隨著社會(huì)進(jìn)步和科技發(fā)展,機(jī)器人在醫(yī)療、教育、服務(wù)等諸多領(lǐng)域發(fā)揮著越來(lái)越重要的作用,也為機(jī)器人技術(shù)的研究帶來(lái)了巨大的挑戰(zhàn)和機(jī)遇。到今天人工智能技術(shù)的飛速發(fā)展,機(jī)器人已經(jīng)具備感知、決策、記憶等能力,越來(lái)越接近人們想象中的機(jī)器“人”的概念。而機(jī)器人軌跡規(guī)劃是機(jī)器人邁向智能化的基礎(chǔ)。軌跡規(guī)劃目的是為給定的起始和目標(biāo)配置計(jì)算無(wú)碰撞路徑。一個(gè)快速準(zhǔn)確的軌跡規(guī)劃算法對(duì)機(jī)器人系統(tǒng)是至關(guān)重要的。同時(shí)為使機(jī)器人更好的融入人類生活,要求機(jī)器人運(yùn)動(dòng)軌跡更加自然,更符合人類的運(yùn)動(dòng)習(xí)慣。而從演示中學(xué)習(xí)是實(shí)現(xiàn)這一目的有效選擇。演示學(xué)習(xí)可以有效地借助人類的運(yùn)動(dòng)特點(diǎn),實(shí)現(xiàn)人類經(jīng)驗(yàn)向機(jī)器人的遷移,使機(jī)器人更加自主,運(yùn)動(dòng)更加擬人化。本文提出了一種基于行為示范的機(jī)械臂軌跡規(guī)劃算法,并將人類運(yùn)動(dòng)示范遷移至機(jī)器人�；谔摂M現(xiàn)實(shí)(VR)技術(shù)搭建虛擬環(huán)境,收集人類手部的運(yùn)動(dòng)軌跡。使用人類示范的軌跡數(shù)據(jù),訓(xùn)練長(zhǎng)短時(shí)記憶(LSTM)遞歸神經(jīng)網(wǎng)絡(luò),端到端生成軌跡序列。同時(shí)將人類手部位姿映射至機(jī)械臂末端,借助逆向運(yùn)動(dòng)學(xué)和關(guān)節(jié)插值,將人手運(yùn)動(dòng)軌跡遷移至機(jī)械臂,完成機(jī)械臂軌跡規(guī)劃。除此以外,基于演示數(shù)據(jù)集,本文設(shè)計(jì)并實(shí)現(xiàn)了人機(jī)實(shí)時(shí)交互抓取系統(tǒng),...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論研究
    2.1 機(jī)器人
        2.1.1 機(jī)器人介紹
        2.1.2 機(jī)器人基礎(chǔ)知識(shí)
    2.2 機(jī)器人軌跡規(guī)劃
    2.3 神經(jīng)網(wǎng)絡(luò)
        2.3.1 前饋神經(jīng)網(wǎng)絡(luò)
        2.3.2 激活函數(shù)
        2.3.3 優(yōu)化算法
    2.4 遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks)
        2.4.1 RNN介紹
        2.4.2 LSTM(The Long Short-Term Memory Neural Network)
    2.5 本章小結(jié)
第3章 數(shù)據(jù)采集
    3.1 數(shù)據(jù)集介紹
    3.2 場(chǎng)景搭建
    3.3 數(shù)據(jù)采集與處理
    3.4 本章小結(jié)
第4章 基于示范行為的機(jī)械臂軌跡規(guī)劃算法
    4.1 問(wèn)題定義
    4.2 網(wǎng)絡(luò)設(shè)計(jì)
    4.3 機(jī)器人軌跡規(guī)劃
    4.4 模型訓(xùn)練
    4.5 網(wǎng)絡(luò)結(jié)構(gòu)對(duì)比
    4.6 仿真實(shí)驗(yàn)
        4.6.1 Simox仿真平臺(tái)介紹
        4.6.2 仿真實(shí)驗(yàn)
        4.6.3 對(duì)比實(shí)驗(yàn)
    4.7 本章小結(jié)
第5章 交互式動(dòng)態(tài)抓取系統(tǒng)
    5.1 系統(tǒng)搭建
        5.1.1 系統(tǒng)平臺(tái)介紹
        5.1.2 視覺(jué)伺服搭建
    5.2 抓取規(guī)劃
        5.2.1 抓取候選位姿
        5.2.2 物體識(shí)別與姿態(tài)估計(jì)
    5.3 操作流程
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 本文的主要工作
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表論文及研究成果
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3749593