摘要
本申请涉及人工智能领域,提供了工业机器人运动规划方法,该方法包括:通过采集工业机器人工作环境的实时动态数据,构建包含空间拓扑关系的数字化环境模型;构建包含图卷积网络和视觉Transformer模块的混合深度学习模型;生成包含安全通行区域与障碍区域标识的动态代价地图;基于动态代价地图,采用强化学习决策算法生成初始运动路径,并通过局部规划算法进行实时路径调整;对调整后的路径进行运动学平滑处理,生成工业机器人各关节的连续运动轨迹;在执行过程中通过传感器反馈对工业机器人各关节的连续运动轨迹进行闭环校正,并基于校正结果更新数字化环境模型。本申请的技术方案可以实现机器人在动态环境下的高精度实时运动规划。
技术关键词
混合深度学习模型
工业机器人
空间拓扑关系
多模态传感器
决策算法
规划算法
三维点云数据融合
地图
生成对抗网络
图像块
图像分割网络
轨迹
动态
校正
视觉
运动
模块
系统为您推荐了相关专利信息
天气预报数据
光伏预测方法
混合深度学习模型
光伏发电数据
光伏发电量
激光跟踪仪
抛光元件
工业机器人位姿
抛光方法
磁流变抛光设备
检测工业机器人
加工余量
工业机器人零部件
调节螺杆
球墨铸铁零件
机器人控制方法
控制机器人工作
示教功能
轨迹
机器人末端执行器
健康知识图谱
多维健康数据
分析系统
动态基线模型
时间序列预测模型