基于多传感器动作捕获的人-机器人交互系统及任务示教学习研究

The main scope of this project is to study on the system and strategy to let human directly drive a robot and using multi-sensor motion tracking system to teach the robot to learn the task handling skills. The main research contents are as follows: 1. Research and development of a human motion tracking system based on Multi-Sensor Data Fusion technology. 2. Study of efficient human-robot motion mapping method to ensure that human operator can drive the robot efficiently, stably and following an appropriate path. 3. Using such efficient human robot interfacing method, research on the robot learning by demonstration strategy will be conducted to let the robot system learn the working skills and complete given tasks based on the skill learned. This project will contribute in developing new technologies in human motion/ skill capture, and dexterous robot manipulation based on efficient human-robot interfacing technology. This will enable the robot to handle more challenging tasks and coordinate better with human in the new generation of robot manipulation.

基于便携式多传感器运动捕获理论及系统实现，研制有效的人机交互途径及机器人任务学习方法，实现人对机器人的快速示教及机器人灵巧操作学习。主要研究内容为：研制基于多传感器融合技术的人手臂运动准确捕获技术；研究有效的从人手臂到机器臂运动的映射方法，实现操作者通过手臂运动直接对机器人进行即时、平稳的远程操作；研究基于运动捕获系统的机器人快速示教方法，并研究通过示教学习方式将操作技巧信息及场景理解知识传递给机器人系统的方法。力求在机器人智能化操作和技能获取技术方面有所创新，为新一代机器人更好的实现人机共融，完成更具有挑战性的技能化操作任务提供理论依据及有效的技术手段。

在人-机器人交互场景日益频繁且趋于多样化的今天，人对机器人操作的灵活性和复杂性有了更高的要求；同时，基于传统的机器人编程技术,实现由于多样化的机器人操作任务,时间成本和专业人力成本很高，因此便捷易用的人与机器人交互示范，并教机器人操作技能的人－机器人交互系统有非常实际且及时的应用价值。本课题基于便携式多传感器运动捕获理论及系统实现，研制完成了基于惯性传感器的运动捕获算法及机器人示教系统;提出了适用于高速运动下物体姿态测试的IMU运动捕获新算法。对解决IMU传感器在捕获高速运动物体的姿态时有明显误差并且姿态收敛速度慢的问题提供理论及算法依据。同时,研制完成了基于激光扫描式VIVE 传感器的运动捕获算法及机器人示教系统;研制完成了从人的运动到机器人运动的映射算法,映射参数、机器人与人手臂的初始化构型等关键参数的优化的系统标定方法;以机器人进行复杂表面贴胶带为研究实例，进行机器人轨迹快速示教, 研制完成了基于交互设备的快速示教方法。进而研制完成了基于示教学习的机器人灵巧操作技能获取。研制了适用于不同位置和操作尺度的机器人操作任务快速示教，通过快速的机器人参考位置调整标定方法和机器人映射尺寸调整方法，实现了机器人在复杂任务下的操作尺度与操控精度的快速切换。基于机器人示教轨迹的运动和力反馈信息，识别机器人的有效轨迹及分段，并能根据示教轨迹进行运动复现，完成操作任务。