摘要
本发明公开了一种计及机器人末端姿态的技能学习方法及系统,方法包括获取多组示教数据,每组示教数据中包括机器人末端的笛卡尔坐标和机器人末端姿态;基于多组示教数据,通过DTW算法对齐示教数据,得到示教样本;基于示教样本,通过GMM‑GMR模型的聚类和回归得到理想示教轨迹;通过DMP模型对理想示教轨迹进行编码,得到任务轨迹;基于任务轨迹,驱动机器人完成技能的复现或泛化。本发明提供的技能学习方法考虑到机器人技能复现过程中的末端姿态,将欧拉角也作为示教数据,将二维的平面任务拓展到三维空间,使得机器人可以更加精确的技能复现以及多个维度的技能泛化。
技术关键词
示教数据
机器人
学习方法
DTW算法
GMM模型
样本
笛卡尔
非线性
轨迹形状
序列
概率密度函数
EM算法
学习系统
对齐模块
坐标
协方差矩阵
编码模块
关节
系统为您推荐了相关专利信息
障碍物
运动轨迹控制
轮式机器人
生成运动轨迹
多边形
潜力评估方法
语义分割模型
注意力机制
卫星图像数据
残差模块
风电叶片检修
位置调节组件
拉力感应器
活动板
除锈组件
容器
训练神经网络
神经网络训练
家政机器人
注意力机制