CN101092032A - 机器人交互行为控制 - Google Patents

机器人交互行为控制 Download PDF

Info

Publication number
CN101092032A
CN101092032A CNA2007101077852A CN200710107785A CN101092032A CN 101092032 A CN101092032 A CN 101092032A CN A2007101077852 A CNA2007101077852 A CN A2007101077852A CN 200710107785 A CN200710107785 A CN 200710107785A CN 101092032 A CN101092032 A CN 101092032A
Authority
CN
China
Prior art keywords
emulation
aforementioned arbitrary
robot
behavior
motion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2007101077852A
Other languages
English (en)
Other versions
CN101092032B (zh
Inventor
迈克尔·京格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Research Institute Europe GmbH
Original Assignee
Honda Research Institute Europe GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honda Research Institute Europe GmbH filed Critical Honda Research Institute Europe GmbH
Publication of CN101092032A publication Critical patent/CN101092032A/zh
Application granted granted Critical
Publication of CN101092032B publication Critical patent/CN101092032B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/14—Arm movement, spatial
    • Y10S901/16—Cartesian, three degrees of freedom

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及机器人交互行为控制，提供了一种用于对诸如机器人的智能机械系统的行为进行控制的方法，所述智能机械系统能够执行分别由多个自由度组成的不同运动行为，所述方法包括以下步骤：向选择器单元定义行为的对象；所述选择器单元生成分别适于到达所定义的对象的多个行为命令；对于每个备选命令，通过作为所述机械系统的组成部分的计算单元对所述机械系统的对应结果运动进行仿真；针对至少一个目标，对所仿真的结果运动中的每一个的适合度进行评估；以及将导致具有最高适合度值的仿真运动的命令发送给所述机械系统的物理致动器。

Description

机器人交互行为控制
技术领域
本发明涉及用于计算并控制机器人对动态环境的反应的技术。这种技术例如可用于创建与这种系统的动态交互，例如对物体的协作交接，或者需要动态交互的任何其它协作任务。然而，本发明并不限于控制理论的领域，而是也可应用于其它机械系统。
发明内容
本发明的目的是对诸如机器人的机械系统与其环境的交互进行改进。
上述目的可通过独立权利要求的特征来实现。从属权利要求进一步展开了本发明的中心思想。
本发明的第一方面涉及诸如机器人的智能机械系统的行为的控制方法，所述机器人能够执行分别包括多个自由度的不同运动行为，
所述方法包括以下步骤：
向选择器单元定义行为的对象，
所述选择器单元生成分别适于到达所定义的对象的多个行为命令；
对于每个备选命令，由作为所述机械系统的组成部分的计算单元对所述机械系统的(多个)对应结果运动进行内部仿真，
针对至少一个目标，对所仿真的结果运动中的每一个的适合度进行评估；以及
将导致具有最高适合度值的仿真运动的命令发送给所述机械系统的物理致动器。
应当将“内部仿真”理解成所述机械系统例如借助集成计算单元来自主地对不同备选方案进行仿真。
所述机械系统可以是自主机器人。
可以由所述机械系统的视觉系统来生成所述对象。
使用反向动力学或反向运动学方法来执行所述仿真。
利用成本函数来计算所述适合度。
将内部仿真处理速度设置得高于基础机械系统的机械响应时间。
按重复方式执行所述多个处理步骤。
所述仿真可以包括自碰撞检测、自碰撞避免和/或对外部物体的避让。
所述仿真是对运动的运动学仿真或考虑系统的运动和力相互作用的动力学仿真。
本发明还涉及被设计成实现这种方法的控制器。
本发明还涉及具有这种控制器的机器人。
最后，本发明还涉及一种计算机软件产品，当所述计算机软件产品在计算设备上运行时，其实现根据前述任一项所述的方法。
附图说明
当结合所附附图来阅读对实施例的下列详细描述时，本发明的其它特征、方面以及目的将对本领域的技术人员变得明了。图中：
图1示出了用于对机器人的交互行为进行控制的图；和
图2示出了四个仿真实例的适合度函数随时间的演变。
具体实施方式
本发明提出了一种诸如机器人的智能机械系统，该智能机械系统能够执行分别包括多个自由度的不同运动行为。
“智能”是指该系统配备有能够处理高级命令并且能够响应于这些命令对机械系统的物理行为进行控制的计算单元，响应于(环境相关的)高级命令的行为代表交互行为。
将机械系统设计成对行为进行“切换”，即，在多个备选行为选项中进行选择。可以例如基于如图1所示的内部仿真架构来进行对在实践中(而不仅是在内部仿真中)实际执行的物理行为的选择。如图1所示，将由高级任务(如由机器人的视觉系统或其它(例如听觉)传感系统所处理并确定的对象)产生的高级命令发送给选择实例(选择器)。该对象可以具有抽象的形式并且不一定要与机器人专用对象描述相对应。
可以由机器人自己(例如借助于物体识别)和/或通过向机器人传送外部命令来生成高级任务。
在第二步骤中，由选择器对该高级对象进行处理。这种机制根据抽象对象来生成不同的命令cmd1、cmd2、……。生成这些个体命令中的每一个，以便能够实现所述高级对象。这些命令cmd1、cmd2、……对应于可以由具有大量自由度的基础机器人或者其它机械系统进行物理控制的控制输入。对于所生成的命令cmd1、cmd2、……的数量来说，没有上限。
在第三步骤中，将每一个个体命令传递给基础机器人/系统的内部仿真机构。该内部仿真机构接收所述命令，并且通过计算来对该机器人/系统的各自运动进行仿真。在机器人控制中，例如可利用“反向运动学”或“反向动力学”的方法来进行该仿真。
在又一步骤中，内部仿真接着对所仿真的运动进行评估，其中，它利用成本函数来计算一个值，该成本函数表示不同的目标(使速度、所消耗的资源等最优化)。也可以将该值称为“适合度值”。
在优化领域中“成本函数”和“适合度值”是公知的术语。
该成本函数值取决于给定的交互场景。在以下示例中给出了可以如何建立这种成本函数的可能示例。在下一步骤中，个体内部仿真实例的每一个将其成本值传送回选择机构。此时该选择机构例如通过对适合度值应用“胜者全得(winner takes all)”策略来针对具体背景选择最适合的仿真。此时将所选择的仿真实例的命令发送给物理机器人/系统。
要强调以下几点：
·内部仿真的处理速度可以比实际时间更快。这意味着内部仿真实例可以在物理机器人已达到这种状态前，决定策略是否合适。这可称为“内部预测”能力。
·所提出的方法可以按重复步骤来运作。这是指在非常短的时间间隔(例如1毫秒)内对选择器、仿真以及真实机器人/系统之间的循环进行更新。这使得本方法可以对变化的环境作出快速反应，因为这些变化将被反映在当前的“高级命令”中。由此可以在任务的执行过程中对机器人的行为进行更新。
·内部仿真包含有对机器人控制器的完全仿真。这也可包括用于进行自碰撞检测、自碰撞避免以及对外部物体的避让的方法。
·所述仿真可以是运动学仿真(只考虑运动)或者是动力学仿真(还考虑系统的力的相互作用)。
示例
机器人要从人的手里抓取一物体。此人持有该物体并且可以任意地移动该物体。“高级命令”将是例如由摄像机系统提取的该物体的坐标。此时选择机构可以进行如图2所示的以下命令分解：
·将该物体的坐标分配给左手，站立不动(备选方案1)
·将该物体的坐标分配给右手，站立不动(备选方案2)
·将该物体的坐标分配给左手，行走(备选方案3)
·将该物体的坐标分配给右手，行走(备选方案4)
现在对各仿真进行评估。基于对多准则成本函数(也称为适合度函数)的评估来选择最合适的策略。为了对这点进行例示，假设机器人要从人的手里抓取物体。因此“抓取该物体”是所述高级命令。
在本示例中，成本函数对以下试探法(heuristics)进行编码：站立将优先于行走，行走优先于不做任何事情。为此，在适合度函数中并入以下准则：
·对象的可达性
如果不能到达对象，则将高损失(penalty)加入成本函数。这导
致将不选择该策略。
·姿势不适
关节到它们的中心位置的加权最小平方距离定义了“不适”损失。每当对象从一侧运动到另一侧时，该损失会使得系统对可达臂进行切换。
·“懒惰性”
两个行走策略都接收到一常值损失，使得站立将优先于行走。
·到对象的时间
将该损失加入行走策略。这是针对到对象的估计时间的度量，使
得最高效地到达对象。该损失使得机器人选择将它引向具有最少步数的姿态。
本示例看起来简单，但是该通用概念允许并入更先进的判定机制并且可以制定任意复杂的准则。新兴机器人行为是引人注意的(见示出该连续行为的图2)：
-当将物体从左向右移动时，机器人首先(图2中的第一时段)试图使用右手达到它，然后动态地切换到左手(第二时段)。
-如果物体离开可达范围，则机器人开始行走并跟随该物体(图2中的第三时段)。
-在图2的第三时段中机器人行走并且同时试图使用左手达到该物体。
-在图2的第四时段中机器人行走并且同时试图使用右手达到该物体。
图2示出了这4个备选方案的成本函数随时间的演变。具有最低值的成本函数被视为最佳的。在时间轴的下方示出了其中使用对应的策略的多个时段。
从图2中可显见，在试图执行高级命令的同时，内部仿真反复持续地在考虑执行高级任务的当前状态的情况下，对最佳行为备选方案进行计算。
需要注意以下一点：所提出的以上述方式采用内部仿真的选择机制也可应用于其它机器人或者系统。

Claims (12)

1、一种用于对诸如机器人的智能机械系统的行为进行控制的方法，所述智能机械系统能够执行分别包括多个自由度的不同运动行为，
所述方法包括以下步骤：
向选择器单元定义行为的对象；
所述选择器单元生成分别适于到达所定义的对象的多个行为命令；
对于每个备选命令，通过作为所述智能机械系统的组成部分的计算单元对所述智能机械系统的对应结果运动进行内部仿真；
针对至少一个目标，对所仿真的结果运动中的每一个的适合度进行评估；以及
将导致具有最高适合度值的仿真运动的命令发送给所述机械系统的物理致动器。
2、根据权利要求1所述的方法，
其中，所述智能机械系统是自主型机器人。
3、根据前述任一权利要求所述的方法，其中，通过所述智能机械系统的视觉系统来生成所述对象。
4、根据前述任一权利要求所述的方法，其中，使用反向动力学或反向运动学方法来执行所述仿真。
5、根据前述任一权利要求所述的方法，其中，利用成本函数来计算所述适合度。
6、根据前述任一权利要求所述的方法，其中，将内部仿真的处理速度设置得高于基础机械系统的机械响应时间。
7、根据前述任一权利要求所述的方法，其中，按重复方式执行所述多个处理步骤。
8、根据前述任一权利要求所述的方法，其中，所述仿真包括自碰撞检测、自碰撞避免和/或对外部物体的避让。
9、根据前述任一权利要求所述的方法，其中，所述仿真是对运动的运动学仿真或考虑所述系统的运动和力相互作用的动力学仿真。
10、一种控制器，所述控制器被设计成用于实现根据前述任一权利要求所述的方法。
11、一种具有根据权利要求10所述的控制器的机器人。
12、一种计算机软件产品，
当所述计算机软件产品在计算设备上运行时，其实现根据前述任一权利要求所述的方法。
CN2007101077852A 2006-06-22 2007-04-30 机器人交互行为控制 Expired - Fee Related CN101092032B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP06012901.2 2006-06-22
EP06012901.2A EP1870211B1 (en) 2006-06-22 2006-06-22 Method for controlling a robot by assessing the fitness of a plurality of simulated behaviours

Publications (2)

Publication Number Publication Date
CN101092032A true CN101092032A (zh) 2007-12-26
CN101092032B CN101092032B (zh) 2012-06-06

Family

ID=37714387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007101077852A Expired - Fee Related CN101092032B (zh) 2006-06-22 2007-04-30 机器人交互行为控制

Country Status (5)

Country Link
US (1) US8725294B2 (zh)
EP (1) EP1870211B1 (zh)
JP (1) JP2008000883A (zh)
KR (1) KR20070121574A (zh)
CN (1) CN101092032B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326643A (zh) * 2016-08-16 2017-01-11 完美世界（北京）数字科技有限公司 一种应用于类人形骨架的反向动力学解算方法及装置
CN107179683A (zh) * 2017-04-01 2017-09-19 浙江工业大学 一种基于神经网络的交互机器人智能运动检测与控制方法
CN109557895A (zh) * 2017-09-27 2019-04-02 欧姆龙株式会社 信息处理装置、信息处理方法以及计算机可读记录介质

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009032189A (ja) * 2007-07-30 2009-02-12 Toyota Motor Corp ロボットの動作経路生成装置
JP4947073B2 (ja) * 2009-03-11 2012-06-06 トヨタ自動車株式会社 ロボット装置及びその制御方法
EP2251157B1 (en) * 2009-05-15 2011-07-20 Honda Research Institute Europe GmbH Autonomous robots with planning in unpredictable, dynamic and complex environments
US9098744B2 (en) * 2010-05-19 2015-08-04 Tokyo Institute Of Technology Position estimation device, position estimation method, and program
US9193573B1 (en) * 2012-05-11 2015-11-24 The Boeing Company Process for measuring and controlling extension of scissor linkage systems
US8630742B1 (en) * 2012-09-30 2014-01-14 Nest Labs, Inc. Preconditioning controls and methods for an environmental control system
JP5572788B1 (ja) * 2013-01-31 2014-08-20 上銀科技股▲分▼有限公司 向き付け式位置制御方法
US9111348B2 (en) * 2013-03-15 2015-08-18 Toyota Motor Engineering & Manufacturing North America, Inc. Computer-based method and system of dynamic category object recognition
CN114756031A (zh) 2016-08-26 2022-07-15 克朗设备公司 物料搬运车辆和关于物料搬运车辆执行路径确认逻辑的方法
CN115268426A (zh) 2016-08-26 2022-11-01 克朗设备公司 物料搬运车辆障碍物扫描工具
BR112019003827A2 (pt) 2016-08-26 2019-06-18 Crown Equip Corp veículo de manuseio de materiais
WO2019088681A1 (ko) 2017-10-31 2019-05-09 경희대학교산학협력단 로봇의 안전성 향상 및 안전성 평가 방법
KR101976358B1 (ko) * 2017-10-31 2019-08-28 경희대학교 산학협력단 로봇의 안전성 향상 방법
GB2584608B (en) * 2019-05-01 2021-09-15 Arrival Ltd Robot motion optimization system and method

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4412293A (en) * 1981-03-30 1983-10-25 Kelley Robert B Robot system which acquires cylindrical workpieces from bins
JPS58143981A (ja) * 1982-02-19 1983-08-26 株式会社日立製作所 産業用ロボツトの制御方法
US5040056A (en) * 1990-01-29 1991-08-13 Technistar Corporation Automated system for locating and transferring objects on a conveyor belt
US5643060A (en) * 1993-08-25 1997-07-01 Micron Technology, Inc. System for real-time control of semiconductor wafer polishing including heater
US5835684A (en) * 1994-11-09 1998-11-10 Amada Company, Ltd. Method for planning/controlling robot motion
US5655060A (en) * 1995-03-31 1997-08-05 Brooks Automation Time optimal trajectory for cluster tool robots
US6246972B1 (en) * 1996-08-23 2001-06-12 Aspen Technology, Inc. Analyzer for modeling and optimizing maintenance operations
EP1406751A2 (en) * 2001-07-13 2004-04-14 FSI International Robotic system control
JP3703821B2 (ja) * 2003-09-02 2005-10-05 株式会社国際電気通信基礎技術研究所 並列学習装置、並列学習方法及び並列学習プログラム
JP2006035388A (ja) * 2004-07-28 2006-02-09 Riyuukoku Univ 学習装置およびそれを備えた動作物体、学習方法、学習プログラムおよびそれを記録したコンピュータ読取り可能な記録媒体

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326643A (zh) * 2016-08-16 2017-01-11 完美世界（北京）数字科技有限公司 一种应用于类人形骨架的反向动力学解算方法及装置
CN106326643B (zh) * 2016-08-16 2020-01-14 完美鲲鹏(北京)动漫科技有限公司 一种应用于类人形骨架的反向动力学解算方法及装置
CN107179683A (zh) * 2017-04-01 2017-09-19 浙江工业大学 一种基于神经网络的交互机器人智能运动检测与控制方法
CN107179683B (zh) * 2017-04-01 2020-04-24 浙江工业大学 一种基于神经网络的交互机器人智能运动检测与控制方法
CN109557895A (zh) * 2017-09-27 2019-04-02 欧姆龙株式会社 信息处理装置、信息处理方法以及计算机可读记录介质

Also Published As

Publication number Publication date
US8725294B2 (en) 2014-05-13
EP1870211A1 (en) 2007-12-26
JP2008000883A (ja) 2008-01-10
CN101092032B (zh) 2012-06-06
US20080009957A1 (en) 2008-01-10
EP1870211B1 (en) 2019-02-27
KR20070121574A (ko) 2007-12-27

Similar Documents

Publication Publication Date Title
CN101092032B (zh) 机器人交互行为控制
Salini et al. Synthesis of complex humanoid whole-body behavior: A focus on sequencing and tasks transitions
Khatib et al. A unified framework for whole-body humanoid robot control with multiple constraints and contacts
Flacco et al. Prioritized multi-task motion control of redundant robots under hard joint constraints
Platt et al. Manipulation gaits: Sequences of grasp control tasks
Murali et al. Deployment and evaluation of a flexible human–robot collaboration model based on AND/OR graphs in a manufacturing environment
Sun et al. Balance motion generation for a humanoid robot playing table tennis
EP2014425A1 (en) Method and device for controlling a robot
Santucci et al. Autonomous reinforcement learning of multiple interrelated tasks
Medina et al. Dynamic strategy selection for physical robotic assistance in partially known tasks
Dudek et al. Task harmonisation for a single-task robot controller
Sugiura et al. Real-time self collision avoidance for humanoids by means of nullspace criteria and task intervals
Takayanagi et al. Hierarchical task planning from object goal state for human-assist robot
Zhang et al. SRL-VIC: A Variable Stiffness-based Safe Reinforcement Learning for Contact-rich Robotic Tasks
Sian et al. Operating humanoid robots in human environments
Wensing et al. Control of humanoid hopping based on a slip model
Sian et al. Whole body teleoperation of a humanoid robot-a method of integrating operator's intention and robot's autonomy
Grupen et al. Acquiring state from control dynamics to learn grasping policies for robot hands
Rocchi et al. A generic simulator for underactuated compliant hands
Incremona et al. Experimental assessment of deep reinforcement learning for robot obstacle avoidance: a lpv control perspective
CN116062059B (zh) 一种基于深度强化学习的单腿机器人连续跳跃控制方法
Liu et al. Fuzzy controlled hopping in a biped robot
Zamani et al. Simultaneous human-robot adaptation for effective skill transfer
Naidoo et al. Material flow optimisation in flexible manufacturing systems
Jorgensen et al. Exploring model predictive control to generate optimal control policies for hri dynamical systems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120606

Termination date: 20190430