一种基于图神经网络的冗余空间机器人逆运动学求解方法

一种基于图神经网络的冗余空间机器人逆运动学求解方法，涉及机器人运动控制与人工智能交叉技术领域。构建距离几何图表示机械臂构型，将逆运动学问题转化为部分图的补全问题，采样关节构形并将完整图和部分图的数据对存储为数据集；基于等变图神经网络和条件变分自编码器进行训练，基于证据下界的损失函数训练模型；推理过程中构建部分图并输入训练好的先验网络，输出满足高斯混合分布的隐变量，抽取采样点并生成重构的完整图以获取关节角信息。通过距离几何图表示机械臂结构，将逆运动学问题转化为部分图的补全问题，利用条件变分自编码器框架学习解空间的概率分布，支持不同机械臂构型的多解生成，求解精度和效率高。