CN114952821A - 机器人运动控制方法、机器人及系统 - Google Patents

机器人运动控制方法、机器人及系统 Download PDF

Info

Publication number
CN114952821A
CN114952821A CN202110212936.0A CN202110212936A CN114952821A CN 114952821 A CN114952821 A CN 114952821A CN 202110212936 A CN202110212936 A CN 202110212936A CN 114952821 A CN114952821 A CN 114952821A
Authority
CN
China
Prior art keywords
robot
slave
force
information
master
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.)
Pending
Application number
CN202110212936.0A
Other languages
English (en)
Inventor
周诚
赵龙飞
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202110212936.0A priority Critical patent/CN114952821A/zh
Publication of CN114952821A publication Critical patent/CN114952821A/zh
Pending legal-status Critical Current

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
    • B25J9/1656—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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • 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
    • B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本申请公开了一种机器人运动控制方法、机器人及系统，涉及人工智能技术的机器人控制技术领域。所述方法包括：获取主端机器人的第一关节信息和操作者的输入力，以及来自从端机器人的反馈力和第二关节信息；基于所述第一关节信息、所述操作者的输入力、所述反馈力和所述第二关节信息，计算得到用于控制所述主端机器人运动的等效驱动力；基于所述用于控制所述主端机器人运动的等效驱动力，控制所述主端机器人运动。本申请通过在获取从端机器人与环境物体的交互力和从端机器人的关节信息的基础上，确定主端机器人的等效驱动力，使得主端机器人可根据从端机器人对环境物体的力感知和从端机器人的位置信息，实现对从端机器人的准确控制。

Description

机器人运动控制方法、机器人及系统
技术领域
本申请实施例涉及人工智能技术的机器人控制技术领域，特别涉及一种机器人运动控制方法、机器人及系统。
背景技术
双边遥操作系统可以包括主端机器人、通信环节和从端机器人。操作者通过对主端机器人进行操作，以实现对从端机器人的控制。
在相关技术中，主端机器人根据从端机器人所反馈的与环境物体的交互力，来模拟从端机器人在任务环境中的真实情况。操作者再根据从端机器人所发送的视觉信息对主端机器人进行操作，进而实现对从端机器人的控制。
然而，在视觉遮挡的情况下，从端机器人将反馈低质量的视觉信息，操作者操作难度大，操作准确性不高。
发明内容
本申请实施例提供了一种机器人运动控制方法、机器人及系统，能够实现主端机器人在视觉遮挡的情况下亦可根据从端机器人对环境物体的力感知和从端机器人的位置信息，对从端机器人进行准确控制，提高了主端机器人的感知能力，从而提高了对从端机器人的控制准确性。所述技术方案如下：
根据本申请实施例的一个方面，提供了一种机器人运动控制方法，所述方法包括：
获取主端机器人的第一关节信息和操作者的输入力，以及来自从端机器人的反馈力和第二关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态，所述反馈力是指所述从端机器人与环境物体之间的交互力；
基于所述第一关节信息、所述操作者的输入力、所述反馈力和所述第二关节信息，计算得到用于控制所述主端机器人运动的等效驱动力；
基于所述用于控制所述主端机器人运动的等效驱动力，控制所述主端机器人运动。
根据本申请实施例的一个方面，提供了一种机器人运动控制方法，所述方法包括：
获取从端机器人的第二关节信息、环境物体作用于所述从端机器人的反馈力，以及来自主端机器人的操作者的输入力和第一关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态；
基于所述第二关节信息、所述反馈力、所述操作者的输入力和所述第一关节信息，计算得到用于控制所述从端机器人运动的等效驱动力；
基于所述用于控制所述从端机器人运动的等效驱动力，控制所述从端机器人运动。
根据本申请实施例的一个方面，提供了一种机器人运动控制装置，所述装置包括：
主端信息获取模块，用于获取主端机器人的第一关节信息和操作者的输入力，以及来自从端机器人的反馈力和第二关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态，所述反馈力是指所述从端机器人与环境物体之间的交互力；
主端驱动力计算模块，用于基于所述第一关节信息、所述操作者的输入力、所述反馈力和所述第二关节信息，计算得到用于控制所述主端机器人运动的等效驱动力；
主端运动控制模块，用于基于所述用于控制所述主端机器人运动的等效驱动力，控制所述主端机器人运动。
根据本申请实施例的一个方面，提供了一种机器人运动控制装置，所述装置包括：
从端信息获取模块，用于获取从端机器人的第二关节信息、环境物体作用于所述从端机器人的反馈力，以及来自主端机器人的操作者的输入力和第一关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态；
从端驱动力计算模块，用于基于所述第二关节信息、所述反馈力、所述操作者的输入力和所述第一关节信息，计算得到用于控制所述从端机器人运动的等效驱动力；
从端运动控制模块，用于基于所述用于控制所述从端机器人运动的等效驱动力，控制所述从端机器人运动。
根据本申请实施例的一个方面，提供了一种机器人，所述机器人包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述机器人运动控制方法。
根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述机器人运动控制方法。
根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。机器人的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该机器人执行上述机器人运动控制方法。
据本申请实施例的一个方面，提供了一种双边遥操作系统，所述双边遥操作系统包括主端机器人和从端机器人，所述主端机器人用于执行所述主端机器人侧的机器人运动控制方法，所述从端机器人用于执行所述从端机器人侧的机器人运动控制方法。
本申请实施例提供的技术方案至少包括如下有益效果：
通过在获取从端机器人与环境物体的交互力和从端机器人的关节信息的基础上，确定主端机器人的等效驱动力，使得主端机器人可根据从端机器人对环境物体的力感知和从端机器人的位置信息，实现对从端机器人的准确控制，提高了主端机器人的感知能力。同时可以对从端机器人进行更加准确地控制，提高了控制的准确性。
另外，由于主端机器人是根据从端机器人对环境物体的力感知和从端机器人的位置信息对从端机器人进行控制，即便在视觉存在遮挡的情况下，主端机器人亦可准确地控制从端机器人，降低视觉遮挡的影响，提高了机器人性能。在保证了操作的准确性的同时，保证了操作的合理性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的同构型双边遥操作机器人的结构示意图；
图2是本申请一个实施例提供的机器人运动控制方法的流程图；
图3是本申请另一个实施例提供的机器人运动控制方法的流程图；
图4是本申请另一个实施例提供的机器人运动控制方法的流程图；
图5是本申请一个实施例提供的主端机器人的信息内容的示意图；
图6是本申请一个实施例提供的从端机器人的信息内容的示意图；
图7是本申请一个实施例提供的机器人运动控制装置的框图；
图8是本申请另一个实施例提供的机器人运动控制装置的框图；
图9是本申请另一个实施例提供的机器人运动控制装置的框图；
图10是本申请另一个实施例提供的机器人运动控制装置的框图；
图11是本申请一个实施例提供的机器人的简化结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请技术方案主要涉及人工智能技术中的机器人技术，主要涉及机器人智能控制。机器人是利用机械传动、现代微电子技术组合而成的一种能模仿人某种技能的机械电子设备，机器人是在电子、机械及信息技术的基础上发展而来的。机器人的样子不一定必须像人，只要能自主完成人类所赋予他的任务与命令，就属于机器人大家族的成员。机器人是一种自动化的机器，这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。随着计算机技术和人工智能技术的发展，使机器人在功能和技术层次上有了很大的提高，移动机器人和机器人的视觉和触觉等技术就是典型的代表。
本申请实施例提供的机器人运动控制方法，能够使得在视觉遮挡的情况下，主端机器人亦可根据从端机器人对环境物体的力感知和从端机器人的位置信息对从端机器人进行准确控制。例如，在从端机器机器人的视觉设备被杂物遮挡或在视觉设备损坏的情况下，主端机器人依然可以根据从端机器人与环境物体之间的交互力和从端机器人的关节信息，实现对从端机器人的准确控制。
双边遥操作系统可以包括主端机器人、通信环节和从端机器人。主端机器人用于模拟从端机器人在任务环境中的真实情况，并响应于操作者针对主端机器人的操作，向从端机器人发送控制信息(如关节信息、末端信息等)。从端机器人基于来自主端机器人的控制信息进行动作跟随(如关节、末端位置跟随)，以完成相应的任务。可选地，从端机器人向主端机器人发送任务环境中的环境物体信息(如从端机器人与环境物体的交互力)。主端机器人和从端机器人通过通信环节连接。
可选地，双边遥操作系统可以包括同构型和异构型。同构型双边遥操作系统是指所包含的主端机器人和从端机器人具有相同(即对称)的机械结构。异构型双边遥操作系统是指所包含的主端机器人和从端机器人为非对称的机械结构。
在一个示例中，以同构型双边遥操作系统为例。参考图1，主端机器人102和从端机器人103的机械结构相同。操作者101基于从端机器人的视觉设备104所捕捉到的视觉信息，对主端机器人102的手柄(或触觉装置等)进行操作，响应于该操作，主端机器人102通过通信环节(未示出)向从端机器人103发送关节信息，从端机器人103基于该关节信息进行运动跟随，进而对环境物体105进行相关处理(如切割、拾取、旋转等)。
在视觉设备104(例如摄像头)被遮挡的情况下，操作者101将无法获取准确地视觉信息，进而无法合理准确地进行操作。
本申请实施例通过在获取从端机器人103与环境物体105的交互力和从端机器人的关节信息的基础上，确定主端机器人102的等效驱动力，使得主端机器人102在视觉设备104被遮挡的情况下，亦可对从端机器人103进行准确地控制。
请参考图2，其示出了本申请一个实施例提供的机器人运动控制方法的流程图。该方法各步骤的执行主体可以是上述的主端机器人102，如主端机器人102中设置的处理器。该方法可以包括如下几个步骤(201～203)：
步骤201，获取主端机器人的第一关节信息和操作者的输入力，以及来自从端机器人的反馈力和第二关节信息，第一关节信息用于描述主端机器人的关节状态，第二关节信息用于描述从端机器人的关节状态，反馈力是指从端机器人与环境物体之间的交互力。
主端机器人是指操作者侧对应的机器人，可用于对从端机器人进行控制。从端机器人是指在任务环境中的机器人，该任务环境可以是指水下作业、空间探测、核设施维护、远程医疗及手术等对应的环境。
第一关节信息是指主端机器人当前时刻的关节信息，该第一关节信息可以包括主机器人关节结构对应的角度、角速度等信息。主机器人可以包括多个关节结构。例如，一个具有6自由度的主端机器人，可以包括6个独立驱动的关节结构。可选地，该第一关节信息可以由主端机器人自身的传感器检测得到。
操作者的输入力是指操作者对主端机器人输入的力，该操作者的输入力可由主端机器人自身的力传感器检测得到。例如，参考图1，操作者101对主端机器人的手柄进行操作，主端机器人的力传感器(例如六维力传感器)可以检测得到该操作对应的输入力。可选地，还可以通过力传感器获取操作者的输入力矩，并基于操作者的输入力矩，获取操作者的输入力。
从端机器人的反馈力是指从端机器人向主端机器人所反馈的与环境物体之间的交互力。该从端机器人的反馈力可由从端机器人自身的力传感器检测得到。理论上，从端机器人的反馈力与操作者的输入力呈正相关关系。其中，环境物体是指任务环境中的物体(如目标任务物体)。
第二关节信息是指主端机器人当前时刻所接收到的从端机器人的关节信息。该第二关节信息可以包括从端机器人关节结构对应的角度、角速度等信息。可选地，理论上，该第二关节信息对应的角度和角速度可以和第一关节信息对应的角度和角速度相同，但在通讯环节存在时延或从端受环境物理影响的情况下，在同一时刻，该第二关节信息对应的角度和角速度可以和第一关节信息对应的角度和角速度不相同。
步骤202，基于第一关节信息、操作者的输入力、反馈力和第二关节信息，计算得到用于控制主端机器人运动的等效驱动力。
在本申请实施例中，等效驱动力是指主端机器人的末端的笛卡尔空间等效驱动力，即末端的关节空间驱动力在笛卡尔空间中的等效驱动力。
在一个示例中，该等效驱动力的具体获取内容可以如下：基于第一关节信息、第二关节信息和反馈力，得到主端机器人的综合期望力；基于第一关节信息，得到主端机器人的轨迹偏差参数；基于主端机器人的综合期望力、主端机器人的轨迹偏差参数和操作者的输入力，计算得到用于控制主端机器人运动的等效驱动力。
可选地，主端机器人的综合期望力是指响应从端机器人所反馈的信息而形成的期望力，即用于模拟从端机器人在任务环境中的真实情况。主端机器人的综合期望力可以为上述反馈力与下述位置误差相关期望力的和值。
在一个示例中，主端机器人的综合期望力的具体获取内容可以如下：基于第一关节信息和第二关节信息，得到主端机器人的位置误差信息，主端机器人的位置误差信息用于表示主端机器人接收到的从端机器人的关节末端位置与主端机器人当前时刻的关节末端位置的差异信息；基于主端机器人的位置误差信息，确定主端机器人的位置误差相关期望力，位置误差相关期望力是指从主端机器人接收到的从端机器人的关节末端位置到主端机器人当前时刻的关节末端位置所需的驱动力；基于主端机器人的位置误差相关期望力和反馈力，确定主端机器人的综合期望力。可选地，上述关节末端位置可以是指主端机器人或从端机器人的末端执行器的位置。
其中，主端机器人的位置误差信息的获取内容可以如下：根据机器人正向运动学方程对第一关节信息和第二关节信息进行转换处理，得到第一末端位置和第二末端位置，第一末端位置是指第一关节信息对应的末端的位置，第二末端位置是指第二关节信息对应的末端的位置；基于第一末端位置和第二末端位置，得到主端机器人的位置误差信息。其中，第一末端位置可以是指主端机器人的末端执行器的位置，第二末端位置可以是指从端机器人的末端执行器的位置。主端机器人的位置误差信息可以由第一末端位置和第二末端位置的差值与预设系数相乘得到。
可选地，机器人正向运动学方程可用于将机器人关节空间运动量转换到笛卡尔空间运动量，机器人正向运动学方程还可用于将机器人的关节信息转换成对应的末端的位置信息。
可选地，主端机器人的轨迹偏差参数是指主端机器人的末端的运动轨迹与所规划的运动轨迹之间的偏差值。
在一个示例中，主端机器人的轨迹偏差参数的具体获取内容可以如下：获取主端机器人的规划轨迹信息，规划规划信息用于控制主端机器人的末端按照规划轨迹进行运动；基于主端机器人的规划轨迹信息中当前时刻的目标末端位置和第一关节信息对应的第一末端位置，得到主端机器人的轨迹偏差参数。可选地，主端机器人的轨迹偏差参数可以是上述当前时刻的目标末端位置与第一末端位置的差值。
在一个示例性实施例中，用于控制主端机器人运动的等效驱动力的计算公式可以如下：
Figure BDA0002952098790000081
其中，FM是指用于控制主端机器人运动的等效驱动力，NM(x)是指主端机器人的笛卡尔空间惯量矩阵，
Figure BDA0002952098790000082
是指主端机器人的笛卡尔空间离心力矩阵，GM(x)是指主端机器人的笛卡尔空间重力矩阵，
Figure BDA0002952098790000083
分别是指主端机器人与外部环境交互模型的惯量矩阵、阻尼矩阵和刚度矩阵，
Figure BDA0002952098790000084
是指主端机器人当前时刻的目标末端位置，
Figure BDA0002952098790000085
是指操作者的输入力，
Figure BDA0002952098790000086
是指反馈力，
Figure BDA0002952098790000087
是指主端机器人的位置误差相关期望力，
Figure BDA0002952098790000088
是指主端机器人的轨迹偏差参数的一阶导数，
Figure BDA0002952098790000089
是指第一关节信息对应的第一末端位置的速度。
该用于控制主端机器人运动的等效驱动力的计算公式的具体获取过程可以如下：
机器人的动力学可以表示如下：
Figure BDA0002952098790000091
其中，M(q)是指机器人的惯量矩阵，
Figure BDA0002952098790000092
是指机器人的离心力矩阵，G(q)是指机器人的重力矩阵，q、
Figure BDA0002952098790000093
分别是指机器人关节结构的角度、角速度和角角速度，τ是指机器人的关节结构驱动力矩，τext是指机器人的外部作用力矩(即上述的操者输入力矩)。
考虑到机器人正向运动学：x＝f(q)，则有机器人的逆向运动学：
Figure BDA0002952098790000094
其中，x、
Figure BDA0002952098790000095
分别是指机器人的末端的笛卡尔空间位姿、速度和加速度，J是指机器人雅克比矩阵，
Figure BDA0002952098790000096
是指雅克比矩阵的微分，J-1是指雅克比矩阵的逆运算。
综合上述公式可以得到机器人笛卡尔空间动力学方程，该方如下所示：
Figure BDA0002952098790000097
其中，N(x)＝J-T(q)J-T；
Figure BDA0002952098790000098
G(x)＝J-TG(q)；；
N(x)是指机器人的笛卡尔空间惯量矩阵，
Figure BDA0002952098790000099
是指机器人的笛卡尔空间离心力矩阵，G(x)是指机器人的笛卡尔空间重力矩阵，F是指机器人的笛卡尔空间等效驱动力，Fext是指机器人的笛卡尔空间外部作用力(即上述的操作者的输入力)，J-T是指机器人雅克比矩阵逆的转置。
考虑到机器人与环境物体之间的交互，则有：
Figure BDA00029520987900000910
其中，Md、Dd、Kd分别是指机器人与环境物体交互模型的惯量矩阵、阻尼矩阵和刚度矩阵，Fext是指机器人的笛卡尔空间外部作用力，Fd是指机器人的笛卡尔空间综合期望力(如上述的主端机器人的综合期望力)，e是指机器人的轨迹偏差参数(如上述的主端机器人的轨迹偏差参数)。可选地，e的计算公式为：e＝x-xd，其中xd是指机器人的规划轨迹信息中当前时刻的目标末端位置(如上述的主端机器人的规划轨迹信息中当前时刻的目标末端位置)。
由该公式可得到末端的加速度：
Figure BDA00029520987900000911
考虑到机器人在执行具体的任务过程中是基于驱动力的，关节角度等位置信息仅仅作为辅助项，即机器人是以力跟踪为主，位置修正为辅，则末端的加速度可以修正为：
Figure BDA0002952098790000101
结合机器人动力学方程，则有：
Figure BDA0002952098790000102
其中，
Figure BDA0002952098790000103
是指机器人与环境物体交互模型的惯量矩阵的逆，F是指机器人的笛卡尔空间等效驱动力。
可选地，将上述公式中的参数置换成主端机器人对应的参数，即可得到用于控制主端机器人运动的等效驱动力的计算公式。
步骤203，基于用于控制主端机器人运动的等效驱动力，控制主端机器人运动。
可选地，在主端机器人运动之后，向从端机器人发送上述的第一关节信息和操作者的输入力。其中，该第一关节信息是指主端机器人运动过程中的实时关节信息，该第一关节信息可以包括实时的角度信息和角速度信息等。可选地，该第一关节信息可以是指对应的笛卡尔空间下的关节信息。
综上所述，本申请实施例提供的技术方案，通过在获取从端机器人与环境物体的交互力和从端机器人的关节信息的基础上，确定主端机器人的等效驱动力，使得主端机器人可根据从端机器人对环境物体的力感知和从端机器人的位置信息，实现对从端机器人的准确控制，提高了主端机器人的感知能力。同时可以对从端机器人进行更加准确地控制，提高了控制的准确性。
另外，由于主端机器人是根据从端机器人对环境物体的力感知和从端机器人的位置信息对从端机器人进行控制，即便在视觉存在遮挡的情况下，主端机器人亦可准确地控制从端机器人，降低视觉遮挡的影响，提高了机器人性能。在保证了操作的准确性的同时，保证了操作的合理性。
请参考图3，其示出了本申请另一个实施例提供的机器人运动控制方法的流程图。该方法各步骤的执行主体可以是上述的从端机器人103，如从端机器人103中设置的处理器。该方法可以包括如下几个步骤(301～303)：
步骤301，获取从端机器人的第二关节信息、环境物体作用于从端机器人的反馈力，以及来自主端机器人的操作者的输入力和第一关节信息，第一关节信息用于描述主端机器人的关节状态，第二关节信息用于描述从端机器人的关节状态。
第二关节信息是指从端机器人当前时刻的关节信息，该第二关节信息可以包括从机器人关节结构对应的角度、角速度等信息。可选地，该第二关节信息可以由从端机器人自身的传感器检测得到。环境物体作用于从端机器人的反馈力可由从端机器人自身的力传感器检测得到。
操作者的输入力是指操作者对主端机器人输入的力，该操作者的输入力可由主端机器人自身的力传感器检测得到。第一关节信息是指从端机器人当前时刻所接收到的主端机器人的关节信息。该第一关节信息可以包括主端机器人关节结构对应的角度、角速度等信息。
步骤302，基于第二关节信息、反馈力、操作者的输入力和第一关节信息，计算得到用于控制从端机器人运动的等效驱动力。
在本申请实施例中，等效驱动力是指从端机器人的末端的笛卡尔空间等效驱动力，即末端的关节空间驱动力在笛卡尔空间中的等效驱动力。
在一个示例中，该等效驱动力的具体获取内容可以如下：基于第一关节信息、第二关节信息和操作者的输入力，得到从端机器人的综合期望力；基于第二关节信息，得到从端机器人的轨迹偏差参数；基于主端机器人的综合期望力、从端机器人的轨迹偏差参数和操作者的输入力，计算得到用于控制从端机器人运动的等效驱动力。
可选地，从端机器人的综合期望力是指响应主端机器人所发送的信息而形成的期望力，该从端机器人的综合期望力可以为上述操作者的输入力与下述位置误差相关期望力的和值。
在一个示例中，从端机器人的综合期望力的具体获取内容可以如下：基于第一关节信息和第二关节信息，得到从端机器人的位置误差信息，从端机器人的位置误差信息用于表示从端机器人当前时刻的关节末端位置与接收到的主端机器人的关节末端位置的差异信息；基于从端机器人的位置误差信息，确定从端机器人的位置误差相关期望力，从端机器人的位置误差相关期望力是指从从端机器人当前时刻的关节末端位置到接收到的主端机器人的关节末端位置所需的驱动力；基于从端机器人的位置误差相关期望力和操作者的输入力，确定从端机器人的综合期望力。可选地，上述关节末端位置可以是指主端机器人或从端机器人的末端执行器的位置。
其中，从端机器人的位置误差信息的获取内容可以如下：根据机器人正向运动学方程对第一关节信息和第二关节信息进行转换处理，得到第一末端位置和第二末端位置，第一末端位置是指第一关节信息对应的末端的位置，第二末端位置是指第二关节信息对应的末端的位置；基于第一末端位置和第二末端位置，得到从端机器人的位置误差信息。其中，第一末端位置可以是指主端机器人的末端执行器的位置，第二末端位置可以是指从端机器人的末端执行器的位置。从端机器人的位置误差信息可以由第一末端位置和第二末端位置的差值与预设系数相乘得到。
可选地，从端机器人的轨迹偏差参数是指从端机器人的末端的运动轨迹与所规划的运动轨迹之间的偏差值。
在一个示例中，从端机器人的轨迹偏差参数的具体获取内容可以如下：获取从端机器人的规划轨迹信息，规划轨迹信息用于控制从端机器人的末端按照规划轨迹进行运动；基于从端机器人的规划轨迹信息中当前时刻的目标末端位置和第二关节信息对应的第二末端位置，得到从端机器人的轨迹偏差参数。可选地，从端机器人的轨迹偏差参数可以是上述当前时刻的目标末端位置与第二末端位置的差值。
在一个示例性实施例中，用于控制从端机器人运动的等效驱动力的计算公式可以如下：
Figure BDA0002952098790000121
其中，Fs是指用于控制从端机器人运动的等效驱动力，Ns(x)是指从端机器人的笛卡尔空间惯量矩阵，
Figure BDA0002952098790000122
是指从端机器人的笛卡尔空间离心力矩阵，Gs(x)是指从端机器人的笛卡尔空间重力矩阵，
Figure BDA0002952098790000123
分别是指从端机器人与外部环境交互模型的惯量矩阵、阻尼矩阵和刚度矩阵，
Figure BDA0002952098790000124
是指从端机器人当前时刻的目标末端位置，
Figure BDA0002952098790000125
是指反馈力，
Figure BDA0002952098790000126
是指从端机器人的位置误差相关期望力，
Figure BDA0002952098790000127
是指操作者的输入力，
Figure BDA0002952098790000128
是指从端机器人的轨迹偏差参数的一阶导数，
Figure BDA0002952098790000129
是指第二关节信息对应的第二末端位置的速度。
该用于控制从端机器人运动的等效驱动力的计算公式的具体获取过程和上述实施例相同，这里不再赘述。
可选地，当
Figure BDA0002952098790000131
则表示从端机器人与主端机器人之间没有位置误差(如末端没有位置误差)，且主端机器人与操作者处于短暂脱离状态，主端机器人与从端机器人都停留在原位；当
Figure BDA0002952098790000132
则表示从端机器人与主端机器人之间没有位置误差，但是主端机器人受到操作者的输入力的作用，操作者的输入力会使主端机器人和从端机器人之间存在位置误差，进而使得从端机器人也处于运动状态；当
Figure BDA0002952098790000133
则表示主端机器人没有受到操作者的输入力的作用，但是从端机器人与主端机器人之间存在位置误差，从端机器人的位置误差相关期望力会驱使从端机器人逐渐恢复到与主端机器人相同的位置和姿态，此种状态一般是机器人的状态转换状态；当
Figure BDA0002952098790000134
则表示主端机器人受到操作者的输入力的作用，且从端机器人与主端机器人之间存在位置误差，此种情况是机器人大部分的工作状态，从端机器人会在从端机器人的位置误差相关期望力和操作者的输入力的驱使下，逐渐恢复到与主端机器人相同的位置和形状，但在实际环境物体对从端机器人的影响下，从端机器人的运动位置和形状与主端机器人的运动位置和状态存在一定的偏差。
步骤303，基于用于控制从端机器人运动的等效驱动力，控制从端机器人运动。
可选地，在从端机器人运动之后，向主端机器人发送上述的第二关节信息和反馈力。其中，该第二关节信息是指从端机器人运动过程中的实时关节信息，该第二关节信息可以包括实时的角度信息和角速度信息等。可选地，该第二关节信息可以是指对应的笛卡尔空间下的关节信息。
在一个示例中，从端机器人的运动过程中还包括基于力反馈的机器人的笛卡尔空间自适应力跟踪控制，该控制方法的具体内容可以如下：基于从端机器人的综合期望力和反馈力的差值，确定第二末端位置与所述环境物体的偏差值；基于第二末端位置与环境物体的偏差值，调整从端机器人的第二末端位置。
可选地，考虑从端机器人在某一个方向上的柔顺控制，其阻抗表达式可以如下：
Figure BDA0002952098790000135
其中，x、
Figure BDA0002952098790000136
分别是指机器人的末端在该柔顺方向的实际位置、速度和加速度，xe、
Figure BDA0002952098790000137
分别是指环境物体与机器人的末端在笛卡尔空间中的相对位移、速度和加速度，fe是指机器人的末端与环境物体之间的交互力(即上述的反馈力)，fd是指机器人的综合期望力(即上述的从端机器人的综合期望力)，m是指该柔顺方向从端上机器人与环境物体交互的惯性参数，d是指该柔顺方向上从端机器人与环境物体交互的阻尼参数。
考虑到从端机器人与主端机器人之间存在位置误差和姿态误差，从端机器人在该柔顺方向上无法到达从端机器人的综合期望力。若从端机器人的力传感器感知到力控制没有达到综合期望力，则需要进一步控制从端机器人到达指定位置(如主端机器人对应的第一末端位置)。
设e为从端机器人的实际末端位置和感知或测量得到的环境物体位置的偏差值，则有e＝xe-x。其中，xe是指感知或测量得到的环境物体位置，x是指从端机器人的实际末端位置。
设δxe为实际环境物体位置与感知或测量得到的环境物体位置的偏差值，则有δxe＝xe′-xe。其中，xe′是指实际环境物体位置。
设e′为从端机器人的实际末端位置与实际环境物体位置的偏差值，则有e＝xe′-x，进一步可以得到e′和e之间的关系：e′＝e+δxe。
则在力跟踪方向上，有下式成立：
Figure BDA0002952098790000141
当实际环境物体位置不确定时，可以采用根据力跟踪的误差(即从端机器人的综合期望力和反馈力的差值)来确定从端机器人的实际末端位置与实际环境物体位置的偏差值，进而实时修正从端机器人的末端位置，基于力反馈的机器人的笛卡尔空间自适应力跟踪控制表达式如下：
Figure BDA0002952098790000142
其中，K为阻抗中控制力跟踪误差实时修正项，其具体的更新取值如下：
Figure BDA0002952098790000143
其中，
Figure BDA0002952098790000144
是指更新参数，其根据实际情况来调节，K(k)和K(k-1)分别是K在k时刻和k-1时刻的值。
可选地，若从端机器人末端没有安装力传感器，可以采用关节力矩传感器合成从端机器人的综合期望力，还可以使用关节电流值估算从端机器人的综合期望力或综合期望力矩，本申请实施例对此不作限定。
综上所述，本申请实施例提供的技术方案，通过在获取从端机器人与环境物体的交互力和从端机器人的关节信息的基础上，确定主端机器人的等效驱动力，使得主端机器人可根据从端机器人对环境物体的力感知和从端机器人的位置信息，实现对从端机器人的准确控制，提高了主端机器人的感知能力。同时可以对从端机器人进行更加准确地控制，提高了控制的准确性。
另外，由于主端机器人是根据从端机器人对环境物体的力感知和从端机器人的位置信息对从端机器人进行控制，即便在视觉存在遮挡的情况下，主端机器人亦可准确地控制从端机器人，降低视觉遮挡的影响，提高了机器人性能。在保证了操作的准确性的同时，保证了操作的合理性。
另外，从端机器人在获取主端机器人的操作者的输入力和关节信息的基础上，确定从端机器人的等效驱动力，使得从端机器人可以根据主端机器人的意图感知环境物体，提高了从端机器人的灵活性和自主性。
另外，由于从端机器人可以根据主端机器人的意图感知环境物体，在视觉存在遮挡的情况下，亦可以通过感知环境物体来实现位置和姿态的自适应跟踪，提高了机器人的性能。同时，在通信存在时延的情况下，从端机器人亦可以通过主端机器人的意图感知环境物体，进行自适应调整，避免因为时延而产生的从端机器人与环境物体的硬碰撞问题，进一步提高了从端机器人的自主性。
另外，由于从端机器人采用自适应力跟踪控制，从而可以根据力跟踪的误差来实时修正从端机器人的末端位置，避免从端机器人与环境物体之间的硬碰撞，进而避免从端机器人或环境物体的损坏，提高了机器人的性能。
请参考图4，其示出了本申请又一个实施例提供的机器人运动控制方法的流程图。该方法可以包括如下几个步骤：
1、操作者401对主端机器人402进行控制操作。
2、主端机器人402响应于操作者401的控制操作，通过力传感器测量得到操作者401的操作者的输入力(即图中的fh)，并基于该操作者的输入力进行运动。
可选地，参考图5，主端机器人402需要获取的信息还可以包括操作者的输入力矩(即图5中的x1)、主端机器人402的末端的六维力真实值或估计值(即图5中的x2，对应上述的操作者的输入力或力矩)、主端机器人402的关节驱动力矩(即图5中的x3)，以及主端机器人402的关节结构的位置(如角度)或速度信息(如角速度)(即图5中的x4)，这些数据可以由主端机器人402的传感器测量得到。主端机器人402需要获取的信息还可以包括来自从端机器人404的末端的六维力真实值或估计值(即图5中的x5，对应上述的反馈力)和从端机器人404的位置(如关节角度、末端位置等)或速度信息(如关节角速度、末端速度等)(即图5中的x6)。这些信息最后被存储在主端机器人系统406中，再由主端机器人系统406进行处理与分发。
3、主端机器人402通过通信环节403向从端机器人404发送操作者的输入力(即图4中的fm)和主端机器人402的位置相关信息(即图4中的vm)。其中，位置相关信息可以是关节角度和速度、末端位置和速度、关节角度增量、末端位置增量，等等，本申请实施例对此不作限定。可选地，位置相关信息可以是以笛卡尔空间的形式发送给从端机器人404。理想状态下，fm的值完全等于fh和Fh(主端机器人施加给操作者的作用力)的值，但在受到主端机器人零力状态的影响下，fm与fh和Fh之间存在一定的误差。
4、从端机器人404基于所接收到的位置操作者的输入力(即图4中的fs)和主端机器人402的位置相关信息(即图4中的vs)，再结合与环境物体405之间的交互力(即上述的反馈力)进行运动。其中，理论上，vs的值等于vm的值，fs的值等于fm的值，但考虑到通信环节403存在时延的问题，同一时刻，vs的值和vm的值之间存在差异，fs的值和fm的值之间存在差异。
可选地，参考图6，从端机器人404需要获取的信息还可以包括操作者的输入力矩(即图6中的x3)、从端机器人404的关节驱动力矩(即图6中的x4)，以及从端机器人404的关节结构的位置(如角度)或速度信息(如角速度)(即图6中的x5)，这些数据可以由从端机器人404的传感器测量得到。这些信息最后被存储在从端机器人系统407中，再由从端机器人系统407进行处理与分发。
5、从端机器人404通过通信环节403向主端机器人402发送反馈力(即图4中的Fm)和从端机器人404的位置跟随相关信息(即图4中的Vm)。其中，位置跟随相关信息可以是关节角度和速度、末端位置和速度、关节角度增量、末端位置增量，等等，本申请实施例对此不作限定。可选地，位置跟随相关信息可以是以笛卡尔空间的形式发送给主端机器人402。理想状态下，Fs的值完全等于fe和Fe(环境物体施加给从端机器人的作用力)的值，Fm等于Fs的值。
6、主端机器人402基于反馈力和从端机器人404的位置跟随相关信息，模拟从端机器人404在任务环境中的真实情况。
7、响应于操作者401对主端机器人402进行控制操作，继续执行上述2中的步骤。
综上所述，本申请实施例提供的技术方案，通过在获取从端机器人与环境物体的交互力和从端机器人的关节信息的基础上，确定主端机器人的等效驱动力，使得主端机器人可根据从端机器人对环境物体的力感知和从端机器人的位置信息，实现对从端机器人的准确控制，提高了主端机器人的感知能力。同时可以对从端机器人进行更加准确地控制，提高了控制的准确性。
另外，由于主端机器人是根据从端机器人对环境物体的力感知和从端机器人的位置信息对从端机器人进行控制，即便在视觉存在遮挡的情况下，主端机器人亦可准确地控制从端机器人，降低视觉遮挡的影响，提高了机器人性能。在保证了操作的准确性的同时，保证了操作的合理性。
另外，从端机器人在获取主端机器人的操作者的输入力和关节信息的基础上，确定从端机器人的等效驱动力，使得从端机器人可以根据主端机器人的意图感知环境物体，提高了从端机器人的灵活性和自主性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参考图7，其示出了本申请一个实施例提供的机器人运动控制装置的框图。该装置具有实现上述机器人运动控制方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是上述主端机器人102，也可以设置在主端机器人102中。该装置700可以包括：主端信息获取模块701、主端驱动力计算模块702和主端运动控制模块703。
主端信息获取模块701，用于获取主端机器人的第一关节信息和操作者的输入力，以及来自从端机器人的反馈力和第二关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态，所述反馈力是指所述从端机器人与环境物体之间的交互力。
主端驱动力计算模块702，用于基于所述第一关节信息、所述操作者的输入力、所述反馈力和所述第二关节信息，计算得到用于控制所述主端机器人运动的等效驱动力。
主端运动控制模块703，用于基于所述用于控制所述主端机器人运动的等效驱动力，控制所述主端机器人运动。
在一个示例性实施例中，如图8所示，所述主端驱动力计算模块702包括：主端期望力获取子模块702a、主端偏差获取子模块702b和主端驱动力计算子模块702c。
主端期望力获取子模块702a，用于基于所述第一关节信息、所述第二关节信息和所述反馈力，得到所述主端机器人的综合期望力。
主端偏差获取子模块702b，用于基于所述第一关节信息，得到所述主端机器人的轨迹偏差参数。
主端驱动力计算子模块702c，用于基于所述主端机器人的综合期望力、所述主端机器人的轨迹偏差参数和所述操作者的输入力，计算得到所述用于控制所述主端机器人运动的等效驱动力。
在一个示例性实施例中，所述主端期望力获取子模块702a，用于：
基于所述第一关节信息和所述第二关节信息，得到所述主端机器人的位置误差信息，所述主端机器人的位置误差信息用于表示所述主端机器人接收到的所述从端机器人的关节末端位置与所述主端机器人当前时刻的关节末端位置的差异信息；
基于所述主端机器人的位置误差信息，确定所述主端机器人的位置误差相关期望力，所述位置误差相关期望力是指从所述主端机器人接收到的所述从端机器人的关节末端位置到所述主端机器人当前时刻的关节末端位置所需的驱动力；
基于所述主端机器人的位置误差相关期望力和所述反馈力，确定所述主端机器人的综合期望力。
在一个示例性实施例中，所述主端期望力获取子模块702a，还用于：
根据机器人正向运动学方程对所述第一关节信息和所述第二关节信息进行转换处理，得到第一末端位置和第二末端位置，所述第一末端位置是指所述第一关节信息对应的末端的位置，所述第二末端位置是指所述第二关节信息对应的末端的位置；
基于所述第一末端位置和所述第二末端位置，得到所述主端机器人的位置误差信息。
在一个示例性实施例中，所述主端偏差获取子模块702b，用于：
获取所述主端机器人的规划轨迹信息，所述规划轨迹信息用于控制所述主端机器人的末端按照规划轨迹进行运动；
基于所述主端机器人的规划轨迹信息中当前时刻的目标末端位置和所述第一关节信息对应的第一末端位置，得到所述主端机器人的轨迹偏差参数。
在一个示例性实施例中，所述用于控制所述主端机器人运动的等效驱动力的计算公式如下：
Figure BDA0002952098790000191
其中，FM是指用于控制所述主端机器人运动的等效驱动力，NM(x)是指所述主端机器人的笛卡尔空间惯量矩阵，
Figure BDA0002952098790000192
是指所述主端机器人的笛卡尔空间离心力矩阵，GM(x)是指所述主端机器人的笛卡尔空间重力矩阵，
Figure BDA0002952098790000193
Figure BDA0002952098790000194
分别是指所述主端机器人与外部环境交互模型的惯量矩阵、阻尼矩阵和刚度矩阵，
Figure BDA0002952098790000195
是指所述主端机器人当前时刻的目标末端位置，
Figure BDA0002952098790000196
是指所述操作者的输入力，
Figure BDA0002952098790000197
是指所述反馈力，
Figure BDA0002952098790000198
是指所述主端机器人的位置误差相关期望力，
Figure BDA0002952098790000199
是指所述主端机器人的轨迹偏差参数的一阶导数，
Figure BDA00029520987900001910
是指所述第一关节信息对应的第一末端位置的速度。
综上所述，本申请实施例提供的技术方案，通过在获取从端机器人与环境物体的交互力和从端机器人的关节信息的基础上，确定主端机器人的等效驱动力，使得主端机器人可根据从端机器人对环境物体的力感知和从端机器人的位置信息，实现对从端机器人的准确控制，提高了主端机器人的感知能力。同时可以对从端机器人进行更加准确地控制，提高了控制的准确性。
另外，由于主端机器人是根据从端机器人对环境物体的力感知和从端机器人的位置信息对从端机器人进行控制，即便在视觉存在遮挡的情况下，主端机器人亦可准确地控制从端机器人，降低视觉遮挡的影响，提高了机器人性能。在保证了操作的准确性的同时，保证了操作的合理性。
请参考图9，其示出了本申请另一个实施例提供的机器人运动控制装置的框图。该装置具有实现上述机器人运动控制方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是上述从端机器人103，也可以设置在从端机器人103中。该装置900可以包括：从端信息获取模块901、从端驱动力计算模块902和从端运动控制模块903。
从端信息获取模块901，用于获取从端机器人的第二关节信息、环境物体作用于所述从端机器人的反馈力，以及来自主端机器人的操作者的输入力和第一关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态。
从端驱动力计算模块902，用于基于所述第二关节信息、所述反馈力、所述操作者的输入力和所述第一关节信息，计算得到用于控制所述从端机器人运动的等效驱动力。
从端运动控制模块903，用于基于所述用于控制所述从端机器人运动的等效驱动力，控制所述从端机器人运动。
在一个示例性实施例中，如图10所示，所述从端驱动力计算模块902包括：从端期望力获取子模块902a、从端偏差获取子模块902b和从端驱动力计算子模块902c。
从端期望力获取子模块902a，用于基于所述第一关节信息、所述第二关节信息和所述操作者的输入力，得到所述从端机器人的综合期望力。
从端偏差获取子模块902b，用于基于所述第二关节信息，得到所述从端机器人的轨迹偏差参数。
从端驱动力计算子模块902c，用于基于所述主端机器人的综合期望力、所述从端机器人的轨迹偏差参数和所述反馈力，计算得到所述用于控制所述从端机器人运动的等效驱动力。
在一个示例性实施例中，所述从端期望力获取子模块902a，用于：
基于所述第一关节信息和所述第二关节信息，得到所述从端机器人的位置误差信息，所述从端机器人的位置误差信息用于表示所述从端机器人当前时刻的关节末端位置与接收到的所述主端机器人的关节末端位置的差异信息；
基于所述从端机器人的位置误差信息，确定所述从端机器人的位置误差相关期望力，所述从端机器人的位置误差相关期望力是指从所述从端机器人当前时刻的关节末端位置到接收到的所述主端机器人的关节末端位置所需的驱动力；
基于所述从端机器人的位置误差相关期望力和所述操作者的输入力，确定所述从端机器人的综合期望力。
在一个示例性实施例中，所述从端期望力获取子模块902a，还用于：
根据机器人正向运动学方程对所述第一关节信息和所述第二关节信息进行转换处理，得到第一末端位置和第二末端位置，所述第一末端位置是指所述第一关节信息对应的末端的位置，所述第二末端位置是指所述第二关节信息对应的末端的位置；
基于所述第一末端位置和所述第二末端位置，得到所述从端机器人的位置误差信息。
在一个示例性实施例中，所述从端偏差获取子模块902b，用于：
获取所述从端机器人的规划轨迹信息，所述规划轨迹信息用于控制所述从端机器人的末端按照规划轨迹进行运动；
基于所述从端机器人的规划轨迹信息中当前时刻的目标末端位置和所述第二关节信息对应的第二末端位置，得到所述从端机器人的轨迹偏差参数。
在一个示例性实施例中，所述用于控制所述从端机器人运动的等效驱动力的计算公式如下：
Figure BDA0002952098790000211
其中，Fs是指用于控制所述从端机器人运动的等效驱动力，Ns(x)是指所述从端机器人的笛卡尔空间惯量矩阵，
Figure BDA0002952098790000212
是指所述从端机器人的笛卡尔空间离心力矩阵，Gs(x)是指所述从端机器人的笛卡尔空间重力矩阵，
Figure BDA0002952098790000213
分别是指所述从端机器人与外部环境交互模型的惯量矩阵、阻尼矩阵和刚度矩阵，
Figure BDA0002952098790000214
是指所述从端机器人当前时刻的目标末端位置，
Figure BDA0002952098790000215
是指所述反馈力，
Figure BDA0002952098790000216
是指所述从端机器人的位置误差相关期望力，
Figure BDA0002952098790000217
是指所述操作者的输入力，
Figure BDA0002952098790000218
是指所述从端机器人的轨迹偏差参数的一阶导数，
Figure BDA0002952098790000219
是指所述第二关节信息对应的第二末端位置的速度。
在一个示例性实施例中，如图10所示，所述装置900还包括：
偏差值获取模块904，用于基于所述从端机器人的综合期望力和所述反馈力的差值，确定所述第二末端位置与所述环境物体的偏差值。
末端位置调整模块905，用于基于所述第二末端位置与所述环境物体的偏差值，调整所述从端机器人的第二末端位置。
综上所述，本申请实施例提供的技术方案，通过在获取从端机器人与环境物体的交互力和从端机器人的关节信息的基础上，确定主端机器人的等效驱动力，使得主端机器人可根据从端机器人对环境物体的力感知和从端机器人的位置信息，实现对从端机器人的准确控制，提高了主端机器人的感知能力。同时可以对从端机器人进行更加准确地控制，提高了控制的准确性。
另外，由于主端机器人是根据从端机器人对环境物体的力感知和从端机器人的位置信息对从端机器人进行控制，即便在视觉存在遮挡的情况下，主端机器人亦可准确地控制从端机器人，降低视觉遮挡的影响，提高了机器人性能。在保证了操作的准确性的同时，保证了操作的合理性。
需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
请参考图11，其示出了本申请一个实施例提供的机器人的简化结构框图。该机器人可以是上述主端机器人102、从端机器人103等，本申请实施例对此不作限定。
可选地，如图11所示，该机器人包括处理器111和存储器112。处理器111包括但不限于以下任意一种：CPU(Central Processing Unit，中央处理器)、GPU(GraphicsProcessing Unit，图形处理器)和FPGA(Field Programmable Gate Array，现场可编程逻辑门阵列)等。存储器112可以包括RAM(Random-Access Memory，随机存储器)和ROM(Read-Only Memory，只读存储器)等存储设备。处理器111和存储器112之间可以通过系统总线连接。
在示例性实施例中，所述存储器112中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器111加载并执行以实现上述机器人运动控制方法。
在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被计算机设备的处理器执行时实现上述机器人运动控制方法。
可选地，该计算机可读存储介质可以包括：ROM(Read-Only Memory，只读存储器)、RAM(Random-Access Memory，随机存储器)、SSD(Solid State Drives，固态硬盘)或光盘等。其中，随机存取记忆体可以包括ReRAM(Resistance Random Access Memory，电阻式随机存取记忆体)和DRAM(Dynamic Random Access Memory，动态随机存取存储器)。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。机器人的处理器从所述计算机可读存储介质中读取所述计算机指令，所述处理器执行所述计算机指令，使得所述机器人执行上述机器人运动控制方法。
在示例性实施例中，还提供了一种双边遥操作系统，所述双边遥操作系统包括主端机器人和从端机器人，所述主端机器人用于执行所述主端机器人侧的机器人运动控制方法，所述从端机器人用于执行所述从端机器人侧的机器人运动控制方法。
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。另外，本文中描述的步骤编号，仅示例性示出了步骤间的一种可能的执行先后顺序，在一些其它实施例中，上述步骤也可以不按照编号顺序来执行，如两个不同编号的步骤同时执行，或者两个不同编号的步骤按照与图示相反的顺序执行，本申请实施例对此不作限定。
以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (15)

1.一种机器人运动控制方法，其特征在于，所述方法包括：
获取主端机器人的第一关节信息和操作者的输入力，以及来自从端机器人的反馈力和第二关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态，所述反馈力是指所述从端机器人与环境物体之间的交互力；
基于所述第一关节信息、所述操作者的输入力、所述反馈力和所述第二关节信息，计算得到用于控制所述主端机器人运动的等效驱动力；
基于所述用于控制所述主端机器人运动的等效驱动力，控制所述主端机器人运动。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一关节信息、所述操作者的输入力、所述反馈力和所述第二关节信息，计算得到用于控制所述主端机器人运动的等效驱动力，包括：
基于所述第一关节信息、所述第二关节信息和所述反馈力，得到所述主端机器人的综合期望力；
基于所述第一关节信息，得到所述主端机器人的轨迹偏差参数；
基于所述主端机器人的综合期望力、所述主端机器人的轨迹偏差参数和所述操作者的输入力，计算得到所述用于控制所述主端机器人运动的等效驱动力。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一关节信息、所述第二关节信息和所述反馈力信息，得到所述主端机器人的综合期望力，包括：
基于所述第一关节信息和所述第二关节信息，得到所述主端机器人的位置误差信息，所述主端机器人的位置误差信息用于表示所述主端机器人接收到的所述从端机器人的关节末端位置与所述主端机器人当前时刻的关节末端位置的差异信息；
基于所述主端机器人的位置误差信息，确定所述主端机器人的位置误差相关期望力，所述位置误差相关期望力是指从所述主端机器人接收到的所述从端机器人的关节末端位置到所述主端机器人当前时刻的关节末端位置所需的驱动力；
基于所述主端机器人的位置误差相关期望力和所述反馈力，确定所述主端机器人的综合期望力。
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一关节信息和所述第二关节信息，得到所述主端机器人的位置误差信息，包括：
根据机器人正向运动学方程对所述第一关节信息和所述第二关节信息进行转换处理，得到第一末端位置和第二末端位置，所述第一末端位置是指所述第一关节信息对应的末端的位置，所述第二末端位置是指所述第二关节信息对应的末端的位置；
基于所述第一末端位置和所述第二末端位置，得到所述主端机器人的位置误差信息。
5.根据权利要求2所述的方法，其特征在于，所述基于所述第一关节信息，得到所述主端机器人的轨迹偏差参数，包括：
获取所述主端机器人的规划轨迹信息，所述规划轨迹信息用于控制所述主端机器人的末端按照规划轨迹进行运动；
基于所述主端机器人的规划轨迹信息中当前时刻的目标末端位置和所述第一关节信息对应的第一末端位置，得到所述主端机器人的轨迹偏差参数。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述用于控制所述主端机器人运动的等效驱动力的计算公式如下：
Figure FDA0002952098780000021
其中，FM是指用于控制所述主端机器人运动的等效驱动力，NM(x)是指所述主端机器人的笛卡尔空间惯量矩阵，
Figure FDA0002952098780000022
是指所述主端机器人的笛卡尔空间离心力矩阵，GM(x)是指所述主端机器人的笛卡尔空间重力矩阵，
Figure FDA0002952098780000023
Figure FDA0002952098780000024
分别是指所述主端机器人与外部环境交互模型的惯量矩阵、阻尼矩阵和刚度矩阵，
Figure FDA0002952098780000025
是指所述主端机器人当前时刻的目标末端位置，
Figure FDA0002952098780000026
是指所述操作者的输入力，
Figure FDA0002952098780000027
是指所述反馈力，
Figure FDA0002952098780000028
是指所述主端机器人的位置误差相关期望力，
Figure FDA0002952098780000031
是指所述主端机器人的轨迹偏差参数的一阶导数，
Figure FDA0002952098780000032
是指所述第一关节信息对应的第一末端位置的速度。
7.一种机器人运动控制方法，其特征在于，所述方法包括：
获取从端机器人的第二关节信息、环境物体作用于所述从端机器人的反馈力，以及来自主端机器人的操作者的输入力和第一关节信息，所述第一关节信息用于描述所述主端机器人的关节状态，所述第二关节信息用于描述所述从端机器人的关节状态；
基于所述第二关节信息、所述反馈力、所述操作者的输入力和所述第一关节信息，计算得到用于控制所述从端机器人运动的等效驱动力；
基于所述用于控制所述从端机器人运动的等效驱动力，控制所述从端机器人运动。
8.根据权利要求7所述的方法，其特征在于，所述基于所述第二关节信息、所述反馈力、所述操作者的输入力和所述第一关节信息，计算得到用于控制所述从端机器人运动的等效驱动力，包括：
基于所述第一关节信息、所述第二关节信息和所述操作者的输入力，得到所述从端机器人的综合期望力；
基于所述第二关节信息，得到所述从端机器人的轨迹偏差参数；
基于所述主端机器人的综合期望力、所述从端机器人的轨迹偏差参数和所述反馈力，计算得到所述用于控制所述从端机器人运动的等效驱动力。
9.根据权利要求8所述的方法，其特征在于，所述基于所述第一关节信息、所述第二关节信息和所述操作者的输入力，得到所述从端机器人的综合期望力，包括：
基于所述第一关节信息和所述第二关节信息，得到所述从端机器人的位置误差信息，所述从端机器人的位置误差信息用于表示所述从端机器人当前时刻的关节末端位置与接收到的所述主端机器人的关节末端位置的差异信息；
基于所述从端机器人的位置误差信息，确定所述从端机器人的位置误差相关期望力，所述从端机器人的位置误差相关期望力是指从所述从端机器人当前时刻的关节末端位置到接收到的所述主端机器人的关节末端位置所需的驱动力；
基于所述从端机器人的位置误差相关期望力和所述操作者的输入力，确定所述从端机器人的综合期望力。
10.根据权利要求9所述的方法，其特征在于，所述基于所述第一关节信息和所述第二关节信息，得到所述从端机器人的位置误差信息，包括：
根据机器人正向运动学方程对所述第一关节信息和所述第二关节信息进行转换处理，得到第一末端位置和第二末端位置，所述第一末端位置是指所述第一关节信息对应的末端的位置，所述第二末端位置是指所述第二关节信息对应的末端的位置；
基于所述第一末端位置和所述第二末端位置，得到所述从端机器人的位置误差信息。
11.根据权利要求8所述的方法，其特征在于，所述基于所述第二关节信息，得到所述从端机器人的轨迹偏差参数，包括：
获取所述从端机器人的规划轨迹信息，所述规划轨迹信息用于控制所述从端机器人的末端按照规划轨迹进行运动；
基于所述从端机器人的规划轨迹信息中当前时刻的目标末端位置和所述第二关节信息对应的第二末端位置，得到所述从端机器人的轨迹偏差参数。
12.根据权利要求7至11任一项所述的方法，其特征在于，所述用于控制所述从端机器人运动的等效驱动力的计算公式如下：
Figure FDA0002952098780000041
其中，Fs是指用于控制所述从端机器人运动的等效驱动力，Ns(x)是指所述从端机器人的笛卡尔空间惯量矩阵，
Figure FDA0002952098780000042
是指所述从端机器人的笛卡尔空间离心力矩阵，Gs(x)是指所述从端机器人的笛卡尔空间重力矩阵，
Figure FDA0002952098780000043
分别是指所述从端机器人与外部环境交互模型的惯量矩阵、阻尼矩阵和刚度矩阵，
Figure FDA0002952098780000044
是指所述从端机器人当前时刻的目标末端位置，
Figure FDA0002952098780000045
是指所述反馈力，
Figure FDA0002952098780000046
是指所述从端机器人的位置误差相关期望力，
Figure FDA0002952098780000047
是指所述操作者的输入力，
Figure FDA0002952098780000048
是指所述从端机器人的轨迹偏差参数的一阶导数，
Figure FDA0002952098780000051
是指所述第二关节信息对应的第二末端位置的速度。
13.根据权利要求10所述的方法，其特征在于，所述方法还包括；
基于所述从端机器人的综合期望力和所述反馈力的差值，确定第二末端位置与所述环境物体的偏差值；
基于所述第二末端位置与所述环境物体的偏差值，调整所述从端机器人的第二末端位置。
14.一种机器人，其特征在于，所述机器人包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一项所述的机器人运动控制方法，以及实现如权利要求7至13任一项所述的机器人运动控制方法。
15.一种双边遥操作系统，其特征在于，所述双边遥操作系统包括主端机器人和从端机器人，所述主端机器人用于执行如权利要求1至6任一项所述的机器人运动控制方法，所述从端机器人用于执行如权利要求7至13任一项所述的机器人运动控制方法。
CN202110212936.0A 2021-02-25 2021-02-25 机器人运动控制方法、机器人及系统 Pending CN114952821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110212936.0A CN114952821A (zh) 2021-02-25 2021-02-25 机器人运动控制方法、机器人及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110212936.0A CN114952821A (zh) 2021-02-25 2021-02-25 机器人运动控制方法、机器人及系统

Publications (1)

Publication Number Publication Date
CN114952821A true CN114952821A (zh) 2022-08-30

Family

ID=82972553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110212936.0A Pending CN114952821A (zh) 2021-02-25 2021-02-25 机器人运动控制方法、机器人及系统

Country Status (1)

Country Link
CN (1) CN114952821A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115553930A (zh) * 2022-11-15 2023-01-03 科弛医疗科技(北京)有限公司 力反馈方法
CN115624390A (zh) * 2022-11-15 2023-01-20 科弛医疗科技(北京)有限公司 力反馈系统以及手术机器人设备
CN115674190A (zh) * 2022-09-30 2023-02-03 深圳市越疆科技有限公司 协作机械臂及其运动控制方法、碰撞检测方法、控制系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115674190A (zh) * 2022-09-30 2023-02-03 深圳市越疆科技有限公司 协作机械臂及其运动控制方法、碰撞检测方法、控制系统
CN115674190B (zh) * 2022-09-30 2024-05-07 深圳市越疆科技股份有限公司 协作机械臂及其运动控制方法、碰撞检测方法、控制系统
CN115553930A (zh) * 2022-11-15 2023-01-03 科弛医疗科技(北京)有限公司 力反馈方法
CN115624390A (zh) * 2022-11-15 2023-01-20 科弛医疗科技(北京)有限公司 力反馈系统以及手术机器人设备

Similar Documents

Publication Publication Date Title
US11292127B2 (en) Robot control
CN114952821A (zh) 机器人运动控制方法、机器人及系统
US9387589B2 (en) Visual debugging of robotic tasks
US8924021B2 (en) Control of robots from human motion descriptors
EP4045390B1 (en) Dynamic planning controller
WO2007076118A2 (en) Reconstruction, retargetting, tracking, and estimation of motion for articulated systems
CN106945043A (zh) 一种主从式遥操作手术机器人多臂协同控制系统
EP3898132A1 (en) Generating a robot control policy from demonstrations
KR20220080070A (ko) 발자국 접촉 검출
Beik-Mohammadi et al. Model mediated teleoperation with a hand-arm exoskeleton in long time delays using reinforcement learning
Doll et al. The karlsruhe hand
Campbell et al. Superpositioning of behaviors learned through teleoperation
CN115179272A (zh) 机器人运动控制方法、机器人及系统
CN113927603B (zh) 机械臂拖动控制方法、装置、计算机设备以及存储介质
El-Fakdi et al. Two steps natural actor critic learning for underwater cable tracking
Hamed et al. Vision-Based Control of a Quad-rotor Manipulation System
Trotti et al. A Modified Recursive Newton-Euler Algorithm Embedding a Collision Avoidance Module
Fryc et al. Efficient pipeline for mobile brick picking
TWI781708B (zh) 學習裝置、學習方法、學習程式、控制裝置、控制方法及控制程式
US20230381963A1 (en) Robot control method, computer-readable storage medium, and robot
Music et al. Human-Multi-Robot Teleoperation for Cooperative Manipulation Tasks using Wearable Haptic Devices
Staniak et al. Parallel visual-force control
Sayour et al. Research Article Autonomous Robotic Manipulation: Real-Time, Deep-Learning Approach for Grasping of Unknown Objects
Ma et al. Remote Operation with Haptic Force and Virtual Proxy for an Underwater Vehicle-Manipulator System
Vidrios-Serrano et al. A generalised proportional-derivative force/vision controller for torque-driven planar robotic manipulators

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40073434

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination