基于智能算法的机械臂仿人运动规划策略及其拓展研究

Humanoid robot is one of the most active frontiers in robotics. As the basic part of motion of humanoid robot, human-like motion planning is always one of the research hotspots and difficulties. In this project, human-like motion planning for anthropomorphic arms is studied to make the anthropomorphic arms perform manipulation tasks in human-like manner autonomously. The mechanism of human arm movements, the intelligent motion expression of anthropomorphic arms and the human-robot emotion expression are studied systematically. Firstly, human arm movements are taken as the research object. The decoupling of human arm movements are achieved through the researches into the arm configuration and the movement process. The arm motion model based on the movement primitives is proposed to represent different arm movements and satisfy the similarity and diversity of arm movements. Secondly, on the basis of those, the characteristics of human arm movements are combined with the robot motion planning algorithm. Through the Bayesian network, the intelligent motion-decision system is built. The system expresses the uncertainty quantitatively. Meanwhile, a novel coupling neural network is proposed. This network can integrate different models into a single network and reflect the features of these models by changing the network structure. Finally, the intelligent human-like motion planning system is built and applied to the human-robot emotion interaction. The results of this project lay the theoretical foundation for the human-robot interaction and cooperation of anthropomorphic arms.

仿人机器人是机器人技术中最前沿、最活跃的研究领域之一，其中拟人机械臂的仿人运动作为仿人机器人的运动基础，一直都是研究的热点及难点。本项目针对拟人机械臂的仿人运动，对人臂运动机理、机械臂智能化运动表达两个方面展开系统研究，并将拟人臂仿人运动应用于机器人情感表达中。项目以人臂运动为研究对象，分别从人臂结构和运动过程两方面研究人臂运动的解耦。提出基于动作基元的人臂运动表达方法，满足人臂运动相似性及多样性要求。利用贝叶斯网络建立拟人臂智能运动决策模型，提出决策指标，将运动的不确定性定量化地表达。提出一种高度集成化的耦合神经网络，解决拟人臂运动多模型的映射问题。同时，将拟人臂仿人运动与机器人情感表达合理地结合，建立基于行为式的机器人情感交互方法。项目预期将揭示人臂运动内在机理，建立拟人机械臂智能化运动体系，拓展拟人臂仿人运动应用领域。项目研究成果为拟人机械臂在人机交互领域的拓展应用奠定了理论基础。

仿人机器人是机器人技术中最前沿、最活跃的研究领域之一，其中拟人机械臂的仿人运动作为仿人机器人的运动基础，一直都是研究的热点及难点。本项目围绕拟人机械臂仿人运动展开理论实验与应用研究。在对人臂运动规律研究的基础上，对静态条件下的臂姿预测及动态条件下的运动过程展开研究。利用动作基元建立人臂模型，确定各基元的生成法则及连接方式，建立基于动作基元的人臂运动表达方法。提出基于末端约束的分级规划策略，通过触发条件将连续运动过程离散为不同的运动阶段，每一阶段对应其各自的规划层。最后，将两者研究结合，实现人臂运动的解耦。构建适用于仿人运动规划的拟人臂智能运动决策算法。提取影响人臂运动的运动变量，建立基于运动变量的贝叶斯网络，确定各个变量之间的依赖关系。通过建立决策指标来计算不同基元发生的概率情况，从而将决策问题转变为择优问题，使拟人机械臂能够根据不同的任务需求自主地选择合适的仿人运动方式来完成相应的任务。针对拟人臂运动多模型所引起的逆解困难，提出一种高度集成化的耦合神经网络。确定网络结构，通过隐层神经元的改变来实现网络结构的动态变化，使其能够满足拟人机械臂多模型的映射要求。提出耦合神经元的概念，选取合适的耦合神经元来实现网络结构的简化。针对重复性高、动作单调的传统工业机器人，提出了一种混合式的逆运动学求解方法，能够快速准确的实现机械臂的运动。将拟人机械臂仿人运动规划策略应用实际应用领域。在机器人情感交互领域，提出了一种新颖的维度情感模型，将情感模型与拟人机械臂仿人运动结合起来，提出了一种机器人基于动作行为的情感表达方法。在机器人驾驶领域，提出了一种变网格A*算法，建立了机器人驾驶动作库，根据不同的路径满足驾驶要求。在服务机器人领域，设计一种自适应智能侍餐装置，辅助特殊人群能够独立、高效、安全的完成进餐。通过以上研究，形成了一套拟人机械臂运动建模、智能决策、运动规划、仿真及实验的理论和方法，为拟人机械臂仿人运动的研究提供了理论依据和方法支持。