关键词：机械臂;;示教学习;;控制策略;;任务模仿
摘 要：使机器人做出与人类相似的智能行为是机器人领域的研究热点,这就要求机器人具有学习的能力。机械臂是机器人领域应用最广泛的机械装置,其行为获取的研究是机器人运动技能研究的一个重要方面。示教学习是一种快速高效的学习方式,通过对示教行为的学习,使机械臂快速获取运动技能,从而简化复杂的运动规划,提高学习效率。本文围绕机械臂通过示教学习获取运动行为展开研究,论文主要工作为:第一,机械臂示教学习系统的构建及运动学分析:根据示教学习框架搭建了机械臂示教学习系统,设计示教方式为手把手示教,根据本文需求对机械臂进行了选型,并完成了运动学分析。在物理环境下拖动机械臂进行行为示教,得到机械臂在运动示教过程中的关节角度信息,通过正运动学计算得到机械臂在示教过程中的运动信息,为机械臂对示教行为的学习提供数据支持。第二,基于RNN的状态-动作的策略设计与点到点任务的模仿:针对机械臂运动行为获取困难的问题,采用循环神经网络RNN(Recurrent Neural Network)表达策略,根据示教信息完成RNN的构建,并通过对训练样本的学习获取策略。在物理环境下分别完成了机械臂对原始示教任务以及复杂示教任务的模仿,并在示教任务模仿的基础上进行了泛化任务模仿的研究,实验研究表明,机械臂不仅能够模仿示教任务,而且可以通过泛化实现对新任务的模仿。第三,基于LSTM的状态到状态的策略设计及目标任务的模仿:针对投篮这类初始点不同但目标相同的目标任务问题,设计通过长短期记忆网络LSTM(Long Short-Term Memory)学习状态-状态的策略,通过策略对新起始状态的迭代输出规划出到目标的轨迹,并通过逆运动学计算得到动作信息。在物理环境下分别进行了单次示教和多次示教下目标任务模仿的研究,实验研究表明,机械臂能够实现目标任务的模仿。本文对基于示教学习的机械臂在运动行为的获取方面进行了研究,研究成果对于机械臂通过示教学习实现运动技能获取具有积极意义。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取