任务约束下七自由度机械臂拟人运动规划

为解决基于随机采样的算法在任务约束下运动规划存在计算量大、效率低且不考虑拟人的问题,提出一种任务约束下七自由度机械臂拟人运动规划方法.本方法在任务空间中采样,首先为机械臂末端规划出一条满足任务约束的无碰撞路径,采用高斯过程学习的方法得到机械臂末端路径点与拟人臂构型间的关系;然后完整描述机械臂自运动流形,为不满足关节限位或碰撞的拟人臂构型对应的末端路径点选取次拟人臂构型,得到任务空间与关节空间的映射关系;最后将此映射关系与任务空间下的无碰撞路径相结合用于机械臂拟人运动规划.实验结果表明:与改进快速扩展随机树(RRT*)和基于投影的方法相比,本方法规划的路径长度分别减少了55%与38%,速度分别增加了39%与68%,满足任务约束,且运动更加拟人.