基于神经网络和动态系统模型的机器人示教避障方法

本发明公开了一种基于神经网络和动态系统模型的机器人示教避障方法，该方法包括下述步骤：获取演示数据集；将当前机器人状态编码为高维特征向量；从编码后的特征提取非线性特征分量，将特征加权求和并添加二次项，构建能量函数；构建决策函数，将机器人的状态和环境信息分别乘以对应的权重，得到决策函数的输出；将决策函数的输出输入到多任务混合神经网络，生成参数向量，基于参数向量构建下三角矩阵并通过cholosky分解构造调制矩阵；构建损失函数，通过非线性规划的方法获取最优模型参数；将神经动态系统模型的输出作为机器人控制策略完成指定任务。本发明通过引入动态系统模型和神经网络，解决了时间依赖性和动态避障的瓶颈问题。