基于示教编程的共融机器人技能学习方法的研究进展

示教编程方法为共融机器人完成复杂、多样的日常任务提供了一个便捷、可行的解决途径。借助该方法,即使是非专业人士也能轻易地教机器人学会新的运动技能来完成各种日常家居任务。其中,技能学习方法是示教编程方法的核心。首先介绍了示教编程方法,并对其学习框架进行简要分析;随后结合当前研究现状,按技能学习和表示方法的不同将当前研究分成两大类并分别进行详细介绍;最后对上述技能学习方法进行分析与讨论,并探讨了该方向未来的发展趋势。

欠驱动便携式ROV定深运动特性分析与控制研究

针对研制的一种三推进器布局的欠驱动便携式ROV(Remotely Operated Vehicle)无法垂直定深这一问题,利用流体仿真软件Fluent中RNG k-ε湍流模型分析了其斜航定深过程中航速和俯仰角度对航行稳定性的影响。基于动网格技术和用户自定义函数(UDF)对不同定深航姿进行了模拟仿真并得到了相应的航行阻力、俯仰力矩及变化规律,出于稳定性的考虑,确定了便携式ROV斜航定深时的最佳航行姿态。并根据定深运动特性设计了双闭环模糊PID定深控制器,利用Matlab/simlink仿真软件结合流体分析结果进行仿真,仿真中模拟施加了不同工况下的干扰。结果表明,与传统PID控制器对比该控制器具有更好的控制性能。

机器人抓取检测技术的研究现状

作为机器人在工厂、家居等环境中最常用的基础动作,机器人自主抓取有着广泛的应用前景,近十年来研究人员对其给予了较高的关注,然而,在非结构环境下任意物体任意姿态的准确抓取仍然是一项具有挑战性和复杂性的研究.机器人抓取涉及3个主要方面:检测、规划和控制.作为第1步,检测物体并生成抓取位姿是成功抓取的前提,有助于后续抓取路径的规划和整个抓取动作的实现.鉴于此,以检测为主进行文献综述,从分析法和经验法两大方面介绍抓取检测技术,从是否具有抓取物体先验知识的角度出发,将经验法分成已知物体和未知物体的抓取,并详细描述未知物体抓取中每种分类所包含的典型抓取检测方法及其相关特点.最后展望机器人抓取检测技术的发展方向,为相关研究提供一定的参考.

人工肌肉驱动器研究进展综述

人工肌肉通常是指能够在外界物理或化学刺激下发生伸缩、膨胀、弯曲、扭转等运动并对外做功的柔性材料或器件,借助人工肌肉驱动可大幅提高机器人的柔顺适应能力和人机力学交互的舒适性。人工肌肉的发展已有超过六十年的历史,其激励方式也包括电、热、内压等多种形式;尝试从人工肌肉种类、驱动原理、性能指标、应用场合、发展趋势等方面对人工肌肉相关内容予以较全面的综述,以期为机器人或其他领域感兴趣的学者提供参考和对比。

模仿学习示教轨迹自动分割方法的研究进展

符号表达的模仿学习是共融机器人提高其智能性的一条便捷、可行的途径,也为解决复杂、多步骤任务的学习问题提供了一个切实可行的解决方案,而对示教轨迹进行自动分割并获取其基本动作是成功应用这种学习方式的前提条件。鉴于此,首先,在介绍符号表示的模仿学习的基础上,分析该种学习方式对自动分割方法的具体要求;然后,按照示教任务先验知识的有无将其分为两大类并详细地介绍每类所含的典型分割方法;最后,对上述轨迹分割方法进行对比分析与总结,并展望示教轨迹自动分割方法未来的发展趋势。