CN111230873B - 一种基于示教学习的协作搬运控制系统及方法 - Google Patents

一种基于示教学习的协作搬运控制系统及方法 Download PDF

Info

Publication number
CN111230873B
CN111230873B CN202010077712.9A CN202010077712A CN111230873B CN 111230873 B CN111230873 B CN 111230873B CN 202010077712 A CN202010077712 A CN 202010077712A CN 111230873 B CN111230873 B CN 111230873B
Authority
CN
China
Prior art keywords
mechanical arm
force
track
carrying
teaching learning
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
CN202010077712.9A
Other languages
English (en)
Other versions
CN111230873A (zh
Inventor
肖晓晖
汤自林
张勇
谢啸
王瑶
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202010077712.9A priority Critical patent/CN111230873B/zh
Publication of CN111230873A publication Critical patent/CN111230873A/zh
Application granted granted Critical
Publication of CN111230873B publication Critical patent/CN111230873B/zh
Active 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
    • B25J9/1612—Programme controls characterised by the hand, wrist, grip control
    • 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
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion

Abstract

本发明公开一种基于示教学习的协作搬运控制系统及方法。协作搬运系统包括机械臂、六维力/力矩传感器、动作捕捉系统定位点、PC上位机。机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器用来进行交互力的测量，安装在机械臂末端，动作捕捉系统定位点贴在被搬运物体和人手上，使用动作捕捉系统获取定位点位置，从而获取目标位姿，PC上位机与机械臂可进行实时通信，机械臂在PC上位机的控制指令下和人一起完成协作搬运任务。本发明搭建的变刚度协作搬运系统，结合示教学习和导纳控制建立机械臂末端变刚度控制模型，实现柔性搬运操作；基于交互力阈值实现搬运任务的切换，平衡了机械臂搬运的柔顺性和目标位置精度，可以很好满足作业要求。

Description

一种基于示教学习的协作搬运控制系统及方法
技术领域
本发明涉及智能控制领域，具体涉及一种基于示教学习的协作搬运控制系统及方法。
背景技术
随着制造加工自动化的程度越来越高，加工和装配的零件越来越多样化，随之而来的是各种零件的搬运问题。目前工厂中搬运方式多使用龙门吊，使用范围有限、定位精度低、迟滞和惯性较大，影响搬运的效率和准确性，而目前逐渐发展的人机协作搬运控制复杂，搬运的柔性和位置精度得不到很好保证。
中国发明专利CN 102229147A,机器手控制装置及其控制方法、机器人，其特征在于包括作业姿势信息获取单元,获取作业姿势信息；危险程度算出单元,算出人在搬运物体时的危险程度；刚性控制单元,根据危险程度控制机器手的刚性。该发明专利不会由于搬运物体而对人施加负担，能够实现安全的机器人控制，但是这种方式只能实现简单的搬运操作，无法根据场景变换快速适应。
综上所述，目前工厂中的搬运方式效率低，使用范围有限，而现有的协作搬运控制方法适应场景能力有限。协作搬运因为和人交互，一定的柔顺性可以减小交互内力，但同时柔顺性较大会造成目标位置精度得不到保证，所以提高协作搬运的效率需要很好平衡搬运的柔顺性和目标位置精度。
发明内容
鉴于上述现有技术的不足，本发明的目的在于提供一种基于示教学习的协作搬运控制系统，该系统由示教学习建立的轨迹概率模型修正后作为参考轨迹，叠加变刚度系数的导纳控制，实现协作搬运的柔性搬运，并且保证搬运的位置精度，可以很好满足协作搬运作业需求。
为了解决上述问题，本发明采用的技术方案是：
一种基于示教学习的协作搬运系统，其特征在于：包括
机械臂：具有运动控制功能的多轴机械臂；
六维力/力矩传感器：用来进行交互力的测量，安装在机械臂末端
动作捕捉系统定位点：贴在被搬运物体和人手上，用于获取目标的位姿
PC上位机：与机械臂、六维力/力矩传感器和动作捕捉系统可进行实时通信；运行过程中，机械臂在PC上位机的指令下携带抓取手进行协作搬运操作，所述PC上位机搭建的控制系统基于ROS平台。
在上述的一种基于示教学习的协作搬运系统，所述六维力/力矩传感器通过交互力反馈实现协作搬运的柔性交互。
一种基于示教学习的协作搬运方法，该搬运方法采用的设备包括机械臂、六维力/力矩传感器、动捕定位点和PC上位机，其特征在于，包括以下步骤：
步骤1、修正示教学习所得轨迹概率模型，将轨迹概率模型起点和终点的协方差矩阵进行缩小；
步骤2、以修正后的轨迹概率模型为参考轨迹，叠加变刚度系数导纳控制，刚度系数根据轨迹点对应的高斯分布设定；
步骤3、计算示教数据中交互力模长的均值和协方差得到交互力满足的高斯分布，选定交互力阈值在6个标准差处；
步骤4、执行协作搬运任务时，首先使用动作捕捉系统获取被搬运物体和人手的位姿，检测到人手不断靠近目标，则控制机器臂根据示教学习获得的轨迹概率模型运动到目标上方进行抓取，抓取阶段不需要柔性；抓取成功之后人和机械臂协同搬运，以示教学习生成的轨迹概率模型经过修正后作为参考轨迹，在一定干扰力的作用下沿着期望轨迹的方向运动，干扰力超过阈值则切换为自由搬运任务，由人手牵引物体达到目标位置。
在上述的一种基于示教学习的协作搬运方法，步骤1中修正轨迹概率模型使用的缩小函数为：
Figure BDA0002379014590000021
式中x为轨迹点在整条轨迹中所占的比例。
在上述的一种基于示教学习的协作搬运方法，步骤2中变刚度系数导纳控制以修正后的轨迹概率模型为参考轨迹，具体控制器结构为：
Figure BDA0002379014590000022
式中
Figure BDA0002379014590000023
Δxt分别是机械臂末端实际运动的速度、位置与参考轨迹速度、位置的差值，
Figure BDA0002379014590000024
分别是阻尼和刚度矩阵，
Figure BDA0002379014590000025
是机械臂末端力矩传感器数据经过重力补偿后的力，即干扰力，式中及后面提到的下标x为全局坐标系X；Λ为轨迹点对应高斯分布协方差矩阵经对角分解所得对角矩阵，满足式(1-3)；kp为刚度系数，满足式(1-4)，随着距参考点的距离增加而增大；
Figure BDA0002379014590000026
Figure BDA0002379014590000031
式中n为机械臂末端点(x,y,z)在距离参考点的n个标准差椭球上，满足
Figure BDA0002379014590000032
在上述的一种基于示教学习的协作搬运方法，搬运任务切换，搬运任务包括特定搬运任务(已知搬运终点)和自由搬运任务(临时决定搬运终点)，基于交互力阈值实现特定搬运任务到自由搬运任务的切换，首先计算示教过程交互力的高斯分布，阈值初始值选在6个标准差处，随着任务的执行不断更新。
本发明由于采用以上技术方案，具有以下优点：
1.充分利用轨迹的概率分布，结合导纳控制模型，实现机械臂末端柔性交互；
2.保证机械臂末端实际位置在参考轨迹的3个标准差之内，起点和终点的位置精度也得到保证，较好平衡了搬运的柔顺性和目标位置精度。
3.考虑搬运任务的切换，以交互力阈值作为特定搬运任务和自由搬运任务切换的依据，提高协作搬运的灵活性。
附图说明
图1是本发明协作搬运系统示意图。
图2是本发明协作搬运各部分通信图。
图3是本发明写作搬运系统控制方案图。
图4是本发明协作搬运系统流程图。
其中，1-机械臂，2-PC上位机，3-六维力/力矩传感器，4-动捕定位点。
具体实施方式
下面结合附图来对本发明提供的协作搬运系统进行详细说明，所述是对本发明的解释而不是限定。
如图2所示，控制系统框图包含机械臂1，PC上位机2，六维力/力矩传感器3，动捕定位点4，所述机械臂1为具有控制功能的多轴机械臂，所述六维力/力矩传感器3用来进行交互力测量，安装在机械臂1末端，PC上位机2与机械臂1、六维力/力矩传感器3以及动作捕捉系统通信相连，运行过程中，机械臂1在PC上位机2的指令下携带抓取手进行协作搬运操作，所述PC上位机2搭建的控制系统基于ROS平台。所述控制系统基于ROS平台，包括控制算法节点，六维力/力矩传感器3的反馈节点，利用动作捕捉系统获取动捕定位点4位置的节点，和控制机械臂1运动节点。六维力/力矩传感器3、机械臂1、动作捕捉系统和PC上位机连接至同一局域网。机械臂1与PC之间采用Modbus通信协议，采用ROS中统一的通信接口实现机械臂1状态读取和运动控制。六维力/力矩传感器3和动作捕捉系统VICON采用Ethernet协议将数据发送至PC端，在控制算法节点中接收各传感器状态，并计算下周期控制指令。
所述机械臂1为UR5e机械臂，有基于ROS的驱动程序和功能包，安装完成即可实现对机械臂的运动控制。所述六维力/力矩传感器3有基于ROS的驱动程序，实时反馈协作搬运的交互力信息。本实施例中，选择了UR5e作为机器人平台，六维力/力矩传感器3选用了ATINet F/T六维力/力矩传感器。动作捕捉系统选用了Vicon Motion Systems光学运动捕捉系统，有基于ROS的驱动程序，可以在ROS中获取定位点的三维位置信息。
所述控制算法采用变刚度系数的导纳控制，基于Simulink搭建控制系统模型，并将其转化为C++代码。该算法由示教学习生成的轨迹概率模型修正后作为参考轨迹，叠加变刚度系数的导纳控制，以六维力/力矩传感器3和机械臂1末端三维位置为输入量，基于六维力/力矩传感器3反馈，实现机械臂1的位置控制，完成协作搬运任务。
所述示教学习所得轨迹概率模型包括轨迹上n个点的均值
Figure BDA0002379014590000048
和对应协方差矩阵Σ，针对获得的轨迹概率模型，采用缩小函数修正轨迹概率模型，缩小起点和终点附近协方差矩阵。
采用的缩小函数为：
Figure BDA0002379014590000041
式中x为轨迹点在整条轨迹中所占的比例。
所述变刚度系数导纳控制以修正后的轨迹概率模型为参考轨迹，具体控制器结构为：
Figure BDA0002379014590000042
式中
Figure BDA0002379014590000043
Δxt分别是机械臂末端实际运动的速度、位置与参考轨迹速度、位置的差值，
Figure BDA0002379014590000044
分别是阻尼和刚度矩阵，
Figure BDA0002379014590000045
是机械臂末端力矩传感器数据经过重力补偿后的力，即干扰力，式中及后面提到的下标x为全局坐标系X。Λ为轨迹点对应高斯分布协方差矩阵对角分解所得对角矩阵，满足式(1-3)。kp为刚度系数，满足式(1-4)，随距参考点的距离增加而增大。
Figure BDA0002379014590000046
Figure BDA0002379014590000047
式中n为机械臂末端点(x,y,z)在距离参考点的n个标准差椭球上，满足
Figure BDA0002379014590000051
可得协作搬运控制系统传递函数为
Figure BDA0002379014590000052
如图3所示是一个协作搬运控制系统方案。本例中控制周期Δt＝0.01s，六维力/力矩传感器3获得的交互力进行滤波后，针对被搬运物体进行重力补偿，经过控制系统传递函数，得到机械臂末端偏离参考轨迹的距离，再叠加参考位置得到机械臂末端位置，计算出位置后通过逆运动学计算六轴机械臂1关节角度，从而控制机器人运动，实现人机协作搬运。
如图4所示是一个协作搬运系统整体流程图，整个过程分一下六步：
①动作捕捉系统获取定位点位置，从而获得被搬运物体和人手的位姿；
②检测到人手不断靠近被搬运物体；
③机械臂基于示教学习获得的轨迹概率模型运动到物体上方实现抓取，抓取阶段不需要末端柔性；
④根据被搬运物体重力进行重力补偿；
⑤基于图3所示协作搬运控制方案，采用变刚度系数的导纳控制，在一定交互力的作用下机械臂沿着修正后的轨迹概率模型方向运动；
⑥协作搬运保持特定搬运任务状态直到终点或者交互力超过阈值切换为自由搬运任务，由人牵引机械臂运动到目标位置。
所述搬运任务包括特定搬运任务和自由搬运任务。所述特定搬运任务已知搬运终点位置，所述自由搬运任务在搬运过程中临时指定终点。所述搬运任务切换，基于交互力阈值实现特定搬运任务到自由搬运任务的切换，首先计算示教过程交互力的高斯分布，阈值选在6个标准差处，随着任务的执行不断更新。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种基于示教学习的协作搬运方法，该搬运方法采用的设备包括机械臂、六维力/力矩传感器、动捕定位点和PC上位机，其特征在于，包括以下步骤：
步骤1、修正示教学习所得轨迹概率模型，将轨迹概率模型起点和终点的协方差矩阵进行缩小；
步骤2、以修正后的轨迹概率模型为参考轨迹，叠加变刚度系数导纳控制，刚度系数根据轨迹点对应的高斯分布设定；
步骤3、计算示教数据中交互力模长的均值和协方差得到交互力满足的高斯分布，选定交互力阈值在6个标准差处；
步骤4、执行协作搬运任务时，首先使用动作捕捉系统获取被搬运物体和人手的位姿，检测到人手不断靠近目标，则控制机器臂根据示教学习获得的轨迹概率模型运动到目标上方进行抓取，抓取阶段不需要柔性；抓取成功之后人和机械臂协同搬运，以示教学习生成的轨迹概率模型经过修正后作为参考轨迹，在一定干扰力的作用下沿着期望轨迹的方向运动，干扰力超过阈值则切换为自由搬运任务，由人手牵引物体达到目标位置。
2.根据权利要求1所述的一种基于示教学习的协作搬运方法，其特征在于步骤1中修正轨迹概率模型使用的缩小函数为：
Figure FDA0003056035990000011
式中x为轨迹点在整条轨迹中所占的比例。
3.根据权利要求2所述的一种基于示教学习的协作搬运方法，其特征在于步骤2中变刚度系数导纳控制以修正后的轨迹概率模型为参考轨迹，具体控制器结构为：
Figure FDA0003056035990000012
式中
Figure FDA0003056035990000013
Δxt分别是机械臂末端实际运动的速度、位置与参考轨迹速度、位置的差值，
Figure FDA0003056035990000014
是阻尼矩阵，Δft e是机械臂末端力矩传感器数据经过重力补偿后的力，即干扰力，式中及后面提到的下标x为全局坐标系X；Λ为轨迹点对应高斯分布协方差矩阵经对角分解所得对角矩阵，满足式(1-3)；kp为刚度系数，满足式(1-4)，随着距参考点的距离增加而增大；
Figure FDA0003056035990000015
Figure FDA0003056035990000021
式中n为机械臂末端点(x,y,z)在距离参考点的n个标准差椭球上，满足
Figure FDA0003056035990000022
4.根据权利要求3所述的一种基于示教学习的协作搬运方法，其特征在于：搬运任务切换，搬运任务包括特定搬运任务和自由搬运任务，基于交互力阈值实现特定搬运任务到自由搬运任务的切换，首先计算示教过程交互力的高斯分布，阈值初始值选在6个标准差处，随着任务的执行不断更新。
5.一种采用权利要求1所述的搬运方法的搬运系统，其特征在于：包括
机械臂：具有运动控制功能的多轴机械臂；
六维力/力矩传感器：用来进行交互力的测量，安装在机械臂末端
动作捕捉系统定位点：贴在被搬运物体和人手上，用于获取目标的位姿
PC上位机：与机械臂、六维力/力矩传感器和动作捕捉系统可进行实时通信；运行过程中，机械臂在PC上位机的指令下携带抓取手进行协作搬运操作，所述PC上位机搭建的控制系统基于ROS平台。
6.根据权利要求5所述的搬运系统，其特征在于：所述六维力/力矩传感器通过交互力反馈实现协作搬运的柔性交互。
CN202010077712.9A 2020-01-31 2020-01-31 一种基于示教学习的协作搬运控制系统及方法 Active CN111230873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010077712.9A CN111230873B (zh) 2020-01-31 2020-01-31 一种基于示教学习的协作搬运控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010077712.9A CN111230873B (zh) 2020-01-31 2020-01-31 一种基于示教学习的协作搬运控制系统及方法

Publications (2)

Publication Number Publication Date
CN111230873A CN111230873A (zh) 2020-06-05
CN111230873B true CN111230873B (zh) 2022-02-01

Family

ID=70878135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010077712.9A Active CN111230873B (zh) 2020-01-31 2020-01-31 一种基于示教学习的协作搬运控制系统及方法

Country Status (1)

Country Link
CN (1) CN111230873B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111843419B (zh) * 2020-07-31 2021-11-16 北京航空航天大学 基于协作机器人和可穿戴设备的微重力装配系统及方法
CN113733105B (zh) * 2021-10-18 2023-05-23 哈尔滨理工大学 一种基于人的意图识别的协作机械臂模糊变导纳控制系统及方法
CN116175543A (zh) * 2021-11-29 2023-05-30 中国科学院深圳先进技术研究院 一种协作机器人控制系统及方法
CN114131594B (zh) * 2021-12-01 2023-03-28 哈尔滨工业大学 一种可折叠充气式机械臂系统及其控制方法
CN114310888A (zh) * 2021-12-28 2022-04-12 广东省科学院智能制造研究所 一种协作机器人可变刚度运动技能学习与调控方法及系统
CN114932557B (zh) * 2022-06-24 2023-07-28 合肥工业大学 一种运动学约束下基于能量消耗的自适应导纳控制方法
CN116079748B (zh) * 2023-04-07 2023-07-14 中国科学技术大学 一种基于误差状态概率的离心机柔顺操作系统与方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109382828A (zh) * 2018-10-30 2019-02-26 武汉大学 一种基于示教学习的机器人轴孔装配系统及方法
CN109483556A (zh) * 2018-10-30 2019-03-19 武汉大学 一种基于示教学习的机器人打磨系统及方法
CN109732610A (zh) * 2019-03-01 2019-05-10 北京航空航天大学 人机协作机器人抓取系统及其工作方法
CN109848983A (zh) * 2018-12-10 2019-06-07 华中科技大学 一种高顺应性人引导机器人协同作业的方法
CN110653801A (zh) * 2019-09-30 2020-01-07 哈尔滨工业大学 机器人操作臂的导引操纵系统及其柔顺操纵控制与示教学习方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6240689B2 (ja) * 2015-07-31 2017-11-29 ファナック株式会社 人の行動パターンを学習する機械学習装置、ロボット制御装置、ロボットシステム、および機械学習方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109382828A (zh) * 2018-10-30 2019-02-26 武汉大学 一种基于示教学习的机器人轴孔装配系统及方法
CN109483556A (zh) * 2018-10-30 2019-03-19 武汉大学 一种基于示教学习的机器人打磨系统及方法
CN109848983A (zh) * 2018-12-10 2019-06-07 华中科技大学 一种高顺应性人引导机器人协同作业的方法
CN109732610A (zh) * 2019-03-01 2019-05-10 北京航空航天大学 人机协作机器人抓取系统及其工作方法
CN110653801A (zh) * 2019-09-30 2020-01-07 哈尔滨工业大学 机器人操作臂的导引操纵系统及其柔顺操纵控制与示教学习方法

Also Published As

Publication number Publication date
CN111230873A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111230873B (zh) 一种基于示教学习的协作搬运控制系统及方法
Lee et al. Planning and control for collision-free cooperative aerial transportation
Ren et al. Fully distributed cooperation for networked uncertain mobile manipulators
CN113601509B (zh) 一种多自由度机械臂柔性控制方法和系统
CN106475999B (zh) 刚性条件下基于阻抗模型的双臂协调的加速度控制方法
US20160008988A1 (en) Robotics Platforms Incorporating Manipulators Having Common Joint Designs
KR20170143133A (ko) 장애물 회피 경로 생성 및 제어에 의한 협업 비행 운송 시스템 및 방법
Luo et al. Real time human motion imitation of anthropomorphic dual arm robot based on Cartesian impedance control
Ajoudani et al. A manipulation framework for compliant humanoid coman: Application to a valve turning task
CN104808668A (zh) 基于力信息的多移动机器人协作搬运平板状物体方法
Irani et al. Analysis of manipulators using SDRE: A closed loop nonlinear optimal control approach
CN112975938B (zh) 一种基于零空间的机械臂速度层轨迹规划方法
CN111249005A (zh) 一种穿刺手术机器人柔顺控制系统
Klingensmith et al. Closed-loop servoing using real-time markerless arm tracking
CN112809666B (zh) 一种基于神经网络的5-dof机械臂力位跟踪算法
Spong et al. Control in robotics
CN114571469A (zh) 一种机械臂零空间实时避障控制方法及系统
Liu et al. Dynamic modeling and adaptive neural-fuzzy control for nonholonomic mobile manipulators moving on a slope
Sadun et al. An overview of active compliance control for a robotic hand
Sumathy et al. Robust adaptive feedback linearization controller for an aerial robot working in narrow corridor and in-door environments
CN112959330B (zh) 基于主从动态运动基元的机器人双臂运动人机对应装置及方法
CN114888768A (zh) 一种基于多传感器融合的移动双工业机器人协同抓取系统及方法
Vergara et al. Generating reactive approach motions towards allowable manifolds using generalized trajectories from demonstrations
Yamakita et al. An application of passive velocity field control to cooperative multiple 3-wheeled mobile robots
Luk et al. Intelligent legged climbing service robot for remote inspection and maintenance in hazardous environments

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant