CN103970020B - 移动机器人系统及其在混合交互环境下的协调控制方法 - Google Patents
移动机器人系统及其在混合交互环境下的协调控制方法 Download PDFInfo
- Publication number
- CN103970020B CN103970020B CN201410214396.XA CN201410214396A CN103970020B CN 103970020 B CN103970020 B CN 103970020B CN 201410214396 A CN201410214396 A CN 201410214396A CN 103970020 B CN103970020 B CN 103970020B
- Authority
- CN
- China
- Prior art keywords
- robot
- mobile robot
- individual mobile
- individuality
- neighbours
- 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.)
- Active
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提出一种移动机器人系统及其在混合交互环境下的协调控制方法。方法包括:获取每个个体移动机器人的位置,每个个体移动机器人的邻居机器人的位置以及每个个体移动机器人获取邻居机器人位置时的通信时滞;根据移动机器人系统的混合交互环境确定移动机器人系统的加权邻接矩阵;根据每个个体移动机器人的位置、个体移动机器人的邻居机器人的位置、每个个体移动机器人获取邻居机器人位置时的通信时滞以及移动机器人系统的加权邻接矩阵确定每个个体移动机器人的控制量;以及根据每个个体移动机器人的控制量控制每个个体移动机器人。本发明能够保证存在通信时滞的移动机器人在混合交互环境下达到双向一致性,且控制速度快,控制精确。
Description
技术领域
本发明涉及机器人控制技术领域,特别涉及一种移动机器人系统及移动机器人系统在混合交互环境下的协调控制方法。
背景技术
目前,多个移动机器人的协调控制方法在实际问题中得到了越来越广泛的应用。这主要是由于越来越多的实际任务都比较复杂,往往单个移动机器人难以完成,而通过多个移动机器人之间的合作或竞争可以来完成。此外,通过多个移动机器人间的合作,可提高移动机器人系统在作业过程中的效率,进而当工作环境发生变化或移动机器人系统局部发生故障时,移动机器人系统仍可通过本身具有的合作或竞争关系来完成预定的任务。在现实任务中,对移动机器人系统环境的影响因素比较多,其所处环境多为混合交互的,并且在任务执行中,个体移动机器人之间可以是互相合作的,也可以是互相竞争的。然而,现有的技术是在混合交互不存在通信时滞的环境下实现的多个移动机器人的协调控制任务,但是由于移动机器人间通信时的数据处理等环节不可能实时地实现,现实中的混合交互环境不可避免地会遭受通信时滞的影响。因此,需要一种既能够兼顾通信时滞影响,又能够在混合交互的环境下协调控制多个移动机器人的方法。
发明内容
本发明的目的旨在至少解决上述技术问题之一。
为此,本发明提出一种能够在混合交互且存在通信时滞的情况下实现移动机器人系统的位置双向一致性的方法。
为达到上述目的,本发明一方面提出一种移动机器人系统在混合交互环境下的协调控制方法,包括以下步骤:获取每个个体移动机器人的位置,每个个体移动机器人的邻居机器人的位置以及每个个体移动机器人获取邻居机器人的位置时俄通信时滞;根据所述移动机器人系统的混合交互环境确定所述移动机器人系统的加权邻接矩阵;根据每个个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、每个个体移动机器人获取邻居机器人位置时的通信时滞以及所述移动机器人系统的加权邻接矩阵确定每个个体移动机器人的控制量;以及根据每个个体移动机器人的控制量控制每个个体移动机器人。
在本发明的一个实施例中,所述根据所述移动机器人系统的混合交互环境确定所述移动机器人系统的加权邻接矩阵包括:如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;如果第i个个体移动机器人不能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0。
在本发明的一个实施例中,根据每个所述个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、每个个体移动机器人获取邻居机器人位置时的通信时滞以及所述移动机器人系统的加权邻接矩阵,通过以下的公式确定个体移动机器人的控制量:
其中,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述多移动机器人的加权邻接矩阵第i行且第j列的元素,Ni为所述移动机器人i的邻居机器人集合,以及τij表示第i个机器人获得第j个机器人位置信息时的通信时滞。
在本发明的一个实施例中,根据所述控制量通过以下的公式确定所述个体移动机器人的位置:
其中,为所述个体移动机器人i的速度,ui(t)为所述个体移动机器人i的控制量。
根据本发明实施例的移动机器人系统在混合交互环境下的协调控制方法,通过获取每个移动机器人在获取邻居机器人位置时的通信时滞并据此设计控制协议,保证多个移动机器人能够到达位置的双向一致性,且控制准确度高。
本发明另一个方面提出一种包括多个个体移动机器人的机器人系统,该个体移动机器人包括:第一获取模块,用于获取所述个体移动机器人的位置以及所述个体移动机器人的邻居机器人的位置;第二获取模块,用于获取所述个体移动机器人在获取邻居机器人的位置时的通信时滞;第三获取模块,用于根据所述移动机器人系统的混合交互环境获取所述移动机器人系统的加权邻接矩阵;控制模块,用于根据所述个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、所述个体移动机器人获取邻居机器人位置时的通信时滞以及所述移动机器人系统的加权邻接矩阵确定所述个体移动机器人的控制量,并根据所述控制量控制所述个体移动机器人。
在本发明的一个实施例中,如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;如果第i个个体移动机器人不能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0。
在本发明的一个实施例中,所述控制模块通过以下的公式确定所述个体移动机器人的控制量:
其中,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述多移动机器人的加权邻接矩阵第i行且第j列的元素,Ni为所述移动机器人i的邻居机器人集合,以及τij表示第i个机器人获得第j个机器人位置信息时的通信时滞。
在本发明的一个实施例中,所述控制模块根据所述控制量通过以下的公式确定所述个体移动机器人的位置:
其中,为所述个体移动机器人i的速度,ui(t)为所述个体移动机器人i的控制量。
根据本发明实施例的移动机器人系统,通过获取每个移动机器人在获取邻居机器人位置时的通信时滞并据此进行控制,保证多个移动机器人能够到达位置的双向一致性,且控制准确度高。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明一个实施例的移动机器人系统的协调控制方法的流程图;
图2为本发明一个实施例的移动机器人系统的示意图;
图3为本发明一个实施例的个体移动机器人的结构示意图;以及
图4为图2的移动机器人系统的仿真示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
在本发明的描述中,需要理解的是,在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。无向连接表示的任何两个有连接的机器人之间可以进行信息的交换。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
图1为本发明一个实施例的移动机器人系统在混合交互环境下的协调控制方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取每个个体移动机器人的位置、每个个体移动机器人的邻居机器人的位置、每个个体移动机器人获取邻居机器人时的通信时滞。
其中,个体移动机器人的邻居机器人指的是,有信息流向该移动机器人的所有其他移动机器人的集合。图2为本发明一个实施例的移动机器人系统的示意图,如图2所示,个体移动机器人1和3为个体移动机器人2的邻居,而个体移动机器人1、2和3不是个体移动机器人5的邻居。
具体地,可通过安装在个体移动机器人上的摄像装置获取自身及其邻居机器人的当前时刻的位置。
在个体移动机器人获取其邻居机器人位置的过程中,需要其对邻居机器人进行摄像、图像数据处理、数据传输等一系列操作。因此,在个体移动机器人发现其邻居机器人的时刻与计算得到其邻居机器人的时刻之间必然会存在延迟,这个时间延迟就是个体移动机器人与其邻居机器人通信时的通信时滞。在实际操作中,根据个体机器人的实际性能,可以通过适当分析获得通信时滞的值。具体地可以参考现有技术,此处为了简单起见,不再赘述。
步骤S102,根据移动机器人系统的混合交互环境确定移动机器人系统的加权邻接矩阵。
在本发明的一个实施例中,如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;如果第i个个体移动机器人不能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0。
步骤S103,根据每个个体移动机器人的位置、每个个体移动机器人的邻居机器人的位置、每个个体移动机器人获取邻居机器人位置时的通信时滞以及移动机器人系统的加权邻接矩阵确定每个个体移动机器人的控制量。
在本发明的一个实施例中,根据以下的公式确定每个个体移动机器人的控制量:
其中,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述多移动机器人的加权邻接矩阵第i行且第j列的元素,Ni为所述移动机器人i的邻居机器人集合,以及τij表示第i个机器人获得第j个机器人位置信息时的通信时滞。
步骤S104,根据每个个体移动机器人的控制量控制每个个体移动机器人。
在本发明的一个实施例中,根据控制量通过以下的公式确定个体移动机器人的位置:
其中,为所述个体移动机器人i的速度,ui(t)为所述个体移动机器人i的控制量。
图3为本发明一个实施例的个体移动机器人的结构示意图。如图3所示,根据本发明实施例的个体移动机器人包括第一获取模块100、第二获取模块200、第三获取模块300和控制模块400。
第一获取模块100用于获取个体移动机器人的位置以及个体移动机器人的邻居机器人的位置。第二获取模块200用于获取个体移动机器人在获取邻居机器人的位置时的通信时滞。第三获取模块300用于获取个体移动机器人所在的移动机器人系统的加权邻接矩阵。控制模块400用于根据个体移动机器人的位置、个体移动机器人的邻居机器人的位置、个体移动机器人获取邻居机器人位置时的通信时滞以及移动机器人系统的加权邻接矩阵确定个体移动机器人的控制量,并根据确定的控制量控制个体移动机器人。
各个模块的具体操作方法可参见上述结合图1的描述,此处为了简单起见,不再赘述。
下面结合图2和图4详细说明本发明。如图2所示,个体移动机器人4和6为个体移动机器人5的邻居,而个体移动机器人1、2和3不是个体移动机器人5的邻居。此外,由图2可以看出个体移动机器人1、2和3之间的邻接权重均为1,个体移动机器人4、5和6之间的邻接权重均为1,但个体移动机器人1和6以及个体移动机器人3和4之间的邻接权重为-1。因此,个体移动机器人4、5和6为一组(记为机器人组1),而个体移动机器人1、2和3为一组(记为机器人组2)。
图4为图2的移动机器人系统的仿真示意图。由图4可以看出,个体移动机器人4、5和6(机器人组1)的位置达到了一致,个体移动机器人1、2和3(机器人组2)的位置达到了一致,但是两组个体移动机器人达到一致时的位置相反。
综上,根据本发明实施例的移动机器人系统在混合交互环境下的协调控制方法,通过获取每个移动机器人在获取邻居机器人位置时的通信时滞并据此设计控制协议,保证多个移动机器人能够到达位置的双向一致性,且控制准确度高。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同限定。
Claims (4)
1.一种移动机器人系统在混合交互环境下的协调控制方法,其特征在于,所述移动机器人系统包括多个个体移动机器人,所述方法包括以下步骤:
获取每个个体移动机器人的位置,每个所述个体移动机器人的邻居机器人的位置以及每个个体移动机器人获取邻居机器人位置时的通信时滞;
根据所述移动机器人系统的混合交互环境确定所述移动机器人系统的加权邻接矩阵;
根据每个个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、每个个体移动机器人获取邻居机器人位置时的通信时滞以及所述移动机器人系统的加权邻接矩阵确定每个个体移动机器人的控制量;以及
根据每个个体移动机器人的控制量控制每个个体移动机器人,
其中,所述根据所述移动机器人系统的混合交互环境确定所述移动机器人系统的加权邻接矩阵包括:
如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;
如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;
如果第i个个体移动机器人不能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0,
其中,根据每个所述个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、每个个体移动机器人获取邻居机器人位置时的通信时滞以及所述移动机器人系统的加权邻接矩阵,通过以下的公式确定个体移动机器人的控制量:
其中,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述多个个体移动机器人的加权邻接矩阵第i行且第j列的元素,Ni为所述移动机器人i的邻居机器人集合,以及τij表示第i个机器人获得第j个机器人位置信息时的通信时滞。
2.根据权利要求1所述的方法,其特征在于,根据所述控制量通过以下的公式确定所述个体移动机器人的位置:
其中,为所述个体移动机器人i的速度,ui(t)为所述个体移动机器人i的控制量。
3.一种个体移动机器人,其特征在于,包括:
第一获取模块,用于获取所述个体移动机器人的位置以及所述个体移动机器人的邻居机器人的位置;
第二获取模块,用于获取所述个体移动机器人在获取邻居机器人的位置时的通信时滞;
第三获取模块,用于获取所述个体移动机器人所在的移动机器人系统的加权邻接矩阵;
控制模块,用于根据所述个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、所述个体移动机器人获取邻居机器人位置时的通信时滞以及所述移动机器人系统的加权邻接矩阵确定所述个体移动机器人的控制量,并根据所述控制量控制所述个体移动机器人,
其中,如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;
如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;
如果第i个个体移动机器人不能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0,
其中,所述控制模块通过以下的公式确定所述个体移动机器人的控制量:
其中,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示多个个体移动机器人的加权邻接矩阵第i行且第j列的元素,Ni为所述移动机器人i的邻居机器人集合,以及τij表示第i个机器人获得第j个机器人位置信息时的通信时滞。
4.根据权利要求3所述的个体移动机器人,其特征在于,所述控制模块根据所述控制量通过以下的公式确定所述个体移动机器人的位置:
其中,为所述个体移动机器人i的速度,ui(t)为所述个体移动机器人i的控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410214396.XA CN103970020B (zh) | 2014-05-21 | 2014-05-21 | 移动机器人系统及其在混合交互环境下的协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410214396.XA CN103970020B (zh) | 2014-05-21 | 2014-05-21 | 移动机器人系统及其在混合交互环境下的协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103970020A CN103970020A (zh) | 2014-08-06 |
CN103970020B true CN103970020B (zh) | 2016-08-31 |
Family
ID=51239663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410214396.XA Active CN103970020B (zh) | 2014-05-21 | 2014-05-21 | 移动机器人系统及其在混合交互环境下的协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103970020B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297492A (zh) * | 2019-07-08 | 2019-10-01 | 北京航空航天大学 | 一种多车辆网络在时变环境下的协调跟踪控制系统及方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104679002B (zh) * | 2015-01-28 | 2017-06-06 | 北京航空航天大学 | 受噪声污染的移动机器人系统及其协调控制方法 |
CN106292665B (zh) * | 2016-08-16 | 2019-07-26 | 李帅 | 一种分布式多机器人系统竞争协作的巡查控制方法 |
CN106527145B (zh) * | 2016-12-13 | 2019-05-31 | 浙江工业大学 | 基于Lambert W函数的多移动机器人的单时滞控制器设计方法 |
CN106502100B (zh) * | 2016-12-13 | 2019-05-28 | 浙江工业大学 | 多移动机器人的分布式单时滞控制器设计方法 |
CN108255168B (zh) * | 2016-12-29 | 2021-05-21 | 北京航空航天大学 | 多车辆网络在切换变化环境下的协调控制方法 |
CN107168369B (zh) * | 2017-06-13 | 2019-07-09 | 中国科学院声学研究所 | 一种欠驱动无人车的编队控制方法及系统 |
CN108421230A (zh) * | 2018-03-22 | 2018-08-21 | 上海荷福人工智能科技(集团)有限公司 | 机器人运动方法及机器人 |
CN113084807B (zh) * | 2021-03-31 | 2022-04-19 | 中国科学技术大学 | 多机器人系统有毒气体泄露源头搜寻方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07281722A (ja) * | 1994-02-21 | 1995-10-27 | Asea Brown Boveri Ab | 工業用ロボットを制御する方法 |
CN101554726A (zh) * | 2009-05-15 | 2009-10-14 | 北京工业大学 | 一种柔性两轮自平衡机器人系统及其运动控制方法 |
CN101612733A (zh) * | 2008-06-25 | 2009-12-30 | 中国科学院自动化研究所 | 一种分布式多传感器移动机器人系统 |
CN102566576A (zh) * | 2012-02-24 | 2012-07-11 | 山东鲁能智能技术有限公司 | 一种用于变电站顺控系统的多巡检机器人协同运作方法 |
CN102707719A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 移动机器人及多移动机器人的协调控制方法 |
CN102830701A (zh) * | 2012-08-30 | 2012-12-19 | 北京航空航天大学 | 多移动机器人系统的协调控制方法 |
CN102854878A (zh) * | 2012-09-14 | 2013-01-02 | 苏州工业园区永动工业设备有限公司 | 红外光电导向agv装置及其控制方法 |
CN103279029A (zh) * | 2013-05-31 | 2013-09-04 | 北京航空航天大学 | 多机器人手臂系统的自适应协调控制方法 |
-
2014
- 2014-05-21 CN CN201410214396.XA patent/CN103970020B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07281722A (ja) * | 1994-02-21 | 1995-10-27 | Asea Brown Boveri Ab | 工業用ロボットを制御する方法 |
CN101612733A (zh) * | 2008-06-25 | 2009-12-30 | 中国科学院自动化研究所 | 一种分布式多传感器移动机器人系统 |
CN101554726A (zh) * | 2009-05-15 | 2009-10-14 | 北京工业大学 | 一种柔性两轮自平衡机器人系统及其运动控制方法 |
CN102566576A (zh) * | 2012-02-24 | 2012-07-11 | 山东鲁能智能技术有限公司 | 一种用于变电站顺控系统的多巡检机器人协同运作方法 |
CN102707719A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 移动机器人及多移动机器人的协调控制方法 |
CN102830701A (zh) * | 2012-08-30 | 2012-12-19 | 北京航空航天大学 | 多移动机器人系统的协调控制方法 |
CN102854878A (zh) * | 2012-09-14 | 2013-01-02 | 苏州工业园区永动工业设备有限公司 | 红外光电导向agv装置及其控制方法 |
CN103279029A (zh) * | 2013-05-31 | 2013-09-04 | 北京航空航天大学 | 多机器人手臂系统的自适应协调控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297492A (zh) * | 2019-07-08 | 2019-10-01 | 北京航空航天大学 | 一种多车辆网络在时变环境下的协调跟踪控制系统及方法 |
CN110297492B (zh) * | 2019-07-08 | 2020-09-18 | 北京航空航天大学 | 一种多车辆网络在时变环境下的协调跟踪控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103970020A (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103970020B (zh) | 移动机器人系统及其在混合交互环境下的协调控制方法 | |
CN107214701B (zh) | 一种基于运动基元库的带电作业机械臂自主避障路径规划方法 | |
CN109483573A (zh) | 机器学习装置、机器人系统以及机器学习方法 | |
CN103383569B (zh) | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 | |
Liu et al. | A digital twin-based sim-to-real transfer for deep reinforcement learning-enabled industrial robot grasping | |
CN106292665B (zh) | 一种分布式多机器人系统竞争协作的巡查控制方法 | |
CN109397285B (zh) | 一种装配方法、装配装置及装配设备 | |
CN109213147A (zh) | 一种基于深度学习的机器人避障轨迹规划方法及系统 | |
CN104942808A (zh) | 机器人运动路径离线编程方法及系统 | |
CN104950695B (zh) | 一种通用的无人机视觉仿真平台 | |
CN110147101A (zh) | 一种基于深度强化学习的端到端分布式多机器人编队导航方法 | |
CN109782600A (zh) | 一种通过虚拟环境建立自主移动机器人导航系统的方法 | |
CN102981504B (zh) | 基于Zigbee通信的多机器人队形控制系统及方法 | |
CN108986166A (zh) | 一种基于半监督学习的单目视觉里程预测方法及里程计 | |
CN102830701B (zh) | 多移动机器人系统的协调控制方法 | |
CN106363607A (zh) | 一种强承载大运动范围的抓捕用空间机械臂系统 | |
CN109048897A (zh) | 一种主从机器人遥操作的方法 | |
CN105093963A (zh) | 模块机器人自修复仿真系统及方法 | |
CN104842356A (zh) | 一种基于分布式计算与机器视觉的多码垛机器人示教方法 | |
CN106002910A (zh) | 一种手术机器人的主从控制系统及方法 | |
CN110293549A (zh) | 机械臂控制方法、装置及神经网络模型训练方法、装置 | |
Gulde et al. | RoPose: CNN-based 2D pose estimation of industrial robots | |
Brecher et al. | Towards anthropomorphic movements for industrial robots | |
Jiang et al. | Mastering the complex assembly task with a dual-arm robot based on deep reinforcement learning: A novel reinforcement learning method | |
CN108044624A (zh) | 一种基于powerlink总线的机器人控制系统 |
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 |