CN105270385B - 基于动态系统的机器人速度控制 - Google Patents

基于动态系统的机器人速度控制 Download PDF

Info

Publication number
CN105270385B
CN105270385B CN201410419205.3A CN201410419205A CN105270385B CN 105270385 B CN105270385 B CN 105270385B CN 201410419205 A CN201410419205 A CN 201410419205A CN 105270385 B CN105270385 B CN 105270385B
Authority
CN
China
Prior art keywords
end effector
robot
module
path
control
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
Application number
CN201410419205.3A
Other languages
English (en)
Other versions
CN105270385A (zh
Inventor
J.W.韦尔斯
H.赫夫曼
D.W.佩顿
D.米切尔
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN105270385A publication Critical patent/CN105270385A/zh
Application granted granted Critical
Publication of CN105270385B publication Critical patent/CN105270385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B25J9/1628—Programme controls characterised by the control loop
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Robotics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Mechanical Engineering (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供基于动态系统的机器人速度控制。机器人系统包括端部执行器和控制系统。控制系包括处理器、动态系统模块(DSM)和速度控制模块(VCM)。经由一种方法的执行，DSM经由流向量场处理输入，并输出控制速度命令。该输入可包括端部执行器的实际位置、期望位置、和示范参考路径。VCM接收端部执行器的实际速度和控制速度命令作为输入，并且传递电机转矩命令至端部执行器作为输出命令。控制系统采用预定的一组微分方程，以实时地生成所述端部执行器的运动轨迹，所述运动轨迹近似于示范的参考路径。控制系统还编程为响应于端部执行器的运动的扰动，经由VCM实时地适应或修改端部执行器的运动。

Description

基于动态系统的机器人速度控制
技术领域
本发明涉及基于动态系统的机器人速度控制。
背景技术
机器人一般包括经由电机驱动的机器人关节互连的一系列连杆。每个机器人关节代表一个或多个独立控制变量/自由度。诸如机器人的手或夹钳的端部执行器在给定工作任务(诸如抓取和移动物体)的执行中是直接作用在物体上的串行机器人中的特定的端部连杆。复杂的程序和运动控制技术以多种方式使用以获得所需水平的机器人活动性、灵活性和工作任务相关的功能性。端部执行器根据特定的路径或轨迹接近或远离特定的目标位置。这样的路径使用多种方法逻辑地规划。然而，传统的端部执行器路径规划在某些情况下可能不是鲁棒性最优的，如下描述。
发明内容
本文公开了机器人控制系统和方法，其适用于控制机器人的端部执行器。虽然常规机器人一般通过门或其他屏障而与周围的工作环境隔离，但是期望通过一些更复杂的新兴的灵巧机器人设计，在机器人和生产线操作者和/或位于机器人工作环境中的物体之间进行直接交互。然而，有时仍然可能发生与这种机器人的端部执行器的不期望的接触，这反之会导致端部执行器的扰动。这些扰动可能导致端部执行器运动脱离规划的路径，并且因此需要更鲁棒的控制过程功能性。
当前的控制框架意图经由组合速度控制模块的功能与动态系统的功能的控制系统的使用来解决这样的特定控制问题。如本领域已知的，端部执行器控制一般涉及将控制器以预定方法和在给定的任务空间中(例如，参考笛卡尔参考系)的出发轨迹编程。随着端部执行器朝向特定的目标位置运动或运动远离该特定的目标位置，端部执行器的位置和速度被实时测量和控制。动态系统提供了一种替代方法。在动态系统中，端部执行器的运动轨迹没有预限定。替代地，该轨迹在给定的端部执行器的运动期间经由控制器自动生成。与在连续的闭环控制中(与上述的编程强度大的控制方案不同)，仅在动态系统中明确规定较少的控制命令。微分方程最终生成相应的运动轨迹。
动态运动基元(DMP)框架可用于实施这种动态系统。在DMP框架中，前述的微分方程适于生成给定的运动。总之，这些微分方程可形成所谓的“运动基元”的库。然而，常规的端部执行器控制技术可能仍然低于最优鲁棒性，特别是当沿着规划的轨迹运动时遭遇诸如由端部执行器受到的外力导致的扰动的时候。
本文公开的控制系统最后生成用于端部执行器的运动命令，很有可能响应于之前操作者示范的工作任务来这样做。动态系统模块产生期望的速度命令用于端部执行器的运动，经由流向量场而这样做。端部执行器在自由空间中的实际位置被测量并且作为控制输入传递至动态系统模块。本文公开的控制系统允许相对于主流技术更多样或更灵活的机器人运动，机器人能够更好地在线或实时地适应新设定的目标位置和/或在机器人的工作环境中遭遇到动态或静态的障碍物。
在示例性实施例中，机器人系统包括端部执行器和控制系统。与端部执行器通讯的控制系统包括处理器、动态系统模块(DSM)和速度控制模块(VCM)，其中术语“模块”这里用于指专用于执行如下描述的相关功能的控制系统的硬件和软件部分。特别地，DSM处理一组输入并且应用流向量场，然后输出控制速度命令。这组输入可包括端部执行器的测量位置或实际位置、端部执行器的期望目标位置、和可选的端部执行器的操作者示范参考路径(例如，经由端部执行器的远程操作或反向驱动示范的路径)。VCM接收或计算端部执行器的实际速度和控制速度命令作为输入，并且最终生成电机转矩命令至端部执行器作为输出命令。
控制系统采用预定的一组微分方程，以实时地生成端部执行器的运动轨迹。运动轨迹近似于示范的参考路径。控制系统编程为响应于端部执行器的运动所经受的扰动，经由VCM而实时地适应或修改端部执行器的运动。
DSM可包括路径变换模块和路径混合模块，所述路径变换模块编程为变换流向量场的参考系，所述路径混合模块将可调线性插值项合并入微分方程中。可调线性插值项将从开始位置向前绘制的端部执行器的路径与从目标位置向后绘制的路径混合在一起。
控制系统将流向量场函数附加变换，其中流向量场函数限定了上述的流向量场。该变换旋转了流向量场的参考系，以将示范路径的取向与新起点和目标位置的取向相匹配。
VCM可以至少高于DSM的循环速率的5倍(5X)的循环速率操作。例如，DSM可以约20-40Hz操作，且VCM可以约100-1000Hz操作，使得微分方程以更高的频率更新。
相关的方法包括经由具有预定流向量场的DSM处理一组输入。该组输入包括机器人系统的端部执行器的实际位置、端部执行器的期望目标位置、和端部执行器的示范的参考路径。处理包括使用预定的一组微分方程实时地生成端部执行器的运动轨迹，以近似于示范的参考路径。该方法还包括经由DSM输出控制速度命令，并且经由VCM接收和处理来自于DSM的控制速度命令和端部执行器的实际速度。该方法可进一步包括经由VCM生成电机转矩命令，并且将该命令传递至端部执行器，以由此响应于端部执行器的运动的扰动而实时地适应或修改端部执行器的运动。
根据本发明的一个方面，提供一种机器人系统，包括：
端部执行器，和
与所述端部执行器通讯的控制系统，包括：
处理器；
动态系统模块(DSM)，其经由流向量场处理一组输入，并且输出控制速度命令，其中该组输入包括所述端部执行器的实际位置、所述端部执行器的期望目标位置、和所述端部执行器的示范的参考路径；和
速度控制模块(VCM)，其与所述动态系统模块通讯，其中所述速度控制模块接收所述端部执行器的实际速度和所述控制速度命令作为输入，并且生成电机转矩命令至所述端部执行器作为输出命令；
其中所述控制系统采用预定的一组微分方程，以实时地生成所述端部执行器的运动轨迹，所述运动轨迹近似于示范的参考路径，并且其中所述控制系统编程为响应于所述端部执行器的运动的扰动，经由所述速度控制模块而实时地适应或修改所述端部执行器的运动。
优选地，其中所述动态系统模块包括路径变换模块和路径混合模块，其中所述路径变换模块编程为变换流向量场的参考系，而所述路径混合模块将可调线性插值结合到微分方程中，以将从开始位置向前绘制的所述端部执行器的路径与从目标位置向后绘制的路径混合在一起。
优选地，其中所述控制系统可操作为向限定流向量场的流向量场函数附加旋转所述流向量场函数的参考系的变换，以将示范的路径的取向与新起点和目标位置的取向相匹配。
优选地，其中所述端部执行器为机器人夹钳。
优选地，其中所述速度控制模块以至少高于所述动态系统模块的循环速率的5倍(5X)的循环速率操作。
优选地，其中所述动态系统模块的循环速率为20-40Hz，而所述速度控制模块的循环速率为100-1000Hz。
根据本发明的另一方面，提供一种方法，包括：
经由具有预定流向量场的动态系统模块(DSM)处理一组输入，该组输入包括机器人系统的端部执行器的实际位置、所述端部执行器的期望目标位置、和所述端部执行器的示范的参考路径，所述处理包括使用预定的一组微分方程实时地生成所述端部执行器的运动轨迹，以近似于示范的参考路径；
经由所述动态系统模块输出控制速度命令；
经由速度控制模块(VCM)接收并处理所述端部执行器的实际速度和来自于所述动态系统模块的控制速度命令；以及
经由所述速度控制模块生成到所述端部执行器的电机转矩命令，以由此响应于端部执行器的运动的扰动而实时地适应或修改所述端部执行器的运动。
优选地，所述方法进一步包括经由所述控制系统的路径变换模块变换流向量场的参考系，并且经由所述控制系统的路径混合模块将可调线性插值项结合进微分方程以将从开始位置向前绘制的所述端部执行器的路径与从目标位置向后绘制的路径混合在一起。
优选地，所述方法进一步包括向限定所述流向量场的流向量场函数附加旋转所述流向量场函数的参考系的变换，从而将示范路径的取向与新起点和目标位置的取向相匹配。
优选地，其中将电机转矩命令传递至所述端部执行器包括将电机转矩命令传递至机器人夹钳。
优选地，所述方法进一步包括以至少高于所述动态系统模块的循环速率的5倍(5X)的循环速率操作所述速度控制模块。
优选地，其中所述动态系统模块的循环速率为20-40Hz，而所述速度控制模块的循环速率为100-1000Hz。
当结合附图考虑时，本发明的上述的特征和优势以及其他的特征和优势可从以下用于实施本发明的最优模式的详细描述显而易见。
附图说明
图1是示例性机器人系统的示意图，所述机器人系统具有带有端部执行器的机器人，还具有相关的控制系统，所述控制系统具有构造为在存在端部执行器的扰动的情况下平滑端部执行器的运动的组合的速度控制模块(VCM)和动力系统模块(DSM)。
图2是示例性动力、差分方程限定的流向量场的示意性图示，图1的控制系统可使用该流向量场以适当地引导机器人的端部执行器至目标点。
图3A是未使用示例性路径变换逻辑的示范性的以及一般性的路径的示意图。
图3B是使用了示例性路径变换逻辑的示范性的以及一般性的路径的示意图。
图4A是未使用示例性路径混合逻辑的示范性的以及一般性的路径的示意图。
图4B是使用了示例性路径混合逻辑的示范性的以及一般性的路径的示意图。
图5是描述了使用示于图1中的控制系统的示例性方法的流程图。
具体实施方式
参考附图，其中在所有这些视图中，相同的附图标记代表相同或相似的部件，在图1中示意性地示出了机器人系统10。机器人系统10包括机器人12，该机器人12图示为示例性灵巧人形机器人，但是其可替代地实施为任意多轴线机器人。机器人12包括布置在机器人臂16的远端处的端部执行器14。机器人12，特别是端部执行器14和机器人臂16的运动通过具有集成的动力系统模块(DSM)52和速度控制模块(VCM)54的控制系统(C)50而自动地控制，该控制系统(C)50的特定的编程的功能在下面详细地描述。
机器人12以硬件和软件构造为执行具有多个控制自由度的一个或多个自动化任务，并且执行其他的交互任务或控制其他集成的系统部件，例如夹持、继电器(relays)、任务照明等。在示于图1的实施例中，机器人12包括多个独立且可相互独立运动的机器人关节以控制机器人臂16的运动，并最终控制端部执行器14的运动。虽然为了简化图示而被从图1中省略，但是每个机器人关节包括一个或多个关节致动器和/或由一个或多个关节致动器驱动，关节致动器为诸如关节电机、线性致动器、旋转致动器等。
控制系统50提供了对机器人12的精确的运动控制，包括操控可由端部执行器14作用在其上的物体(未示出)所需的精细和大运动的控制。此外，控制系统50提供用于机器人12的在线运动生成和电机控制。如下面所述，控制系统50可编程以提供动态运运动基元或DMP，以使用微分方程实时地生成运动轨迹，这样做的特定方式为利用当前公开的使运动适应多种新的或未预期的情况的修改。
特别地，如图1所示的控制系统50可编程为具有附加于微分方程的项，该项导致端部执行器14的生成的运动旋转，使得生成的运动与给定的端部执行器路径中的新的起点和终点/目标位置一致。控制系统50还附加另一项，该另一项使目标参数从原始目标位置至新的目标位置逐渐变化。换句话说，DMP的已知的功能使用当前的框架得到了扩展，使得图1的机器人12的端部执行器14或其他部分的单次运动可容易的调控以处理更多组的未预见的情况。该方法可以使用路径变换(PT)逻辑55和路径混合逻辑(PB)57以分别变换流向量场的参考系并结合线性插值，下面参考图3A和3B详细讨论该方法。
控制系统50可实施为计算机装置或多个这种装置，并且编程为规划并生成机器人臂16和端部执行器14的机器人运动。控制系统50可包括一个或多个处理器(P)和存储器(M)，包括充足量的有形非临时性存储器。存储器的类型可包括光学或磁性的只读存储器(ROM)、随机访问存储器(RAM)、可擦除电可编程只读存储器(EEPROM)等。控制系统50还可包括高速时钟、模数(A/D)电路、数模(D/A)电路和任意所需的输入/输出(I/O)电路和装置，以及信号调节和缓存电子器件。存在于控制器50中或可由其容易地访问的不同的控制算法，诸如实施图5中的方法100的指令，可存储于存储器(M)中并且经由处理器(P)在一个或多个不同的控制水平下自动地执行，以提供相应的控制功能。
动态运动基元
动态运动基元或DMP，如在机器人控制领域中已知的，可用于使用给定的速度v(t)生成特定的机器人运动轨迹x(t)。用于DMP的运动方程由阻尼弹簧的动力学特性诱发，所述阻尼弹簧附接至目标位置g并且受非线性加速度扰动：
其中x0是给定运动的起点，K是弹簧常数，D是阻尼常数，且f是参数化的非线性函数。
通常，示于图1的控制系统50经由编程或经由示范学习提供的参考路径而接收期望目标(gd)，即给定端部执行器运动的目标终点位置，并且经由DSM 52执行一组微分方程。DSM 52包括如下所说明的非线性方程组，经由处理器(P)求解。在某些已有系统中，微分方程实时地求解以产生期望的关节角度或机器人端部执行器位置，然后由另一个机器人控制器追踪所产生的关节角度或机器人端部执行器位置。这样的方法有益于示范学习。
然后，这里应当意识到，端部执行器14的期望位置和实际位置之间可能出现偏差。这些偏差在常规的端部执行器规划中通常被忽略。结果，如果存在充分大的扰动，诸如例如由在图1的机器人12的工作空间中意外遇到的物体施加到端部执行器14的外力，则现有的规划方法可能不能使用。换句话说，图1的机器人12可能不能适当地安排其端部执行器14的期望运动的轨迹，并且可能替代地产生未预期的不需要的运动。本发明的控制系统50因此意图产生机器人臂16和端部执行器14的平滑的运动而无需顾虑这些扰动。
在图1中示意性地示出的DSM 52最终输出期望的关节速度(vd)，并且与速度控制模块(VCM)54交互，这反之将命令的电机转矩命令(τm)发送至机器人12并且从机器人12接收实际的关节速度(va)。DSM 52还从机器人12(例如从一个或多个位置传感器Sp)接收测量的实际关节位置(Pa)。如本领域已知的，实际速度(va)可容易地从测量的关节位置计算。
VCM 54可以比使用DSM 52的通讯速率更高的速率运行，诸如快至少5倍(5X)，并且在另一个实施例中可快达50倍(50X)。在示例性方法中，DSM 52可以20-40Hz范围内的循环率运行，而VCM 54可以100-1000Hz范围内的循环速率运行。处理器(P)以更高的速率更新DSM 52的动态系统方程。在本发明中，DSM 52针对运动中的每个时间步长建立DMP作为运动轨迹，该运动轨迹在这里限定为端部执行器14的期望位置(x)和速度(v)。这样的动力系统可使用类似于上面使用的那些项一般地描述DMP如下：
在上述方程中，x0是运动的开始位置，g是运动的期望目标/目的地，s是在运动期间呈指数衰减的相位变量，K是弹簧常数，D是阻尼常数，f是可修改的非线性函数，且p是允许包含如以下提出的避障技术的可选项。f可限定如下：
其中ψi(s)为高斯函数。f显然依赖于相位变量(s)，即其中α为预定的常数。换句话说，非线性方程不依赖于时间，并且f因此可简单地调整，使得方程生成用于端部执行器14的期望的轨迹。这是下面参考图2-4B的讨论的基本原理。
参考图2，图1的控制系统50由于使用静态轨迹的一个优点在于提供预防端部执行器14的运动中的扰动的灵活性，因为可容易地针对状态空间中的每个位置提供期望的位置/速度。该优点还允许包含避障能力，从而使得在机器人12的操作空间中能够实时规划任何动态(即运动)障碍附近的运动。
为了进一步说明这个概念，图示了用于状态空间中XY位置内的扰动的向量流场(FF)20，其中X轴线代表在X方向上发生的位置的变化，Y轴线代表在Y方向上发生的位置的变化。流场20用作速度向量场，例如不同的速度向量22的场，该场帮助将端部执行器14从其当前位置Pc引导至目标位置Pg。图2中的箭头A代表在不同方向上的扰动。
再次参考图1，图1的控制系统50计算获得端部执行器14的特定速度(v)所需要的要求的电动机转矩。对于机器人12的控制，图1的DSM 52产生期望的速度vd，该速度vd然后经由VCM 54转换为相应的控制转矩τ。在可能的实施例中，期望的速度(vd)在端部执行器14的笛卡尔空间中限定。在这样的情况下，VCM 54可在数学上实现如下：
τ＝PJT(xd-x)+DJT(vd-v)
其中再次地，τ是命令的控制转矩，xd和vd是相应的期望位置和速度，x和v是测量的位置和速度，J是机器人臂16的雅可比矩阵，且P和D是可选的或可调的参数。雅可比J可在速度控制循环内或外计算。替代地，x和v可描述如图1的关节空间中的运动。在这样的情况下，雅可比J可省略。
在一个实施例中，可调参数P可为0或接近0，并且从而控制系统50受控于速度误差。控制系统50将仍然持续发出相交于期望位置(xd)的运动命令，因为位置误差作为反馈提供至DSM 52，而DSM 52反过来被计划以相交在期望的目标处。机器人12的一个或多个传感器Sp提供了关于实际机器人位置(例如端部执行器14的位置)的反馈。因此，VCM 54与DSM52的组合允许位置误差的很小的增益或零增益。这反过来具有使得端部执行器14的运动更平滑并且更耐扰动的优点。
上述的方法可通过扩展框架以允许不同的动态运动机元的调控而得到进一步的优化。动态运动基元使用微分方程实时生成轨迹，如现有技术中已知的以及上文中所述的。参考图3A-4B的其余讨论涉及可进行以将端部执行器14的运动适应至多种情况的修改形式。特别地，第一和第二项添加至微分方程。第一项旋转生成的运动，使得该运动与新的期望起点和目标位置一致，而第二项将目标参数从原始目标逐渐地变化至新的目标。
该两项方法的目的在于在一般化人示范的机器人运动中提供对新的运动情况的增加的灵活性。例如，通过图1中的机器人12竖直举起物体、朝向目标位置驱动并使物体降落的运动不能容易的使用DMP一般化，除非运动方向类似于示范的运动。然而，使用下列方法的修改形式，应用的变换导致绕运动的竖直轴线的旋转不变性，并且生成用于任意接近方向的类似的运动。此外，示于图3A-4B中的路径提供了用于调整速度的方法，一般化的路径使用该方法以符合示范路径。这些额外的特征向现有的DMP引入新增的灵活性，允许相对小的DMP库代表大得多的范围的运动。
关于示范，通常如在本领域中已知的，输入设备(未示出)，诸如3D鼠标、操纵杆或其他控制装置可用于远程操作机器人12，或者机器人12可通过给定的工作任务而手动地反向驱动。也就是，经由任务的人辅助示范，机器人12可被教导以执行特定的工作任务序列。因此，机器人12可被教导所有需要的抓取位置和接近/远离方向，并同时学习如何抓取物体。
任务示范/学习的示例是简单的“抓和举”任务，其中图1的机器人12使用其端部执行器14抓取并举起物体25，如图1中的示例性球体所示。机器人12的操作者可将端部执行器14移动至相对于物体25的期望位置处，然后正确地抓取物体25，例如使用足够的力通过手动地或自动地致动端部执行器14以建立期望的抓取姿态。操作者然后移动机器人臂16和端部执行器14以拾取和移动物体25。虽然图1所示的机器人12可简单地通过观察人类操作者执行相同的任务而潜在地识别任务序列以及一些相关的感知数据，但是处理新物体和产生新组件的一个或多个挑战性的方面在于精确地确定在何处放置端部执行器14。通过使人类操作者通过每个任务手动地移动机器人臂16和端部执行器14，同时控制系统50记录其自己的原始传感器数据，每个任务示范可提供有价值的经验数据流，机器人12可通过这些数据在人辅助学习之后的后处理中最终解决这些困难的控制难题。
机器人12，特别地当实施为如示出的人形机器人并且在存在人类操作者的情况下操作时，应当能够快速地在动态环境中适应。与可能限制接近或由栅栏、光幕或其他屏障保护的常规的机器人不同，灵巧的人形机器人可能期望直接与人类操作者交互。这样的机器人12的控制应当对于关于图1的物体25的位置和姿态的任何不确定性足够鲁棒。本方法通过将机器人运动描述为流向量场/微分方程而不是静态轨迹来处理这些问题。流向量场经由任务示范而学习，并且其关于新的情况(诸如给定移动的新的起点和终点位置)一般化。这样的运动在图3A-4B中示意性地图示。
图1的DSM 52可包括路径变换模块55(PT)和在图1中简写为PB的路径混合模块57。再次，如这里使用的以及关于DSM 52和VCM 54的术语“模块”是指执行如下描述的指定功能所需的一套必要的软件和硬件。路径变换模块55编程为或以其他方式构造为变换流场(例如图2图示的示例性流向量场20)的参考系。路径混合模块57包括线性插值，以将从开始位置(Ps)向前绘制的路径与从目标位置向后绘制的路径混合在一起。插值的调节只是提供了实际路径如何快速地符合从目标绘制的路径的选择能力。
原始的动态系统微分方程可如下确定：
上述方程的每个参数在上文中其他地方限定。路径变换模块55然后通过将变换T附加至流动向量场函数f而调控动态表达式：
这里，变换T可具有标量和旋转分量。变换T还可被设为衰减相位变量s的函数，以代表随时间变化的变换。通过旋转由函数f限定的流向量场20的参考系，以将示范路径的取向与新起点和目标的取向匹配，旋转不变性引入至机器人12的一般化的运动中。
图3A在示例性拾取和放置工作任务中示出了这样的端部执行器14的一般化的运动轨迹40，没有示于图1的路径变换模块的增加的好处。图3B示出了在经由路径变换模块55处理后的相同运动轨迹40。在图3A和3B中，人工示范的参考路径为迹线42，而从开始位置Ps朝向目标位置Pg实现的一般化路径如迹线44所示。端部执行器14的当前位置标记为Pc。图3A和3B的对比示出了图3B中的图示是对示范的参考路径(迹线42)的更直观的适应。
控制系统50的路径混合模块57的实施略微更复杂。微分方式如下所述：
其中gd是示范路径(迹线44)的目标位置，xod是示范路径(迹线44)的开始位置，且相位变量sm是可调整变量，其确定位置gm怎样快速地接近g(即运动的期望位置或目标位置)。变量sm可认为是在gm和g相等时并且从而当混合完成时的变量s的值。
图4A和4B图示了当开始位置和终点目标位置相比于他们在示范路径(迹线44)中更靠近彼此时路径混合对于图3A和3B中的运动轨迹40的影响。图4A示出了具有一般化路径144的运动迹线140，而没有经由路径混合模块57混合的好处，而图4B示出了在这样的混合之后的相同的一般化路径144。注意到在图4B中，经由路径混合模块57的处理导致运动轨迹140的一般化的路径144维持示范路径142的结构，而没有导致机器人12向后运动，如在图4A中由箭头B所指示的。在该情况下调整变量sm将缩放图4A和4B中的一般化路径144之间的路径形状。
简要地参考图5，使用如上述控制系统50的方法100从步骤102开始。步骤102可经由DSM 52和其预定的流向量场20而进行一组输入的处理。如上所述，这些输入可包括机器人系统10的端部执行器14的实际位置Px，以及端部执行器14的期望目标位置(gd)和可能的端部执行器14的示范参考路径。步骤102包括采用预定的一组微分方程，实时地生成端部执行器14的运动轨迹，以近似于示范的参考路径。
在步骤104，图1的控制系统50经由DSM 52输出期望的控制速度命令Vd。该方法100然后行进到步骤106，其中VCM54接收并处理端部执行器的实际速度Va和来自于DSM 52的控制速度命令Vd。
在步骤108，VCM 54产生电机转矩命令τM，并且将该命令传递至端部执行器14，以从而响应于端部执行器14的运动的扰动而实时地适应或修改端部执行器14的运动。
上述的控制系统50和方法100从而为控制任意类型的端部执行器或其他机器人操作装置的运动提供了一般的方法。通过使用由这里描述的修改的微分方程具体限定的流向量场，期望的速度以考虑端部执行器14的任何扰动的方式被计算。以这种方式，所公开的本发明通过扩展框架以允许不同基原的调控而寻求对常规DMP的改进。
虽然实施本发明的最优模式已经被详细地描述，但是本领域的技术人员将意识到用于实践在附加的权利要求的范围内的本发明的多种替代的设计和实施例。

Claims (10)

1.一种机器人系统，包括：
端部执行器，和
与所述端部执行器通讯的控制系统，包括：
处理器；
动态系统模块(DSM)，其经由流向量场处理一组输入，并且输出控制速度命令，其中该组输入包括所述端部执行器的实际位置、所述端部执行器的期望目标位置、和所述端部执行器的示范的参考路径；和
速度控制模块(VCM)，其与所述动态系统模块通讯，其中所述速度控制模块接收所述端部执行器的实际速度和所述控制速度命令作为输入，并且生成电机转矩命令至所述端部执行器作为输出命令；
其中所述控制系统采用预定的一组微分方程，以实时地生成所述端部执行器的运动轨迹，所述运动轨迹近似于示范的参考路径，并且其中所述控制系统编程为响应于所述端部执行器的运动的扰动，经由所述速度控制模块而实时地适应或修改所述端部执行器的运动，并且
其中所述动态系统模块包括路径变换模块和路径混合模块，其中所述路径变换模块编程为变换流向量场的参考系，而所述路径混合模块将可调线性插值结合到微分方程中，以将从开始位置向前绘制的所述端部执行器的路径与从目标位置向后绘制的路径混合在一起。
2.如权利要求1所述的机器人系统，其中所述控制系统可操作为向限定流向量场的流向量场函数附加旋转所述流向量场函数的参考系的变换，以将示范的路径的取向与新起点和目标位置的取向相匹配。
3.如权利要求1所述的机器人系统，其中所述端部执行器为机器人夹钳。
4.如权利要求1所述的机器人系统，其中所述速度控制模块以至少高于所述动态系统模块的循环速率的5倍的循环速率操作。
5.如权利要求4所述的机器人系统，其中所述动态系统模块的循环速率为20-40Hz，而所述速度控制模块的循环速率为100-1000Hz。
6.一种基于动态系统的机器人速度控制方法，包括：
经由具有预定流向量场的动态系统模块(DSM)处理一组输入，该组输入包括机器人系统的端部执行器的实际位置、所述端部执行器的期望目标位置、和所述端部执行器的示范的参考路径，所述处理包括使用预定的一组微分方程实时地生成所述端部执行器的运动轨迹，以近似于示范的参考路径；
经由所述动态系统模块输出控制速度命令；
经由速度控制模块(VCM)接收并处理所述端部执行器的实际速度和来自于所述动态系统模块的控制速度命令；
经由所述速度控制模块生成到所述端部执行器的电机转矩命令，以由此响应于端部执行器的运动的扰动而实时地适应或修改所述端部执行器的运动；以及
经由控制系统的路径变换模块变换流向量场的参考系，并且经由所述控制系统的路径混合模块将可调线性插值项结合进微分方程以将从开始位置向前绘制的所述端部执行器的路径与从目标位置向后绘制的路径混合在一起。
7.如权利要求6所述的机器人速度控制方法，进一步包括向限定所述流向量场的流向量场函数附加旋转所述流向量场函数的参考系的变换，从而将示范路径的取向与新起点和目标位置的取向相匹配。
8.如权利要求6所述的机器人速度控制方法，其中将电机转矩命令传递至所述端部执行器包括将电机转矩命令传递至机器人夹钳。
9.如权利要求6所述的机器人速度控制方法，进一步包括以至少高于所述动态系统模块的循环速率的5倍的循环速率操作所述速度控制模块。
10.如权利要求9所述的机器人速度控制方法，其中所述动态系统模块的循环速率为20-40Hz，而所述速度控制模块的循环速率为100-1000Hz。
CN201410419205.3A 2014-07-03 2014-08-22 基于动态系统的机器人速度控制 Active CN105270385B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/323,047 US9381643B2 (en) 2014-07-03 2014-07-03 Dynamical system-based robot velocity control
US14/323,047 2014-07-03

Publications (2)

Publication Number Publication Date
CN105270385A CN105270385A (zh) 2016-01-27
CN105270385B true CN105270385B (zh) 2018-04-10

Family

ID=53759202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410419205.3A Active CN105270385B (zh) 2014-07-03 2014-08-22 基于动态系统的机器人速度控制

Country Status (3)

Country Link
US (1) US9381643B2 (zh)
CN (1) CN105270385B (zh)
DE (1) DE102014110355B3 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6328599B2 (ja) * 2015-11-20 2018-05-23 ファナック株式会社 ロボットの動作可能範囲を算出するロボットの手動送り装置
EP3405134A4 (en) * 2016-01-20 2019-09-18 Intuitive Surgical Operations Inc. SYSTEM AND METHOD FOR QUICK STOP AND RECOVERY OF MOVING DEVIATIONS IN REPOSITIONABLE MEDICAL DEVICE ARMS
JP6744790B2 (ja) * 2016-09-06 2020-08-19 シャープ株式会社 制御システム、制御方法、及び制御プログラム
US10131053B1 (en) * 2016-09-14 2018-11-20 X Development Llc Real time robot collision avoidance
WO2018075611A1 (en) * 2016-10-18 2018-04-26 Apium Inc. Swarm communication method and device
CN106383440A (zh) * 2016-10-18 2017-02-08 河池学院 基于路径规划控制运动的机器人
JP7087316B2 (ja) * 2017-09-27 2022-06-21 オムロン株式会社 情報処理装置、情報処理方法およびプログラム
CN108015775A (zh) * 2017-12-25 2018-05-11 上海物景智能科技有限公司 一种机器人的速度控制方法及系统
EP3530418A1 (de) * 2018-02-21 2019-08-28 Siemens Aktiengesellschaft Verfahren und vorrichtung zum bestimmen eines optimierten bewegungsablaufs einer robotereinrichtung
CN108469732A (zh) * 2018-03-13 2018-08-31 同济大学 基于dmp的机器人工作空间适应性行走控制系统及方法
WO2019190627A1 (en) * 2018-03-26 2019-10-03 Hrl Laboratories, Llc System and method for estimating uncertainty of the decisions made by a supervised machine learner
US11865723B2 (en) * 2018-04-30 2024-01-09 Vanderbilt University Control method for a robotic system
DE102018209870B3 (de) * 2018-06-19 2019-07-04 Kuka Deutschland Gmbh Verfahren und System zum Überführen eines Endeffektors eines Roboters zwischen einer Endeffektorpose und einer weiteren Endeffektorpose
CN108972558B (zh) * 2018-08-16 2020-02-21 居鹤华 一种基于轴不变量的多轴机器人动力学建模方法
CN109358568B (zh) * 2018-12-17 2020-04-07 大连理工大学 基于矢量场的曲面分区加工轨迹拓扑形状设计方法
CN109551485B (zh) * 2019-01-21 2020-10-16 北京镁伽机器人科技有限公司 运动控制方法、装置和系统及存储介质
US11707843B2 (en) * 2020-04-03 2023-07-25 Fanuc Corporation Initial reference generation for robot optimization motion planning
CN112518756B (zh) * 2020-12-10 2022-08-05 深圳市优必选科技股份有限公司 机械臂的运动轨迹规划方法及装置、机械臂及存储介质
CN113043251B (zh) * 2021-04-23 2023-07-07 江苏理工学院 一种机器人示教再现轨迹学习方法
DE102021125628B3 (de) 2021-10-04 2022-10-13 Physik Instrumente (PI) GmbH & Co KG Geschwindigkeitsvorgaben zur Trajektorienbestimmung von Kinematiken
CN116687320B (zh) * 2023-08-07 2023-10-24 深圳英美达医疗技术有限公司 一种医疗器械控制装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4761595A (en) 1987-05-01 1988-08-02 General Motors Corporation Motion control system having adaptive feedforward path tracking
US6266578B1 (en) 1998-05-15 2001-07-24 Firdaus E. Udwadia Computer based control system
WO2006102517A2 (en) 2005-03-23 2006-09-28 Hurco Companies, Inc. Method of tolerance-based trajectory planning and control
JP4908020B2 (ja) 2006-03-02 2012-04-04 本田技研工業株式会社 ハンド制御システム
DE102007061323A1 (de) 2007-12-19 2009-07-02 Kuka Roboter Gmbh Verfahren zum Steuern der Bewegung eines Roboters innerhalb eines Arbeitsraums
CN101726296B (zh) * 2009-12-22 2013-10-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN102830644B (zh) * 2012-09-26 2014-08-20 苏州工业园区职业技术学院 五轴高速点胶机器人伺服控制系统
CN103029818B (zh) * 2012-12-18 2015-10-07 浙江工业大学 一种仿生海底生物捕捞机器人

Also Published As

Publication number Publication date
US20160000511A1 (en) 2016-01-07
CN105270385A (zh) 2016-01-27
DE102014110355B3 (de) 2015-08-20
US9381643B2 (en) 2016-07-05

Similar Documents

Publication Publication Date Title
CN105270385B (zh) 基于动态系统的机器人速度控制
TWI805545B (zh) 用於藉由示範來程式化機器人之方法和電腦程式產品
Khalilpour et al. Robust cascade control of a deployable cable-driven robot
Hersch et al. Dynamical system modulation for robot learning via kinesthetic demonstrations
Andaluz et al. Adaptive unified motion control of mobile manipulators
KR101660064B1 (ko) 사전 결정된 경로를 매니퓰레이터가 주행하게 하기 위한 방법, 및 이러한 방법을 실행하기 위한 제어 장치
US11839979B2 (en) Dual mode free-drive of robot arm
Ghadirzadeh et al. A sensorimotor reinforcement learning framework for physical human-robot interaction
Irani et al. Analysis of manipulators using SDRE: A closed loop nonlinear optimal control approach
Torres et al. 7 DOF industrial robot controlled by hand gestures using Microsoft Kinect v2
KR20170024769A (ko) 로봇 제어 장치
Rivas et al. BRACON: Control system for a robotic arm with 6 degrees of freedom for education systems
US10507585B2 (en) Robot system that displays speed
Ang et al. An industrial application of control of dynamic behavior of robots-a walk-through programmed welding robot
Lee et al. Reinforcement learning-based virtual fixtures for teleoperation of hydraulic construction machine
KR101787865B1 (ko) 다관절 링크 기구의 역운동학 해법, 및 이 역운동학 해법을 이용한 교시 데이터 작성 장치
Filaretov et al. Synthesis of system for automatic formation of multilink manipulator velocity
Eilering et al. Robopuppet: Low-cost, 3d printed miniatures for teleoperating full-size robots
Kumar et al. Intuitive human-robot interaction using augmented reality: A simulation study on KUKA IIWA robot
Lee et al. Data-Driven Actuator Model-Based Teleoperation Assistance System
Shukla et al. Teleoperation of a uav by a 6-dof parallel manipulator with hybrid mapping for inspection of industrial structures
WO2023073958A1 (ja) プログラム作成装置、制御装置、及び機械システム
Arsenopoulos et al. A human-robot interface for industrial robot programming using RGB-D sensor
Papoutsidakis et al. Rebuilding of a Classical Robotic System with a Modern Control Software and Sensor Signals
Pala et al. Towards the assisted teleoperation 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
GR01 Patent grant
GR01 Patent grant