基于动态场景理解的机器人示教学习研究

发布时间：2021-05-20 17:47

　　机器人作为一门交叉领域,随着计算机、机械、电子等技术的发展,其科研成果已在制造业、医疗康复、水下作业、航空航天以及军事等很多领域广为应用。在与机器人的互动与协作中,人们越来越希望机器人能像人类一样掌握各种操作技巧,并自如地运用这些技巧帮助人们完成生产、生活中的各类任务。这不仅能将人们从一些简单、重复和危险的工作解放出来,而且能够提供更加直接而丰富的人机交互模式。然而,这样的机器人往往是一种典型的高度非线性、强耦合的动力学系统,在完成各种任务的时候,其非线性动力学特性十分显著,并且实际存在的各种复杂不确定性和扰动也严重影响着机器人系统的控制品质,因此,机器人的控制往往需要专业人士设计控制器,以适应不同的任务。而这将导致,非专业人士很难实现机器人的控制。除此以外,机器人的编程和调试往往需要用到各种精密的实验设备,这使得在一般民用环境下,很难用常见设备来控制机器人执行任务。因此,本论文希望构建一种框架,可以用简单的视觉设备使得机器人能够理解动态场景,并基于对动态场景的理解,通过示教的方式学习人类的控制策略,以最终实现对机器人的智能控制。本课题研究内容主要包含三个方面:1.动态场景的理解。机器... 

【文章来源】：中国科学院大学(中国科学院深圳先进技术研究院)广东省

【文章页数】：126 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 观测学习算法研究现状
        1.2.2 示教-观测方式研究现状
        1.2.3 机器人示教编程研究现状
    1.3 本文主要研究内容
    1.4 本文的内容组织安排
第2章 观测系统及机器人系统
    2.1 系统概述
    2.2 摄像头系统配置
        2.2.1 相机成像模型
        2.2.2 相机内参标定
    2.3 机械臂控制系统
        2.3.1 机械臂末端位姿建模
        2.3.2 机械臂逆向运动学模型
    2.4 移动倒立摆控制系统
        2.4.1 双轮移动差速模型
        2.4.2 一级倒立摆平衡模型
第3章 人类示教样本观测系统
    3.1 语义分割获取目标物体像素区域
        3.1.1 相关工作基础介绍
            3.1.1.1 基于全卷积神经网络的语义分割神经网络
            3.1.1.2 变分自编码器
        3.1.2 基于变分自编码器的样本生成
            3.1.2.1 改进后的目标物体样本及标签
            3.1.2.2 基于改进变分编码器的样本生成
    3.2 可形变物体的单摄像头三维重建
        3.2.1 带图像特征标记的三维重建
            3.2.1.1 多视角三维重建
            3.2.1.2 图像SIFT特征附于三维重建点云模型
        3.2.2 基于骨架分割的点云拓扑分割
            3.2.2.1 骨架提取及骨架分割
            3.2.2.2 第一类分割点
            3.2.2.3 第二类分割点
        3.2.3 带约束的骨架膨胀算法
        3.2.4 第i采样时刻的三维重建
        3.2.5 方法总述
        3.2.6 基于NAO机器人和真人的实时三维重建实验
            3.2.6.1 三维重建算法用于NAO机器人
            3.2.6.2 三维重建算法用于真人
        3.2.7 实验中的算法处理细节
            3.2.7.1 SIFT算法匹配准确度
            3.2.7.2 曲率和挠率的离散计算
            3.2.7.3 三维重建结果的平滑优化
        3.2.8 小节
第4章 机械臂的轨迹示教编程
    4.1 机械臂示教编程数学模型
    4.2 通过构造的适当流形浸入学习高维空间动态系统
        4.2.1 适当流形浸入的构造方式
        4.2.2 学习一个d+1维的动态系统
    4.3 通过构造的适当流形浸入学习高维空间动态系统
    4.4示教学习机械臂仿真实验
        4.4.1 基于LASA手写数据集的仿真
        4.4.2 示教学习机械臂交叉轨迹动作
        4.4.3 示教学习的真机验证
    4.5 示教学习实验编程细节
        4.5.1 参数选择与采样插值
        4.5.2 稳定性和准确度的数学定义
        4.5.3 适当流形浸入证明
    4.6 小节
第5章 基于示教的移动平衡车平衡及轨迹规划
    5.1 移动平衡车的控制概述
    5.2 移动平衡车的数学建模
    5.3 同时学习轨迹跟踪和平衡控制
        5.3.1 学习具备非完整性约束和欠驱动约束的控制模型
        5.3.2 通过和所学动态系统相关的带约束优化问题实时调整高一维分量
    5.4 轮式平衡车上的示教编程真机实验
    5.5 小节
第6章 总结与展望
    6.1 本文总结
    6.2 下一步工作展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]基于视觉引导的工业机器人示教编程系统[J]. 倪自强,王田苗,刘达.  北京航空航天大学学报. 2016(03)
[2]弧焊机器人示教编程器的设计[J]. 张连新,高洪明,吴林,张广军.  焊接学报. 2006(08)
[3]机器人示教编程方法[J]. 张爱红,张秋菊.  组合机床与自动化加工技术. 2003(04)
[4]基于激光测距的三维激光加工示教编程系统[J]. 谢耀辉,朱国力,段正澄.  中国激光. 2001(06)

硕士论文
[1]基于手势引导的工业机器人示教技术研究及应用[D]. 沈靖皓.浙江大学 2017
[2]基于条纹式激光传感器的机器人焊缝跟踪系统的研究[D]. 林炳强.华南理工大学 2016
[3]基于强化学习的移动机器人路径规划研究[D]. 高慧.西南交通大学 2016
[4]基于模仿的机器人编程技术研究[D]. 张小冰.上海交通大学 2007



本文编号：3198175