基于核化运动基元的外骨骼膝关节步态轨迹在线规划

为了提高外骨骼机器人的适应性与人机交互安全性,提出了一种基于核化运动基元的步态轨迹规划算法,可根据使用者步态状态实时调整步态轨迹。在外骨骼膝关节上对算法进行了验证。结果表明,利用小样本量训练数据,算法能够通过在线调整形状参数,保证预测轨迹与参考轨迹的形状相似;通过实时检测步态相信息,并在期望点处对步态轨迹进行在线调整,可生成适应使用者状态变化的运动轨迹。

基于多级核化运动基元的人机交递轨迹模仿学习

针对人机交递任务中的机器人轨迹再现与泛化问题,提出一种基于多级核化运动基元的人机联合轨迹单例模仿学习算法。通过将一个空间子区域中学习到的人手与机械臂末端位置之间的非线性关系迁移至其他子区域,实现人机交递技能对整体交互工作空间的覆盖;对机械臂末端动作轨迹长度进行建模与调制,使得算法能在轨迹重现过程中适应机械臂末端轨迹的长度变化。在UR5机器人上的实验表明,相较于传统核化运动基元算法,多级核化运动基元算法避免了对完整人手位置空间区域进行等密度采样,消除了在对某一子区域内人手位置进行推理时其他区域采样点的干扰,将推理平均误差由7.11:cm降低至1.85:cm,预测平均时间由0.138:s降低至0.015:s,提高了预测精度和实时性,针对具有尺度差异的人机联合轨迹样本,将交递成功率由13.3%提升至100%,提升了算法的学习与适应能力。