CN114770507A - 机器人的控制方法、控制装置及康复机器人 - Google Patents

机器人的控制方法、控制装置及康复机器人 Download PDF

Info

Publication number
CN114770507A
CN114770507A CN202210478536.9A CN202210478536A CN114770507A CN 114770507 A CN114770507 A CN 114770507A CN 202210478536 A CN202210478536 A CN 202210478536A CN 114770507 A CN114770507 A CN 114770507A
Authority
CN
China
Prior art keywords
output force
robot
motion information
historical
force
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
CN202210478536.9A
Other languages
English (en)
Other versions
CN114770507B (zh
Inventor
陈鑫
顾捷
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.)
Shanghai Fourier Intelligence Co Ltd
Original Assignee
Shanghai Fourier Intelligence Co Ltd
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 Shanghai Fourier Intelligence Co Ltd filed Critical Shanghai Fourier Intelligence Co Ltd
Priority to CN202210478536.9A priority Critical patent/CN114770507B/zh
Publication of CN114770507A publication Critical patent/CN114770507A/zh
Application granted granted Critical
Publication of CN114770507B publication Critical patent/CN114770507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1656Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1669Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00Manipulators not otherwise provided for
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本申请涉及机器人运动控制技术领域,公开了一种机器人的控制方法。该机器人的控制方法包括:获得机器人的当前运动信息;根据运动信息与输出力的对应关系,确定当前运动信息对应的下一时刻输出力;根据下一时刻输出力控制机器人;其中,运动信息与输出力的对应关系的确定,包括:控制机器人在补偿模式下运行,并使机器人在第二末端的拖动下运动;获得多组一一对应的历史运动信息以及历史模拟输出力;根据多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系。采用该机器人的控制方法可进一步实现按需助力。本申请还公开一种机器人的控制装置和康复机器人。

Description

机器人的控制方法、控制装置及康复机器人
技术领域
本申请涉及机器人运动控制技术领域,例如涉及一种机器人的控制方法、控制装置及康复机器人。
背景技术
目前,在用户的康复训练过程中,康复机器人可提供极大的辅助效果。在用户自身无法完成既定动作的情况下,康复机器人为用户提供助力,用户在康复机器人的辅助下完成既定动作。在康复机器人的控制方法中,可采用阻抗控制策略,使康复机器人的运行状态适应用户与康复机器人之间的交互力的变化,提高用户的参与感。
用户肌肉的损伤程度不同或恢复程度不同,对助力的需求不同,现有技术可利用鲁棒变结构控制方法,获得轨迹跟踪的自适应控制率,实现期望的轨迹自适应跟踪控制,在该过程中,将用户与康复机器人视为一个系统,并建立该系统的动力学模型,再通过径向基(Radial Basis Function,RBF)神经网络评估用户的康复程度和主动训练能力,进而依据动力学模型评估机器人提供的助力,之后再通过位置跟踪误差,确定按需辅助的衰减自适应率,最后通过衰减自适应率对评估出的机器人提供的助力进行实时衰减,实现按需辅助控制,满足用户对助力的需求,提高用户的参与感。
在实现本申请实施例的过程中,发现相关技术中至少存在如下问题:
用户肌肉的损伤位置不同或恢复程度不同,在一种既定动作的不同位置,对助力的需求不同,现有技术通过位置跟踪误差来体现用户对助力的需求情况,并据此实现机器人的按需辅助控制,但是,在用户实际动作与既定动作出现较大误差的位置,与用户需求助力的位置难以对应,这使现有技术的机器人提供助力的时机与用户需求助力的时机匹配程度较差。
发明内容
为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
本申请实施例提供了一种机器人的控制方法、控制装置和康复机器人,以提高机器人提供助力的时机与用户需求助力的时间匹配度,使机器人更好地实现按需辅助。
在一些实施例中,机器人所述机器人包括第一末端和第二末端,所述第一末端用于拖动负载,所述第一末端和所述第二末端相对静止,机器人的控制方法包括:获得机器人的当前运动信息;根据运动信息与输出力的对应关系,确定所述当前运动信息对应的下一时刻输出力;根据所述下一时刻输出力控制所述机器人;其中,运动信息与输出力的对应关系的确定,包括:控制所述机器人在补偿模式下运行,并使所述机器人在所述第二末端的拖动下运动,所述补偿模式包括摩擦力补偿,或者,摩擦力补偿和重力补偿,或者,摩擦力补偿、重力补偿和惯性力补偿;按照如下方式获得多组一一对应的历史运动信息以及历史模拟输出力:获得所述机器人的历史输出力、历史运动信息以及所述第一末端的历史受力;根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力;根据多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系。
可选地,获得机器人的当前运动信息,包括:获得所述机器人的关节的当前角度以及当前角速度;根据所述当前角度以及当前角速度确定所述第一末端的当前位置以及当前速度。
可选地,根据运动信息与输出力的对应关系,确定所述与当前运动信息对应的下一时刻输出力,包括:根据角度、角速度、位置、速度以及输出力的对应关系,确定所述当前角度、当前角速度、当前位置以及所述当前速度对应的所述下一时刻输出力。
可选地,所述下一时刻输出力为所述第一末端的下一时刻第一输出力;根据所述下一时刻输出力控制所述机器人,包括:根据机器人逆运动学将所述下一时刻第一输出力变换为所述机器人的关节的下一时刻第二输出力;根据所述下一时刻第二输出力控制所述机器人。
可选地,根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力,包括:将所述历史输出力与所述历史受力的矢量差,确定为所述历史模拟输出力。
可选地,所述下一时刻输出力为所述机器人的关节的下一时刻第二输出力;根据所述下一时刻输出力控制所述机器人,包括:根据所述下一时刻第二输出力控制所述机器人。
可选地,根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力,包括:根据机器人逆运动学,将所述历史受力变换为关节受力;将所述历史输出力与所述关节受力的矢量差,确定为所述历史模拟输出力。
可选地,在根据所述下一时刻输出力控制所述机器人之后,机器人的控制方法还包括:根据所述当前运动信息、所述下一时刻输出力以及所述第一末端的当前历史受力确定下一时刻的预期运动信息,或者,根据所述当前运动信息、所述下一时刻输出力以及所述第一末端的实际历史受力确定下一时刻的预期运动信息;获得所述机器人的实际运动信息;在所述实际运动信息与所述预期运动信息的实际差值大于或等于预设差值的情况下,根据所述实际运动信息与所述下一时刻输出力重新确定运动信息与输出力的对应关系。
可选地,根据运动信息与输出力的对应关系,确定所述当前运动信息对应的下一时刻输出力,包括:提取所述当前运动信息的特征信息;对所述特征信息进行分类处理,将分类结果确定为所述下一时刻输出力。
可选地,根据多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系,包括:获得所述机器人的期望轨迹信息;所述期望轨迹信息包括期望起始位置和期望终止位置,和/或,期望速度;根据所述期望轨迹信息、多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系。
在一些实施例中,机器人包括第一末端和第二末端,所述第一末端用于拖动负载,所述第一末端和所述第二末端相对静止,所述机器人的控制装置包括第一获得模块、第一确定模块和控制模块;所述第一获得模块用于获得机器人的当前运动信息;所述第一确定模块用于根据运动信息与输出力的对应关系,确定所述当前运动信息对应的下一时刻输出力;所述控制模块用于根据所述下一时刻输出力控制所述机器人;其中,运动信息与输出力的对应关系的确定,包括:控制所述机器人在补偿模式下运行,并使所述机器人在所述第二末端的拖动下运动,所述补偿模式包括摩擦力补偿,或者,摩擦力补偿和重力补偿,或者,摩擦力补偿、重力补偿和惯性力补偿;按照如下方式获得多组一一对应的历史运动信息以及历史模拟输出力:获得所述机器人的历史输出力、历史运动信息以及所述第一末端的历史受力;根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力;根据多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系。
在一些实施例中,机器人的控制装置包括处理器和存储有程序指令的存储器,所述处理器被配置为在执行所述程序指令时,执行前述实施例提供的机器人的控制方法。
在一些实施例中,康复机器人包括前述实施例提供的机器人的控制装置。
本申请实施例提供的机器人的控制方法、控制装置和康复机器人,可以实现以下技术效果:
在确定运动信息与输出力的对应关系的过程中,机器人在第二末端的拖动下运动,此时,第一末端也实现对应的运动轨迹,例如既定训练动作,并且,该第一末端运动过程中,实时采集第一末端的历史受力,该历史受力可反映第一末端对负载的作用力,例如第一末端对用户手臂提供的助力,据此确定的运动信息与输出力的对应关系,可反映负载(例如用户手臂)在不同位置所需的力,依据这样的运动信息与输出力对机器人进行控制,可使机器人在合适的位置提供合适的输出力,以满足负载在不同位置对力的需求,进而拖动负载完成既定动作,进一步实现了按需辅助。
以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。
附图说明
一个或一个以上实施例通过与之对应的附图进行示例性说明,这些示例性说明和附图并不构成对实施例的限定,附图中具有相同参考数字标号的元件视为类似的元件,并且其中:
图1是本申请实施例提供的一种机器人的应用场景示意图;
图2是本申请实施例提供的一种机器人的控制方法的流程示意图;
图3是本申请实施例提供的一种机器人的控制方法的流程示意图;
图4是本申请实施例提供的一种机器人的控制方法的流程示意图;
图5是本申请实施例提供的一种机器人的控制装置的示意图;
图6是本申请实施例提供的一种机器人的控制装置的示意图。
具体实施方式
为了能够更加详尽地了解本申请实施例的特点与技术内容,下面结合附图对本申请实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本申请实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或一个以上实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。
除非另有说明,术语“多个”表示两个以上。
本申请实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
图1是本申请实施例提供的一种机器人的应用场景示意图。结合图1所示,机器人包括第一末端11以及第二模块12,第一末端11和第二模块12相对静止,第一末端11用于拖动负载,例如可拖动第一用户13的手臂,第一末端11设置有力传感器(例如三维力传感器),可检测第一末端11的受力情况(负载对第一末端11施加的力),第二模块12用于拖动机器人,例如第二用户14通过第二模块12拖动机器人;机器人包括一个或多个机械臂,以及一个或多个关节。
在本申请实施例中,首先记录第二模块12拖动机器人运动时,第一末端11的受力情况以及机器人的运动信息,并依据记录的数据确定运动信息与输出力的对应关系,最后依据该输出力对机器人进行控制(第二模块12可空置),以复现第二模块12拖动机器人的运动时的运动信息,并使第一末端11为负载提供支撑力或驱动力,实现在恰当的实际为负载提供支撑力或驱动力。
在一些应用场景中,第一用户13可将手臂放置在机器人的第一末端11,第二用户14为第一用户13指定既定动作,第二用户14再拖动第二模块12,使第一用户13完成既定动作。这样,第二用户14辅助第一用户13完成多次既定动作,并记录每次完成既定动作的过程中的第一末端11的受力(第一用户13的手臂对第一末端11施加的力)以及机器人的运动信息,再依据这些第一末端11的受力以及机器人的运动信息,确定运动信息与输出力的对应关系;之后第一用户13完成该既定动作时,不再需要第二用户14的辅助,机器人即可在适当的时机为第一用户13提供适当的助力,辅助第一用户13完成既定动作。
在康复训练场景中,第一用户13可为具备康复训练需求的患者,第二用户14可为治疗师,这样,在机器人的辅助下,患者即可自主(无需治疗师辅助)完成康复训练。
应当理解的是,在康复训练场景中,本机器人的控制方法仅用于使机器人替代治疗师实现对患者的辅助,并非康复训练方法本身(非疾病治疗方法),患者机体功能的改善效果取决于治疗师指定的既定动作以及患者的实际训练情况,本机器人的控制方法不关注既定动作的具体内容以及患者的实际训练情况,仅用于复现机器人在第二模块12的拖动下的运动情况。
例如,本机器人的控制方法还可应用于运动员训练场景,第一用户13可为教练,第二用户14可为运动员,通过该机器人的控制方法可辅助运动员学习教练教授的具体动作。
图2是本申请实施例提供的一种机器人的控制方法的流程示意图,该机器人的控制方法可由机器人的控制器执行。本申请实施例以将机器人控制方法应用于图1中所示的机器人进行示例性说明。
结合图2所示,机器人的控制方法包括:
S201、获得机器人的当前运动信息。
机器人的当前运动信息可包括机器人的关节的当前角度以及当前角速度;或者,机器人的当前运动信息可包括第一末端的当前位置以及当前速度;或者,机器人的当前运动信息可包括机器人的关节的当前角度和当前角速度,以及第一末端的当前位置和当前速度。
可通过角度传感器获得机器人的关节的当前角度以及当前角速度,在机器人包括多个关节的情况下,获得每个关节的当前角度以及当前角速度。
可根据关节的当前角度以及当前角速度,计算第一末端的当前位置以及当前速度,例如根据机器人正向动力学,由一个或多个关节的当前角度以及当前角速度计算第一末端的当前位置以及当前速度。
S202、根据运动信息与输出力的对应关系,确定当前运动信息对应的下一时刻输出力。
可通过试验的方式获得运动信息与输出力的对应关系,例如,在第一末端存在负载的情况下,通过第二末端拖动机器人运动,实时记录机器人的运动信息以及第一末端的受力,可忽略第一末端加速度的变化,将与该受力方向相反大小相同的力确定为输出力,或者,将机器人的重力与该受力的矢量差确定为输出力,依次记录每个位置处运动信息及其对应的输出力,将记录的每个位置处运动信息及其对应的输出力确定为运动信息与输出力的对应关系,将该对应关系存储至数据库。
在获得运动信息之后,在数据库中查询该运动信息,即可获得与运动信息对应的下一时刻输出力。
或者,还可通过如下方式确定运动信息与输出力的对应关系的确定:
控制机器人在补偿模式下运行,并使机器人在第二末端的拖动下运动,补偿模式包括摩擦力补偿,或者,摩擦力补偿和重力补偿,或者,摩擦力补偿、重力补偿和惯性力补偿;
按照如下方式获得多组一一对应的历史运动信息以及历史模拟输出力:获得机器人的历史输出力、历史运动信息以及第一末端的历史受力;根据历史输出力和历史受力确定历史运动信息对应的历史模拟输出力;
根据多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系。
上述摩擦力补偿指的是依据机器人的摩擦力模型确定与机器人的运动信息对应的摩擦力,并将该摩擦力补偿至机器人的输出(例如关节的输出力矩),以达到这样的效果:在对机器人进行控制(例如速度跟踪或位置跟踪)时,可无需考虑摩擦力对机器人的运动状态带来的影响。
上述重力补偿指的是依据机器人的重力模型确定与机器人的运动状态对应的重力,并将该重力补偿至机器人的输出,以达到这样的效果:在对机器人进行控制时,可无需考虑机器人自身重力对机器人的运动状态带来的影响。
上述惯性力补偿指的是依据机器人的质量模型,确定与机器人运动轨迹的加速度对应的惯性力,并将该惯性力补偿至机器人的输出,以达到这样效果:在对机器人进行控制时,可无需考虑由于机器人运动速度的改变对机器人输出的影响。
在机器人为平面机器人(机器人末端在平面运动)的情况下,补偿模式可包括摩擦力补偿,在机器人为立体机器人(机器人末端在立体空间中运动)的情况下,如果机器人本身质量可忽略,则补偿模式可包括摩擦力补偿,或者,摩擦力补偿和重力补偿;如果机器人本身指令不可忽略,则补偿模式可包括摩擦力补偿、重力补偿以及惯性力补偿。控制机器人在补偿模式下运行,可使第二末端的受力直接作用到第一末端的负载(相当于机器人不存在)。
机器人可在第二末端的拖动下,沿相同轨迹反复运动多次,在每一次运动过程中,均获得多组一一对应的历史运动信息以及历史模拟输出力;再根据获得的全部的一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系。
下一时刻输出力可为第一末端的下一时刻第一输出力,或者,机器人的关节的下一时刻第二输出力。
在下一时刻输出力为第一末端的下一时刻第一输出力的情况下,根据历史输出力和历史受力确定历史运动信息对应的历史模拟输出力,可包括:将历史输出力与历史受力的矢量差,确定为历史模拟输出力。这样即可获得历史模拟输出力。
在下一时刻输出力为机器人的关节的下一时刻第二输出力的情况下,根据历史输出力和历史受力确定历史运动信息对应的历史模拟输出力,可包括:根据机器人逆运动学,将历史受力变换为关节受力;将历史输出力与关节受力的矢量差,确定为历史模拟输出力。这样即可获得历史模拟输出力。
可根据获得的全部的一一对应的历史运动信息以及历史模拟输出力,获得以运动信息为自变量以历史模拟输出力为因变量的拟合公式,将该拟合公式确定为运动信息与输出力的对应关系。
或者,可将获得的全部的一一对应的历史运动信息以及历史模拟输出力作为训练数据,同时以运动信息为输入量以历史模拟输出力为输出量,对预设人工神经网络(Artificial Neural Network,ANN)进行训练,将训练后的预设人工神经网络确定为运动信息与输出力的对应关系。这里的预设人工神经网络可以是全连接神经网络(FullyConnected Neural Network,FCNN或FC)或多层感知机(MultilayerPerceptron,MLP)。
在具体应用中,训练数据中的一部分一一对应的历史运动信息以及历史模拟输出力可在实验室以试验的方式获得,并利用这些训练数据对预设人工神经网络进行训练;在将该机器人的控制方法应用至具体型号的机器人时,将该具体型号的机器人的历史运动信息以及历史模拟输出力确定为另一部分训练数据,使预设人工神经网络进行迁移学习,以获得符合该具体型号的机器人的运动信息与输出力的对应关系。
通过上述方式即可获得运动信息与输出力的对应关系,在上述过程中,使机器人在补偿模式运行,可相当于第二末端的受力直接作用到第一末端的负载,在教练指导运动员动作的场景,相当于教练直接针对运动员的不足对运动员进行指导,这样由第二末端拖动机器人运动,历史受力的变化情况可准确地反映负载在不同位置处和/或不同速度处对助力的需求,据此确定出的运动信息与输出力的对应关系,可使机器人提供助力的时机与负载(或运动员)需求助力的时机更加匹配。
对应地,在将拟合公式确定为运动信息与输出力的对应关系的情况下,根据运动信息与输出力的对应关系,确定当前运动信息对应的下一时刻输出力,包括:将当前运动信息输入至拟合公式,将拟合公式的输出确定为第一当前运动信息对应的下一时刻输出力。
在训练后的预设人工神经网络确定为运动信息与输出力的对应关系的情况下,根据运动信息与输出力的对应关系,确定当前运动信息对应的下一时刻输出力,包括:提取当前运动信息的特征信息;对特征信息进行分类处理,将分类结果确定为下一时刻输出力。
通过上述方案即可获得运动信息对应的下一时刻输出力。
S203、根据下一时刻输出力控制机器人。
在下一时刻输出力为第一末端的下一时刻第一输出力,根据逆运动学将下一时刻第一输出力变换机器人的关节的下一时刻第二输出力;根据下一时刻第二输出力控制机器人;在下一时刻输出力为机器人的关节的下一时刻第二输出力的情况下,直接根据下一时刻第二输出力控制机器人。
这里的控制机器人,指的是对机器人的关节的输出扭矩进行控制,上述下一时刻第二输出力指的是关节的输出扭矩,在具体控制过程中,根据逆运动学,将下一时刻第二输出力变换为机器人关节处电机的输出扭矩,控制关节处电机的输入信号,使每个关节处的电机输出对应的扭矩。
在确定运动信息与输出力的对应关系的过程中,机器人在第二末端的拖动下运动,此时,第一末端也实现对应的运动轨迹,例如既定训练动作,并且,该第一末端运动过程中,实时采集第一末端的历史受力,该历史受力可反映第一末端对负载的作用力,例如第一末端对用户手臂提供的助力,据此确定的运动信息与输出力的对应关系,可反映负载(例如用户手臂)在不同位置所需的力,依据这样的运动信息与输出力对机器人进行控制,可使机器人在合适的位置提供合适的输出力,以满足负载在不同位置对力的需求,进而拖动负载完成既定动作,进一步实现了按需辅助。
在常规的机器人的控制方法中,通常采用位置跟踪或速度跟踪的控制方案,即,通过控制机器人关节的输出力矩,调整机器人的速度或位置,使机器人的速度达到预期速度,或者,使机器人的位置达到预期位置。而在本方案技术方案中,根据运动信息和输出力的对应关系来控制机器人,在运动信息改变的情况下,依据运动信息调整输出力,该输出力会促使机器人的运动信息发生改变,进而再依据运动信息调整输出力,如此往复。
图3是本申请实施例提供的一种机器人的控制方法的流程示意图。机器人的当前运动信息可包括机器人的关节的当前速度以及当前角速度,以及第一末端的当前位置以及当前速度。
结合图3所示,机器人的控制方法可包括:
S301、获得机器人的关节的当前角度以及当前角速度。
S302、获得第一末端的当前位置以及当前速度。
S303、根据角度、角速度、位置、速度以及输出力的对应关系,确定当前角度、当前角速度、当前位置以及当前速度对应的下一时刻输出力。
同样,可控制机器人在补偿模式下运行,并使机器人在第二末端的拖动下运动,补偿模式包括摩擦力补偿,或者,摩擦力补偿和重力补偿,或者,摩擦力补偿、重力补偿和惯性力补偿;
按照如下方式获得多组一一对应的角度、角速度、位置、速度以及历史模拟输出力:获得机器人的输出力、第一末端的历史受力、关节的角度以及角速度、第一末端的当前位置以及当前速度;根据历史输出力和历史受力确定角度、角速度、位置、速度对应的历史模拟输出力;
根据多组一一对应的角度、角速度、位置、速度以及历史模拟输出力,确定角度、角速度、位置、速度与输出力的对应关系。
S304、根据下一时刻输出力控制机器人。
图4是本申请实施例提供的一种机器人的控制方法的流程示意图。
结合图4所示,机器人的控制方法包括:
S401、获得机器人的当前运动信息。
S402、根据运动信息与输出力的对应关系,确定当前运动信息对应的下一时刻输出力。
S403、根据下一时刻输出力控制机器人。
S404、根据当前运动信息、下一时刻输出力以及第一末端的当前历史受力确定下一时刻的预期运动信息,或者,根据当前运动信息、下一时刻输出力以及第一末端的实际历史受力确定下一时刻的预期运动信息。
第一末端的当前历史受力是在步骤根据下一时刻输出力控制机器人之前检测的;第一末端第一实际历史受力是在步骤根据下一时刻输出力控制机器人之后检测的。
通过下一时刻输出力以及第一末端的当前历史受力可计算机器人所受合力,进而可依据该合力在当前运动信息的基础上计算出预期运动信息。或者,通过下一时刻输出力以及第一末端的实际历史受力计算机器人所受合力,进而依据该合力在当前运动信息的基础上计算出预期运动信息。
在依据运动信息与输出力的对应关系对机器人进行控制的过程中,如果机器人未被外力介入,例如机器人的第二末端空置(未受力),则机器人的控制过程为根据运动信息确定输出力,输出力反过来影响机器人的运动信息,之后再依据运动信息确定输出力,如此反复,在该过程中,机器人的运动信息以及输出力均不会发生突变。这样,可以通过下一时刻输出力与第一末端的当前历史受力,这两个不同时刻的力来表示机器人的合力。进而确定机器人的下一时刻的预期运动信息。
以下对确定预期运动信息的过程进行说明:
预期运动信息可以是第一末端的预期运动信息,还可以是机器人的关节的预期运动信息。
在预期运动信息为第一末端的预期运动信息的情况下,如果运动信息表示关节的运动信息,则根据机器人正向动力学,将运动信息变换为第一末端的运动信息;如果下一时刻输出力表示关节的输出力,则根据机器人正向动力学,将下一时刻输出力变换为第一末端的输出力。
在预期运动新信息机器人的关节的预期运动信息的情况下,如果运动信息表示第一末端的运动信息,则根据机器人逆动力学,将运动信息变换为关节的运动信息;如果下一时刻输出力表示第一末端的输出力,则根据机器人逆动力学,将下一时刻输出力变换为关节的输出力;同时,根据机器人逆动力学,将第一末端的当前历史受力或实际历史受力,变换为机器人关节的受力。
通过上述方式确定的预期运动信息,指的是在根据运动信息与输出力的对应关系控制机器人的过程中,(在负载之外)没有外力介入的情况下预期运动信息。
S405、获得机器人的实际运动信息。
在预期运动信息为第一末端的运动信息的情况下,实际运动信息也为第一末端的运动信息;在预期运动信息为机器人的关节的运动信息的情况下,实际运动信息也为第一末端的运动信息。
S406、在实际运动信息与预期运动信息的实际差值大于或等于预设差值的情况下,根据实际运动信息与下一时刻输出力重新确定运动信息与输出力的对应关系。
本申请实施例中适用于在根据运动信息与输出力对机器人进行控制的过程中,存在处负载之外的外力介入的场景,例如,在依据运动信息与输出力的对应关系控制机器人的过程中,第二末端同时也受力,这种情况下,机器人的实际运动信息受到机器人的输出力以及第二末端受力的影响。使机器人的实际运动信息偏离预期运动信息。
上述预设差值可表示容错指标,预设差值过小,则容易反复重新确定运动信息与输出力的对应关系,容易导致系统不稳定,预设差值过大,则容易导致第一末端拖动第一负载的运行轨迹脱离预期轨迹,本领域技术人员可据此设置符合实际情况下预设差值。
预设差值可以是预设位置差值、预设速度差值、预设角度差值或预设角速度差值。
在本申请提供的实施例中,如果外力介入机器人的控制过程,则根据该外力的介入结果(实际运动信息)重新确定运动信息与输出力的对应关系,依据重新确定的运动信息与输出力的对应关系控制机器人,可使机器人的第一末端拖动负载的运行轨迹更加符合预期。
例如,第一用户的手臂在第一末端的辅助下运动,如果手臂的运动轨迹不符合第二用户的预期,则第二用户可通过第二末端接入第一用户的手臂的运动过程,以使第一用户的手臂的运动轨迹符合第二用户的预期,在第二用户介入之后,本机器人的控制方法依据介入后的运行结果,更新运动信息与输出力的对应关系,再依据更新后的运动信息与输出力的对应关系控制机器人对第一用户的手臂运动过程进行辅助,更容易使第一用户的手臂的运动轨迹符合第二用户的预期。
以下对运动信息与输出力的对应关系的确定过程进行进一步说明:
可选地,根据多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系,包括:获得机器人的期望轨迹信息;期望轨迹信息包括期望起始位置和期望终止位置,和/或,期望速度;根据期望轨迹信息、多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系。
这里的期望起始位置以及期望终止位置可表示第一末端的起始位置以及终止位置,期望速度可表示第一末端的期望速度。
具体地,该技术方案包括以下内容:根据期望起始位置和期望终止位置、多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系;根据期望速度、多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系。
在本实施例中,可将期望起始位置和期望终止位置、多组一一对应的历史运动信息以及历史模拟输出力作为训练数据,对预设人工神经网络的进行训练,以训练后的预设人工神经网络表示运动信息与输出力的对应关系;或者,将期望速度、多组一一对应的历史运动信息以及历史模拟输出力作为训练数据,对预设人工神经网络进行训练,以训练后的预设人工神经网络表示运动信息与输出力的对应关系。
图5是本申请实施例提供的一种机器人的控制装置的示意图。该机器人的控制装置可通过软件、硬件或二者结合的形式实现。
结合图5所示,机器人的控制装置包括第一获得模块51、第一确定模块52以及控制模块53;第一获得模块51用于获得机器人的当前运动信息;第一确定模块52用于根据运动信息与输出力的对应关系,确定当前运动信息对应的下一时刻输出力;控制模块53用于根据下一时刻输出力控制机器人;其中,运动信息与输出力的对应关系的确定,包括:控制机器人在补偿模式下运行,并使机器人在第二末端的拖动下运动,补偿模式包括摩擦力补偿,或者,摩擦力补偿和重力补偿,或者,摩擦力补偿、重力补偿和惯性力补偿;按照如下方式获得多组一一对应的历史运动信息以及历史模拟输出力:获得机器人的历史输出力、历史运动信息以及第一末端的历史受力;根据历史输出力和历史受力确定历史运动信息对应的历史模拟输出力;根据多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系。
可选地,第一获得模块51包括获得单元和确定单元;获得单元用于获得机器人的关节的当前角度以及当前角速度;确定单元用于根据当前角度以及当前角速度确定第一末端的当前位置以及当前速度。
可选地,第一确定模块52具体用于根据角度、角速度、位置、速度以及输出力的对应关系,确定当前角度、当前角速度、当前位置以及当前速度对应的下一时刻输出力。
可选地,下一时刻输出力为第一末端的下一时刻第一输出力;控制模块53包括变换单元和第一控制单元;变换单元用于根据机器人逆运动学将下一时刻第一输出力变换为机器人的关节的下一时刻第二输出力;第一控制单元用于根据下一时刻第二输出力控制机器人。
可选地,根据历史输出力和历史受力确定历史运动信息对应的历史模拟输出力,包括:将历史输出力与历史受力的矢量差,确定为历史模拟输出力。
可选地,下一时刻输出力为机器人的关节的下一时刻第二输出力;控制模块53包括第二控制单元;第二控制单元用于根据下一时刻第二输出力控制机器人。
可选地,根据历史输出力和历史受力确定历史运动信息对应的历史模拟输出力,包括:根据机器人逆运动学,将历史受力变换为关节受力;将历史输出力与关节受力的矢量差,确定为历史模拟输出力。
可选地,机器人的控制装置还包括第二确定模块、第二获得模块和第三确定模块;第二确定模块用于在根据下一时刻输出力控制机器人之后,根据当前运动信息、下一时刻输出力以及第一末端的当前历史受力确定下一时刻的预期运动信息,或者,根据当前运动信息、下一时刻输出力以及第一末端的实际历史受力确定下一时刻的预期运动信息;第二获得模块用于获得机器人的实际运动信息;第三确定模块用于在实际运动信息与预期运动信息的实际差值大于或等于预设差值的情况下,根据实际运动信息与下一时刻输出力重新确定运动信息与输出力的对应关系。
可选地,第一确定模块52包括特征提取单元和分类单元;特征提取单元用于提取当前运动信息的特征信息;分类单元用于对特征信息进行分类处理,将分类结果确定为下一时刻输出力。
可选地,根据多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系,包括:获得机器人的期望轨迹信息;期望轨迹信息包括期望起始位置和期望终止位置,和/或,期望速度;根据期望轨迹信息、多组一一对应的历史运动信息以及历史模拟输出力,确定运动信息与输出力的对应关系。
在一些实施例中,机器人的控制装置包括处理器和存储有程序指令的存储器,处理器被配置为在执行程序指令时,执行前述实施例提供的机器人的控制方法。
图6是本申请实施例提供的一种机器人的控制装置的示意图。结合图6所示,机器人的控制装置包括:
处理器(processor)61和存储器(memory)62,还可以包括通信接口(Communication Interface)63和总线64。其中,处理器61、通信接口63、存储器62可以通过总线64完成相互间的通信。通信接口63可以用于信息传输。处理器61可以调用存储器62中的逻辑指令,以执行前述实施例提供的机器人的控制方法。
此外,上述的存储器62中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器62作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本申请实施例中的方法对应的程序指令/模块。处理器61通过运行存储在存储器62中的软件程序、指令以及模块,从而执行功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器62可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非易失性存储器。
本申请实施例提供了一种康复机器人,包含前述实施例提供的机器人的控制装置。
本申请实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令设置为执行前述实施例提供的机器人的控制方法。
本申请实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行前述实施例提供的机器人的控制方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
本申请实施例的技术方案可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括一个或一个以上指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请实施例中方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质,包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机读取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
以上描述和附图充分地示出了本申请的实施例,以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且,本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。另外,当用于本申请中时,术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法或者设备中还存在另外的相同要素。本文中,每个实施例重点说明的可以是与其他实施例的不同之处,各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言,如果其与实施例公开的方法部分相对应,那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本文所披露的实施例中,所揭露的方法、产品(包括但不限于装置、设备等),可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,可以仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外,在本申请实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本申请实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或一个以上用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。

Claims (10)

1.一种机器人的控制方法,其特征在于,所述机器人包括第一末端和第二末端,所述第一末端用于拖动负载,所述第一末端和所述第二末端相对静止,所述控制方法包括:
获得机器人的当前运动信息;
根据运动信息与输出力的对应关系,确定所述当前运动信息对应的下一时刻输出力;
根据所述下一时刻输出力控制所述机器人;
其中,运动信息与输出力的对应关系的确定,包括:
控制所述机器人在补偿模式下运行,并使所述机器人在所述第二末端的拖动下运动,所述补偿模式包括摩擦力补偿,或者,摩擦力补偿和重力补偿,或者,摩擦力补偿、重力补偿和惯性力补偿;
按照如下方式获得多组一一对应的历史运动信息以及历史模拟输出力:获得所述机器人的历史输出力、历史运动信息以及所述第一末端的历史受力;根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力;
根据多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系。
2.根据权利要求1所述的控制方法,其特征在于,
获得机器人的当前运动信息,包括:获得所述机器人的关节的当前角度以及当前角速度;根据所述当前角度以及当前角速度确定所述第一末端的当前位置以及当前速度;
根据运动信息与输出力的对应关系,确定所述与当前运动信息对应的下一时刻输出力,包括:根据角度、角速度、位置、速度以及输出力的对应关系,确定所述当前角度、当前角速度、当前位置以及所述当前速度对应的所述下一时刻输出力。
3.根据权利要求1所述的控制方法,其特征在于,所述下一时刻输出力为所述第一末端的下一时刻第一输出力;
根据所述下一时刻输出力控制所述机器人,包括:根据机器人逆运动学将所述下一时刻第一输出力变换为所述机器人的关节的下一时刻第二输出力;根据所述下一时刻第二输出力控制所述机器人;
根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力,包括:将所述历史输出力与所述历史受力的矢量差,确定为所述历史模拟输出力。
4.根据权利要求1所述的控制方法,其特征在于,所述下一时刻输出力为所述机器人的关节的下一时刻第二输出力;
根据所述下一时刻输出力控制所述机器人,包括:根据所述下一时刻第二输出力控制所述机器人;
根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力,包括:根据机器人逆运动学,将所述历史受力变换为关节受力;将所述历史输出力与所述关节受力的矢量差,确定为所述历史模拟输出力。
5.根据权利要求1至4任一项所述的控制方法,其特征在于,在根据所述下一时刻输出力控制所述机器人之后,还包括:
根据所述当前运动信息、所述下一时刻输出力以及所述第一末端的当前历史受力确定下一时刻的预期运动信息,或者,根据所述当前运动信息、所述下一时刻输出力以及所述第一末端的实际历史受力确定下一时刻的预期运动信息;
获得所述机器人的实际运动信息;
在所述实际运动信息与所述预期运动信息的实际差值大于或等于预设差值的情况下,根据所述实际运动信息与所述下一时刻输出力重新确定运动信息与输出力的对应关系。
6.根据权利要求1至4任一项所述的控制方法,其特征在于,根据运动信息与输出力的对应关系,确定所述当前运动信息对应的下一时刻输出力,包括:
提取所述当前运动信息的特征信息;
对所述特征信息进行分类处理,将分类结果确定为所述下一时刻输出力。
7.根据权利要求1至4任一项所述的控制方法,其特征在于,根据多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系,包括:
获得所述机器人的期望轨迹信息;所述期望轨迹信息包括期望起始位置和期望终止位置,和/或,期望速度;
根据所述期望轨迹信息、多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系。
8.一种机器人的控制装置,其特征在于,所述机器人包括第一末端和第二末端,所述第一末端用于拖动负载,所述第一末端和所述第二末端相对静止,所述控制装置包括:
第一获得模块,用于获得机器人的当前运动信息;
第一确定模块,用于根据运动信息与输出力的对应关系,确定所述当前运动信息对应的下一时刻输出力;
控制模块,用于根据所述下一时刻输出力控制所述机器人;
其中,运动信息与输出力的对应关系的确定,包括:
控制所述机器人在补偿模式下运行,并使所述机器人在所述第二末端的拖动下运动,所述补偿模式包括摩擦力补偿,或者,摩擦力补偿和重力补偿,或者,摩擦力补偿、重力补偿和惯性力补偿;
按照如下方式获得多组一一对应的历史运动信息以及历史模拟输出力:获得所述机器人的历史输出力、历史运动信息以及所述第一末端的历史受力;根据所述历史输出力和所述历史受力确定所述历史运动信息对应的所述历史模拟输出力;
根据多组一一对应的所述历史运动信息以及所述历史模拟输出力,确定运动信息与输出力的对应关系。
9.一种机器人的控制装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在执行所述程序指令时,执行如权利要求1至7任一项所述的机器人的控制方法。
10.一种康复机器人,其特征在于,包括如权利要求9所述的机器人的控制装置。
CN202210478536.9A 2022-05-05 2022-05-05 机器人的控制方法、控制装置及康复机器人 Active CN114770507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210478536.9A CN114770507B (zh) 2022-05-05 2022-05-05 机器人的控制方法、控制装置及康复机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210478536.9A CN114770507B (zh) 2022-05-05 2022-05-05 机器人的控制方法、控制装置及康复机器人

Publications (2)

Publication Number Publication Date
CN114770507A true CN114770507A (zh) 2022-07-22
CN114770507B CN114770507B (zh) 2023-06-23

Family

ID=82434740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210478536.9A Active CN114770507B (zh) 2022-05-05 2022-05-05 机器人的控制方法、控制装置及康复机器人

Country Status (1)

Country Link
CN (1) CN114770507B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103536424A (zh) * 2013-10-26 2014-01-29 河北工业大学 一种步态康复训练机器人的控制方法
CN108453736A (zh) * 2018-03-22 2018-08-28 哈尔滨工业大学 一种基于深度学习的多自由度同步肌电控制方法
CN108789363A (zh) * 2018-05-25 2018-11-13 雅客智慧(北京)科技有限公司 一种基于力传感器的直接拖动示教系统及方法
CN109746936A (zh) * 2018-12-19 2019-05-14 北京镁伽机器人科技有限公司 机器人的关节限位方法、装置、系统及存储介质
CN111660307A (zh) * 2020-05-27 2020-09-15 华中科技大学 一种机器人操作高辅精度的虚拟夹具控制方法及系统
US20210122049A1 (en) * 2019-10-28 2021-04-29 Lg Electronics Inc. Robot, method of operating same, and robot system including same
WO2021249315A1 (zh) * 2020-06-09 2021-12-16 上海神泰医疗科技有限公司 康复机器人的操作方法、康复机器人及可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103536424A (zh) * 2013-10-26 2014-01-29 河北工业大学 一种步态康复训练机器人的控制方法
CN108453736A (zh) * 2018-03-22 2018-08-28 哈尔滨工业大学 一种基于深度学习的多自由度同步肌电控制方法
CN108789363A (zh) * 2018-05-25 2018-11-13 雅客智慧(北京)科技有限公司 一种基于力传感器的直接拖动示教系统及方法
CN109746936A (zh) * 2018-12-19 2019-05-14 北京镁伽机器人科技有限公司 机器人的关节限位方法、装置、系统及存储介质
US20210122049A1 (en) * 2019-10-28 2021-04-29 Lg Electronics Inc. Robot, method of operating same, and robot system including same
CN111660307A (zh) * 2020-05-27 2020-09-15 华中科技大学 一种机器人操作高辅精度的虚拟夹具控制方法及系统
WO2021249315A1 (zh) * 2020-06-09 2021-12-16 上海神泰医疗科技有限公司 康复机器人的操作方法、康复机器人及可读存储介质

Also Published As

Publication number Publication date
CN114770507B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
US20230330848A1 (en) Reinforcement and imitation learning for a task
US10717191B2 (en) Apparatus and methods for haptic training of robots
US20190184556A1 (en) Apparatus and methods for online training of robots
CN111546315B (zh) 一种基于人机协作的机器人柔顺示教及再现方法
CN110597072B (zh) 机器人导纳柔顺控制方法及系统
CN109397285B (zh) 一种装配方法、装配装置及装配设备
CN111844034B (zh) 基于深度强化学习的端到端在轨自主加注控制系统及方法
JP2020093366A (ja) ロボット
CN112894821A (zh) 基于电流法的协作机器人拖动示教控制方法、装置及设备
CN115256395A (zh) 基于控制障碍函数的模型不确定机器人安全控制方法
CN113070878A (zh) 基于脉冲神经网络的机器人控制方法、机器人及存储介质
CN112230542B (zh) 用于补偿摩擦力或摩擦力矩的方法、装置和康复机器人
KR20030019125A (ko) 로봇의 지능 보완 방법 및 시스템, 이에 의한 로봇을이용한 다이나믹 교육 방법 및 시스템
Yang et al. Variable impedance skill learning for contact-rich manipulation
EP3884436A1 (en) Controlling agents using latent plans
CN115249060A (zh) 训练风格编码器的方法、产生驾驶风格表示的方法、设备、计算机程序产品及存储介质
CN114770507A (zh) 机器人的控制方法、控制装置及康复机器人
Jiang et al. Mobile robot path planning based on dynamic movement primitives
KR20240057422A (ko) 멀티 모드 입력을 사용하여 인터렉티브 에이전트 제어
CN214480701U (zh) 基于Web网页的云机器人控制系统
Ding et al. Research on static fault-tolerant control method of thruster based on MPC
US20220297303A1 (en) System(s) and method(s) of using imitation learning in training and refining robotic control policies
JP7207393B2 (ja) 情報処理装置および情報処理方法
CN115070749A (zh) 控制机器人的方法、装置、设备、系统及可读存储介质
CN111796679A (zh) 一种远程电磁触觉再现系统、磁场生成及触觉预测方法

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