态运动基元方法对多维运动轨迹泛化能力不足的问题,提出一种协作机器人运动轨迹技能学习方法,首先将多条示教轨迹进行时间对齐;然后利用LSTM对多条示教轨迹进行建模和回归;最后结合改进的DMP算法,将轨迹在空间进行泛化。本发明公开的一种协作机器人运动轨迹技能学习方法具有运动轨迹建模精度高、生成的轨迹适应性强、运动轨迹技能学习效果好等优点。
背景技术
示教学习方法让机器人通过观察人类演示的动作来学习任务。对于复杂运动轨迹的学习,特别是时间序列特性和多维轨迹的建模仍然面临挑战。动态运动基元(DMP)方法能通过简化的弹簧阻尼系统来建模运动轨迹,对轨迹进行平滑泛化,但是DMP只能从单条示教轨迹进行建模及泛化(IJSPEERT AJ,NAKANISHI J,HOFFMANN H,et al.Dynamicalmovement primitives:learning attractor models for motor behaviors[J].NeuralComputation,2013,25(2):328-373.)。长短时记忆网络(LSTM)可有效捕捉时序特性,能够在运动轨迹中学习到时间上的前后关系。但是,对于一些涉及到复杂的空间和时间交互的运动,LSTM可能无法完全捕捉到空间特征,导致它在泛化的时候出现问题。
实现思路