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
车辆管理系统
分布式路径优化
智能算法
传感器融合算法
车辆状态评估
AR眼镜
交互式虚拟
手势运动轨迹
集成方法
多模态传感器
分布式储能调度
智能环境监测
Wasserstein距离度量
混合整数二次规划模型
储能单元
工业机器人
WebSocket协议
关节空间轨迹
力矩传感器
长短期记忆网络