基于力控和神经动态模型的双臂机器人翻箱技能学习方法

本发明公开了一种基于力控和神经动态模型的双臂机器人翻箱技能学习方法，该方法包括下述步骤：通过遥操作模块实施主从遥操作，构建空间映射模型实现非均质关节的主从运动匹配；采用变刚度导纳控制模型进行径向力控，通过动态调整刚度参数实现柔性接触力控制；构建神经动态模型对遥操作数据进行编码建模，构建包含可学习神经网络的能量函数和动态方程，实现技能泛化与自主执行。本发明通过力位混合控制策略保障接触稳定性，结合神经动态模型的非线性建模能力，显著提升了翻箱操作的柔顺性、抗干扰能力和技能泛化水平，为复杂接触场景下的双臂协同操作提供了解决方案。