e-Robot网格一仿人机器人研究与应用基础设施

目前仿人机器人的研究与应用碰到了诸如:大计算量、海量存储的需求、实验设备投入大、科研人员的协作和成果融合困难等问题。而网格具有超级计算能力、海量的存储容量、能做到网格中所有软件资源、硬件资源、人力资源的协同工作和全面共享。若能基于网格技术构建一个仿人机器人研究与应用的平台,就能解决仿人机器人研究和应用中的众多障碍。这里提出的e-Robot网格就是这样一个仿人机器人研究与应用的基础设施,它采用OGSA体系结构的基础网格,并在其基础上构建庞大的仿人机器人研究与应用服务软件集合。e-Robot网格将给仿人机器人领域的研究、应用带来变革性的进步。

基于点云图的农业导航中障碍物检测方法

为满足智能农业机器人路径规划中障碍物检测的需求,针对传统双目视觉中用于障碍物检测算法的局限性,提出基于点云图的障碍物距离与尺寸的检测方法。该方法以双目视觉中以立体匹配得到的点云图为对象,通过设置有效空间,对不同区域处点云密度的统计,找到点云密度随距离的衰减曲线。远距离障碍物由于相机分辨率的不足,点云密度会随距离下降,通过密度补偿算法进行补偿,经二次设置有效空间后锁定障碍物位置,将目标点云分别投影于俯视栅格图和正视图中,获得其距离和尺寸信息。试验表明:该方法能有效还原障碍物信息,最大测距范围为28 m,平均误差为2.43%;最大尺寸检测范围为10 m,长度和高度平均误差均小于3%。该文基于点云图的栅格化表示和密度补偿算法,通过设置有效空间将点云投影得到障碍物距离和尺寸,不同环境下的精度测试和距离检测验证了可靠性和鲁棒性。

基于计算网格的机器人分布式仿真系统

基于计算网格技术,构建了机器人分布式三维图形仿真系统,经对PUMA560工业机器人进行动力学仿真计算表明,计算网格技术提高了机器人三维图形仿真系统的计算能力.

CPN网络模拟仿人机器人学习推理能力的应用

在对CPN神经网络基本原理进行研究的基础上,用一个CPN网络模拟仿人机器人学习推理能力的例子,并分析了其在网格计算平台下实现的可能性和可持续学习能力,为进一步研究仿人机器人脑行为提供了可能。

计算网格在机器人三维仿真中的应用

基于计算网格技术构建了一个机器人三维图形仿真系统,并对PUMA560工业机器人进行动力学仿真.结果表明,与传统的机器人仿真技术相比,计算网格技术提高了机器人三维图形仿真系统的计算能力,有效解决了机器人三维图形仿真系统中机器人动力学、碰撞检测等实时计算占用大量计算机资源的问题,提高了机器人三维图形仿真系统的性能.

一种基于计算机网格的仿人形机器人控制系统的设计

如果仿人形机器人对于网格上浩如烟海的各种资源唾手可得的话,那么仿人形机器人将会获得超乎想象的计算能力、存储能力、控制能力、行为能力、作业能力。同时,仿人形机器人也将会和人类一样的聪明。为此,提出了一种基于计算机网格(以下简称网格)的仿人形机器人控制系统,并给出了该系统的具体实现方法。目的是采用该系统对仿人形机器人的视觉、触觉、步行、行为、作业等进行控制,以便为将来用仿人形机器人代替人类完成各种工作奠定坚实的基础。

基于CFD的两栖式清淤机器人水动力特性研究

针对某两栖式清淤机器人,基于计算流体力学(computationalfluid dynamics,CFD)分析其静浮态和航行阻力。采用重叠网格方法计算静浮态下的吃水深度和纵倾角;分别采用静态网格方法和重叠网格方法预测两栖式清淤机器人静水直航工况的航行阻力,并对这两种方法进行对比。研究结果表明:采用重叠网格的方法可以有效计算两栖式清淤机器人静浮态下的吃水深度和纵倾角;静态网格方法和重叠网格方法均能有效预测两栖式清淤机器人水上航行阻力,静态网格方法计算效率高,但仅适用于航速较低的工况,而重叠网格方法适用于不同航速下的航行阻力预测,但计算效率较低。研究结果对两栖式清淤机器人的设计及改进有较大参考价值。

7自由度仿人机械臂工作空间求解的降密蒙特卡洛法

针对蒙特卡洛法和改进蒙特卡洛法在求解机械臂工作空间时存在精度不够准确和加密点云浪费的问题,提出一种降密蒙特卡洛法.首先,基于蒙特卡洛法中随机点分布不均的特性,对机械臂初始工作空间进行均匀加密,使空间的内部与边界区域分明;然后,采用扩展关节角度和循环加密随机点的方式,只对边界区域进行加密,达到降低工作空间随机点云密度的目的;同时,还研究了该方法中初始点云数量、各轴向分割体素数量、精度阈值、扩展关节角度和循环次数等参数对工作空间精度的影响;最后,通过仿真分析对降密蒙特卡洛法的有效性进行验证.结果表明:相比于蒙特卡洛法,降密蒙特卡洛法在工作空间平均误差率为0.022 42%时,总随机点云数量降幅为93.89%;相比于改进蒙特卡洛法,在循环次数为2次和4次时,降密蒙特卡洛法工作空间的平均误差率分别降低0.138 53%和0.113 29%,总随机点云数量降幅分别为44.83%和64.52%.

一种仿人机器人行走距离预测方法

针对仿人机器人NAO实际行走距离受环境因素(如脚底打滑)和自身因素(如关节的反作用力)的影响,导致其与理论期望距离有一定偏差的情况,提出了一种基于自适应神经模糊推理系统的行走距离预测方法.通过获得NAO行走距离的相关数据,采用网格分割法,构建自适应模糊推理系统来预测机器人实际行走的距离.训练时采用网格分割、BP算法和最小二乘算法的组合优化.对训练后的系统进行了分析与测试,仿真实验证明了方法的有效性.