WO2023024279A1 - 一种机器人动态避障方法、装置和机器人 - Google Patents

一种机器人动态避障方法、装置和机器人 Download PDF

Info

Publication number
WO2023024279A1
WO2023024279A1 PCT/CN2021/131674 CN2021131674W WO2023024279A1 WO 2023024279 A1 WO2023024279 A1 WO 2023024279A1 CN 2021131674 W CN2021131674 W CN 2021131674W WO 2023024279 A1 WO2023024279 A1 WO 2023024279A1
Authority
WO
WIPO (PCT)
Prior art keywords
robot
joint
angular velocity
obstacle avoidance
velocity
Prior art date
Application number
PCT/CN2021/131674
Other languages
English (en)
French (fr)
Inventor
刘益彰
罗璇
陈金亮
张志豪
熊友军
Original Assignee
深圳市优必选科技股份有限公司
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 深圳市优必选科技股份有限公司 filed Critical 深圳市优必选科技股份有限公司
Publication of WO2023024279A1 publication Critical patent/WO2023024279A1/zh

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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • 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
    • B25J9/1666—Avoiding collision or forbidden zones

Definitions

  • the present application relates to the technical field of robot control, in particular to a method, device and robot for dynamic obstacle avoidance of a robot.
  • the working environment of the robot is also changeable.
  • Various static or dynamic obstacles often appear within the working space of the robot. Obstacles collide, resulting in damage to the robot body or obstacles.
  • collisions can be predicted to a certain extent, but it is difficult to replan the trajectory in real time according to the dynamic relative pose, and it is difficult for the general obstacle avoidance algorithm to ensure that the obstacle is avoided while ensuring the completion of the task.
  • Embodiments of the present application provide a dynamic obstacle avoidance method, device, and robot for a robot.
  • the dynamic obstacle avoidance method for a robot solves the obstacle avoidance optimization problem jointly by using obstacles as the movement position constraints of the robot, and combining joint position constraints and joint angular velocity constraints. Solve to ensure that the obtained solution completes the terminal speed task as much as possible while completing the dynamic obstacle avoidance.
  • Embodiments of the present application provide a dynamic obstacle avoidance method for a robot, including:
  • the obstacle avoidance optimization function with the joint angular velocity as the optimization variable and the terminal velocity as the control target is solved to obtain the optimal solution of the joint angular velocity ;
  • the motion control of the robot is performed by using the optimal solution of the joint angular velocity.
  • the determining the current speed constraint equation for the robot to avoid collision according to the respective predicted collision point positions of the robot and the obstacle includes:
  • a speed constraint equation for the robot to avoid collision is constructed according to the projection of the joint end velocity on the collision direction vector, the predicted collision point position on the robot, and the predicted collision point position on the obstacle.
  • the expression of the speed constraint equation for the robot to avoid collision is:
  • solving the obstacle avoidance optimization function based on the velocity constraint equation, the robot's joint position and joint angular velocity's own constraints also includes:
  • the composite constraint equation is used to solve the obstacle avoidance optimization function together with the velocity constraint equation .
  • the joint position constraint equation of the robot is:
  • the expression of the obstacle avoidance optimization function is as follows:
  • w is the slack variable
  • J is the speed Jacobian matrix of the robot
  • J is the joint angular velocity vector of all joints of the robot
  • the number of speed constraint equations is the same as the number of obstacles
  • Each of the velocity constraint equations is determined by the respective predicted collision point positions of the corresponding obstacles and the robot, and all the velocity constraint equations are used to jointly compare with the constraints of the robot's joint positions and joint angular velocities.
  • the obstacle avoidance optimization function is solved.
  • Embodiments of the present application also provide a dynamic obstacle avoidance device for a robot, including:
  • a collision detection module configured to detect the shortest distance between the robot and the obstacle, so as to determine the respective predicted collision point positions of the robot and the obstacle;
  • a constraint determination module configured to determine a current speed constraint equation for the robot to avoid collision according to the predicted collision point positions of the robot and the obstacle;
  • An optimization solving module is used to solve the obstacle avoidance optimization function with the joint angular velocity as the optimization variable and the terminal velocity as the control target based on the velocity constraint equation, the joint position of the robot and the self-constraint conditions of the joint angular velocity, to obtain the The optimal solution of joint angular velocity;
  • a motion control module configured to use the optimal solution of the joint angular velocity to perform motion control on the robot.
  • An embodiment of the present application also provides a robot, the robot includes a processor and a memory, the memory stores a computer program, and the processor is used to execute the computer program to implement the above dynamic obstacle avoidance method for the robot.
  • the embodiment of the present application also provides a readable storage medium, which stores a computer program, and when the computer program is executed by a processor, implements the above dynamic obstacle avoidance method for a robot.
  • the dynamic obstacle avoidance method of the robot in the embodiment of the present application solves the joint angular velocity of the constructed obstacle avoidance optimization problem by taking the obstacle as the movement position constraint of the robot, and combining the joint position and the joint angular velocity self-constraint, so as to ensure that the obtained solution can Complete dynamic obstacle avoidance; and the obstacle avoidance optimization problem takes the terminal speed as the control target, so that while performing obstacle avoidance, the terminal speed following task is also completed as much as possible.
  • the method can be applied to various scenarios such as one or more obstacles, and static obstacles, so it is universal.
  • Fig. 1 shows the first schematic flow chart of the robot dynamic obstacle avoidance method of the embodiment of the present application
  • Fig. 2 shows the second schematic flow chart of the robot dynamic obstacle avoidance method of the embodiment of the present application
  • Fig. 3 shows a kind of application schematic diagram of the robot dynamic obstacle avoidance method of the embodiment of the present application
  • Fig. 4 shows a schematic structural diagram of a robot dynamic obstacle avoidance device according to an embodiment of the present application.
  • the quadratic programming problem is mainly the process of selecting the optimal solution from multiple solutions under the constraints of equality and inequality.
  • the main form of the quadratic programming problem is as follows:
  • H is a Hessian matrix
  • x is an n-dimensional optimization variable
  • f is a row vector
  • a eq is an mxn (m ⁇ n) dimensional matrix
  • b eq is m Row and column vector
  • Ax ⁇ b is an inequality constraint
  • A is a matrix with n columns
  • b is a column vector.
  • the range of motion and flexibility of the robot are often increased by adding redundant joints.
  • the existing processing of redundant joints is generally very complicated and takes a long time to calculate, and there are certain limitations in practical use.
  • considering the characteristics of the robot's own structure it often has various constraints such as joint angles, joint angular velocities, and joint torques in different application scenarios.
  • Optimal kinematics inverse solution the embodiment of this application will use the quadratic programming problem to optimize the solution of dynamic obstacle avoidance.
  • the robot dynamic obstacle avoidance method proposed in the embodiment of the present application constructs an obstacle avoidance optimization function with the joint angular velocity as the optimization variable and the terminal velocity as the control target.
  • the self-constraints of the joint angular velocity are jointly used as the constraints of the obstacle avoidance optimization function to optimally solve the obstacle avoidance optimization function.
  • the solution obtained in this way will enable the robot to complete dynamic obstacle avoidance as much as possible.
  • the terminal speed following task can well solve the problems existing in the existing schemes.
  • this embodiment proposes a dynamic obstacle avoidance method for a robot, which can be used for obstacle avoidance control in various scenarios such as obstacles.
  • the dynamic obstacle avoidance method of the robot includes:
  • Step S110 detecting the shortest distance between the robot and the obstacle, so as to determine the respective predicted collision point positions of the robot and the obstacle.
  • the above-mentioned predicted collision point position refers to the predicted position of the contact point where the robot will come into contact with the obstacle.
  • some open source collision detectors such as FCL collision detection, etc.
  • FCL collision detection can be used to perform distance detection or collision detection, thereby obtaining the shortest distance between the robot and the obstacle, and the predicted collision between the robot and the obstacle.
  • Collision point information may include, but is not limited to, the location of the predicted collision point on the robot and the predicted location of the collision point on the obstacle.
  • Step S120 determining the velocity constraint equation for the current robot to avoid collision according to the respective predicted collision point positions of the robot and the obstacle.
  • the motion position constraint that the robot does not collide with the obstacle can be transformed into the terminal velocity constraint of the robot.
  • step S120 includes:
  • Step S210 obtaining a collision direction vector according to the respective predicted collision point positions of the robot and the obstacle.
  • Step S220 based on the angular velocity of each joint between the predicted collision point position on the robot and the robot base, calculate the joint terminal velocity corresponding to the predicted collision point position on the robot.
  • the robot is equipped with a base coordinate system.
  • the motion state of the corresponding joint end can be calculated from the position of the collision point to the distance between the base.
  • the motion states of all the joints in between are calculated.
  • the joint end velocity corresponding to the predicted collision point position of the robot can be calculated by using the joint angular velocities of all joints between the collision point position xc and the robot base O. Specifically, the calculation formula of the joint end velocity is:
  • J c is the Jacobian matrix from the collision point c to the robot base O; is the angular velocity of each joint between the collision point position x c and the robot base.
  • Step S230 constructing a speed constraint equation for the robot to avoid collision according to the projection of the joint end speed on the collision direction vector, the predicted collision point position on the robot, and the predicted collision point position on the obstacle.
  • this embodiment constructs the speed constraint condition when the robot does not collide with the obstacle from the movement position constraint level.
  • Step S130 based on the speed constraint equation, the joint position of the robot and the self-constraint conditions of the joint angular velocity, the obstacle avoidance optimization function with the joint angular velocity as the optimization variable and the terminal velocity as the control target is solved to obtain the optimal joint angular velocity untie.
  • this embodiment will pre-build an obstacle avoidance optimization function with the joint angular velocity as the control variable and the end speed as the control target.
  • the obstacle avoidance optimization function will add corresponding constraints related to obstacles, of course, other constraints can also be added, for example, it can include but not limited to the robot's own constraints including joint angles or joint positions (ie, joint limits) , the self-constraint conditions of the joint angular velocity, etc., which can be added according to actual needs.
  • joint limit mainly refers to the limit of the joint position; and for the rotary joint, the joint limit mainly refers to the limit of the joint angle.
  • the above-mentioned obstacle avoidance optimization function will introduce a slack variable, and an index to be optimized is obtained based on the slack variable.
  • the optimization index may be the square of the slack variable, etc., of course, may also take other forms related to the slack variable, which are not limited here. It can be understood that taking the slack variable as the optimization index can ensure that even if the obstacle avoidance optimization function conflicts with the constraint conditions, it will still solve the approximate solution of the constraint equation, so as to ensure that while giving priority to obstacle avoidance, Enable the terminal to complete the corresponding terminal speed following task.
  • the expression of the obstacle avoidance optimization function is as follows :
  • each obstacle can be used as a robot's motion position constraint, the shortest distance between the robot and each obstacle can be converted into the corresponding joint speed constraint. It should be understood that no matter whether the obstacle is dynamic or static, it can be converted into a corresponding speed constraint equation by using the above method.
  • the difference from only one obstacle is that when there are multiple obstacles, the number of the above speed constraint equations is the same as the number of obstacles, that is, each obstacle has Correspondingly, there is a velocity constraint equation.
  • each speed constraint equation will be determined by the predicted collision point position of the corresponding obstacle and the robot, for details, please refer to the above steps S110-S120. Moreover, all the velocity constraint equations will be used together with the constraints of the robot's joint position and joint angular velocity to optimally solve the above-mentioned obstacle avoidance optimization function.
  • the specific constraints of the obstacle avoidance optimization function in the corresponding control command cycle can be determined after knowing the speed constraint equation of the robot in the corresponding control command cycle, and combining the joint position and joint angular velocity of the robot with its own constraints expression. Furthermore, through the optimal solution of the joint angular velocity of the obstacle avoidance optimization function, the optimal solution of the next control instruction cycle can be obtained, and the optimal solution can not only ensure avoidance of obstacles without collision, but also make the The terminal speed is the desired speed That is to realize the end speed following task.
  • Step S140 using the optimal solution of the joint angular velocity to control the motion of the robot.
  • the joint angular velocity may be used for integral processing to obtain the optimal joint velocity or joint position. Furthermore, the calculated joint angles or joint positions are used as control commands and sent to the corresponding joint motors, so that the robot can realize obstacle avoidance motion. At the same time, the end of the robot can also perform corresponding speed following tasks.
  • the dynamic obstacle avoidance method of the robot in this embodiment converts the shortest distance between the robot and the obstacle into the speed constraint of the robot by using the obstacle as the movement position constraint of the robot, and combines the constraints of the joint position and the joint angular velocity to construct
  • the obstacle avoidance optimization problem is solved for the joint angular velocity to ensure that the obtained solution can complete dynamic obstacle avoidance; and the obstacle avoidance optimization problem takes the terminal velocity as the control target, so that while performing obstacle avoidance, the terminal velocity can be completed as much as possible
  • the dynamic obstacle avoidance method can be applied to various scenarios such as one or more obstacles, dynamic or static obstacles, and has versatility.
  • this embodiment proposes a dynamic obstacle avoidance device 100 for a robot.
  • the dynamic obstacle avoidance device 100 for a robot includes:
  • the collision detection module 110 is configured to detect the shortest distance between the robot and the obstacle, so as to determine the predicted collision point positions of the robot and the obstacle.
  • the constraint determination module 120 is configured to determine a current speed constraint equation for the robot to avoid collision according to the predicted collision point positions of the robot and the obstacle.
  • the optimization solving module 130 is used to solve the obstacle avoidance optimization function with the joint angular velocity as the optimization variable and the terminal velocity as the control target based on the velocity constraint equation, the joint position of the robot and the self-constraint conditions of the joint angular velocity, to obtain the obtained The optimal solution of the joint angular velocity.
  • the motion control module 140 is configured to use the optimal solution of the joint angular velocity to perform motion control on the robot.
  • the device in this embodiment corresponds to the method in the above-mentioned embodiment 1, and the optional items in the above-mentioned embodiment 1 are also applicable to this embodiment, so the description will not be repeated here.
  • the present application also provides a robot, for example, the robot may be a robot with multiple degrees of freedom.
  • the robot includes a processor and a memory, wherein the memory stores a computer program, and the processor runs the computer program so that the mobile terminal executes the above-mentioned dynamic obstacle avoidance method for the robot or the above-mentioned dynamic obstacle avoidance device for the robot function of each module.
  • the present application also provides a readable storage medium for storing the computer program used in the above robot.
  • each block in a flowchart or block diagram may represent a module, program segment, or part of code that includes one or more Executable instructions.
  • the functions noted in the block may occur out of the order noted in the figures. For example, two blocks in succession may, in fact, be executed substantially concurrently, or they may sometimes be executed in the reverse order, depending upon the functionality involved.
  • each block of the block diagrams and/or flow diagrams, and combinations of blocks in the block diagrams and/or flow diagrams can be implemented by a dedicated hardware-based system that performs the specified function or action. may be implemented, or may be implemented by a combination of special purpose hardware and computer instructions.
  • each functional module or unit in each embodiment of the present application may be integrated to form an independent part, each module may exist independently, or two or more modules may be integrated to form an independent part.
  • the functions are implemented in the form of software function modules and sold or used as independent products, they can be stored in a computer-readable storage medium.
  • the technical solution of the present application is essentially or the part that contributes to the prior art or the part of the technical solution can be embodied in the form of a software product, and the computer software product is stored in a storage medium, including Several instructions are used to make a computer device (which may be a smart phone, a personal computer, a server, or a network device, etc.) execute all or part of the steps of the methods described in the various embodiments of the present application.
  • the aforementioned storage media include: U disk, mobile hard disk, read-only memory (ROM, Read-Only Memory), random access memory (RAM, Random Access Memory), magnetic disk or optical disc, etc., which can store program codes. .

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)

Abstract

一种机器人动态避障方法、装置和机器人，该机器人动态避障方法包括：检测机器人当前与障碍物之间的最短距离，以确定机器人与障碍物各自的预测碰撞点位置；根据机器人与障碍物各自的预测碰撞点位置确定当前机器人避免碰撞的速度约束方程；基于所述速度约束方程、机器人的关节位置和关节角速度的自身约束条件对以关节角速度为优化变量、末端速度为控制目标的避障优化函数进行求解，得到关节角速度的最优解；利用所述最优解对所述机器人进行运动控制。该方法可以使得机器人在完成动态避障的同时，尽可能地执行末端在笛卡尔空间的速度任务，还具有普适性。

Description

一种机器人动态避障方法、装置和机器人
相关申请的交叉引用
本申请要求于2021年08月24日提交中国专利局的申请号为2021109751148、名称为“一种机器人动态避障方法、装置和机器人”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及机器人控制技术领域，尤其涉及一种机器人动态避障方法、装置和机器人。
背景技术
随着机器人应用范围的扩展，机器人所处的工作环境也是多变的，在机器人的作业空间范围内，经常会出现各类静态或者动态的障碍物，如果不做处理，则很可能出现机器人与障碍物相撞，导致机器人本体或者障碍物受到伤害。虽然基于视觉设备动态监测机器人与环境的距离，能够一定程度上对碰撞进行预知，但很难实时根据动态的相对位姿对轨迹进行重新规划，而且一般的避障算法很难保证在躲避障碍物的同时保证任务的完成。
申请内容
本申请实施例提供一种机器人动态避障方法、装置和机器人，该机器人动态避障方法通过将障碍物作为机器人的运动位置约束，并结合关节位置约束、关节角速度约束来共同对避障优化问题进行求解，以保证得到的解在完成动态避障的同时，尽可能地完成末端速度任务。
本申请的实施例提供一种机器人动态避障方法，包括：
检测机器人当前与障碍物之间的最短距离，以确定所述机器人与所述障碍物各自的预测碰撞点位置；
根据所述机器人与所述障碍物各自的所述预测碰撞点位置确定当前所述机器人避免碰撞的速度约束方程；
基于所述速度约束方程、所述机器人的关节位置和关节角速度的自身约束条件对以关节角速度为优化变量、末端速度为控制目标的避障优化函数进行求解，得到所述关节角速度的最优解；
利用所述关节角速度的所述最优解对所述机器人进行运动控制。
在一些实施例中，所述根据所述机器人与所述障碍物各自的所述预测碰撞点位置确定当前所述机器人避免碰撞的速度约束方程，包括：
根据所述机器人和所述障碍物各自的所述预测碰撞点位置得到碰撞方向向量；
基于所述机器人上的预测碰撞点位置到机器人基座之间的各个关节角速度计算所述机器人上的预测碰撞点位置对应的关节末端速度；
根据所述关节末端速度在所述碰撞方向向量上的投影、所述机器人上的预测碰撞点位置和所述障碍物上的预测碰撞点位置构建得到所述机器人避免碰撞的速度约束方程。
在一些实施例中，所述机器人避免碰撞的速度约束方程的表达式为：
Figure PCTCN2021131674-appb-000001
其中，
Figure PCTCN2021131674-appb-000002
其中，
Figure PCTCN2021131674-appb-000003
为t时刻的所述机器人上的预测碰撞点位置；x p为所述障碍物的预测碰撞点位置；
Figure PCTCN2021131674-appb-000004
表示所述关节末端速度在所述碰撞方向向量
Figure PCTCN2021131674-appb-000005
上的投影；||cp||为所述机器人与所述障碍物之间的最短距离；J c为所述机器人上的预测碰撞点到机器人基座的雅克比矩阵；
Figure PCTCN2021131674-appb-000006
为所述机器人上的预测碰撞点到机器人基座之间的第i个关节角速度；T为机器人的控制指令周期。
在一些实施例中，所述基于所述速度约束方程、所述机器人的关节位置和关节角速度的自身约束条件对所述避障优化函数进行求解，之前还包括：
构建满足所述关节位置的自身约束条件的关节位置约束方程，并将所述关节位置约束方程转换为对应的关节角速度约束方程；
根据所述关节角速度约束方程和所述关节角速度的自身约束条件构建得到所述关节角速度的合成约束方程，所述合成约束方程用于和所述速度约束方程共同对所述避障优化函数进行求解。
在一些实施例中，所述机器人的关节位置约束方程为：
Figure PCTCN2021131674-appb-000007
其中，
Figure PCTCN2021131674-appb-000008
和
Figure PCTCN2021131674-appb-000009
分别为所述机器人的第i个关节角度的上限和下限；
Figure PCTCN2021131674-appb-000010
为t时刻的第i个关节角度；
Figure PCTCN2021131674-appb-000011
为第i个关节的关节角速度；T为机器人的控制指令周期。
在上述实施例中，所述关节角速度约束方程为：
Figure PCTCN2021131674-appb-000012
在一些实施例中，所述避障优化函数的表达式如下：
Figure PCTCN2021131674-appb-000013
其中，w为松弛变量，J为所述机器人的速度雅可比矩阵，
Figure PCTCN2021131674-appb-000014
为所述机器人所有关节的关节角速度向量；
Figure PCTCN2021131674-appb-000015
为所述机器人的关节末端速度向量；
Figure PCTCN2021131674-appb-000016
和
Figure PCTCN2021131674-appb-000017
分别为第i个关节角速度的上限和下限；
Figure PCTCN2021131674-appb-000018
和
Figure PCTCN2021131674-appb-000019
分别为第i个关节角度的上限和下限；
Figure PCTCN2021131674-appb-000020
为t时刻的第i个关节角度；
Figure PCTCN2021131674-appb-000021
为第i个关节的关节角速度。
在一些实施例中，当所述障碍物存在多个时，所述速度约束方程的数量与所述障碍物的数量相同；
每个所述速度约束方程通过对应的障碍物与所述机器人各自的所述预测碰撞点位置确定，所有所述速度约束方程用于与所述机器人的关节位置和关节角速度的自身约束条件共同对所述避障优化函数进行求解。
本申请的实施例还提供一种机器人动态避障装置，包括：
碰撞检测模块，用于检测机器人当前与障碍物之间的最短距离，以确定所述机器人与所述障碍物各自的预测碰撞点位置；
约束确定模块，用于根据所述机器人与所述障碍物各自的所述预测碰撞点位置确定当前所述机器人避免碰撞的速度约束方程；
优化求解模块，用于基于所述速度约束方程、所述机器人的关节位置和关节角速度 的自身约束条件对以关节角速度为优化变量、末端速度为控制目标的避障优化函数进行求解，得到所述关节角速度的最优解；
运动控制模块，用于利用所述关节角速度的所述最优解对所述机器人进行运动控制。
本申请的实施例还提供一种机器人，所述机器人包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施上述的机器人动态避障方法。
本申请的实施例还提供一种可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实施上述的机器人动态避障方法。
本申请的实施例具有如下有益效果：
本申请实施例的机器人动态避障方法通过将障碍物作为机器人的运动位置约束，并结合关节位置、关节角速度的自身约束来对构建的避障优化问题进行关节角速度求解，以保证得到的解能够完成动态避障；并且该避障优化问题以末端速度为控制目标，这样在进行避障的同时，还尽可能地完成末端速度跟随任务。此外，由于可以对单个障碍物进行对应的约束添加，该方法可以适用用于一个或多个障碍物、以及静态障碍物等多种场景，因此具有普适性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例机器人动态避障方法的第一流程示意图；
图2示出了本申请实施例机器人动态避障方法的第二流程示意图；
图3示出了本申请实施例机器人动态避障方法的一种应用示意图；
图4示出了本申请实施例机器人动态避障装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布 置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
二次规划问题主要是在满足等式及不等式约束条件下，从多个解中选取最优解的过程。示范性地，二次规划问题的主要形式如下：
Figure PCTCN2021131674-appb-000022
其中，
Figure PCTCN2021131674-appb-000023
为优化指标，H为海森矩阵；x为n维优化变量；f为行向量；A eq·x＝b eq为等式约束，A eq为mxn(m≤n)维矩阵，b eq为m行列向量；Ax≤b为不等式约束，A为n列矩阵，b为列向量。
对于机器人来说，常常通过添加冗余关节来增大机器人的运动范围和灵活度等。现有的对冗余关节的处理一般非常复杂且计算时间长，在实际使用中存在一定的限制。对此，考虑到机器人自身结构的特性，其往往在不同运用场合下会存在关节角度、关节角速度、关节力矩等多种限制，为求解得到能够用于执行相应任务且满足对应多种限制的最优运动学逆解，本申请实施例将利用二次规划问题来进行动态避障优化求解。
本申请实施例提出的机器人动态避障方法通过构建一个以关节角速度为优化变量、末端速度为控制目标的避障优化函数，并将障碍物作为机器人的运动位置约束，然后与机器人的关节位置和关节角速度的自身约束等共同作为该避障优化函数的约束条件，以用于对避障优化函数进行最优求解，这样得到的解将使得机器人在完成动态避障的同时，还尽可能地完成末端速度跟随任务，可以很好地解决现有方案中存在的问题。
下面结合具体的实施例来进行说明。
实施例1
请参照图1，本实施例提出一种机器人动态避障方法，可用于在存在障碍物等多种场景下进行避障控制。示范性地，该机器人动态避障方法包括：
步骤S110，检测机器人当前与障碍物之间的最短距离，以确定机器人与障碍物各自的预测碰撞点位置。
其中，上述的预测碰撞点位置是指预测的机器人与障碍物将产生接触的接触点的位置。示范性地，可通过一些开源的碰撞检测器(如FCL碰撞检测等)进行距离检测或碰撞检测，从而获得机器人与障碍物之间的最短距离，以及机器人与该障碍物之间预测发生碰撞的碰撞点信息。例如，该碰撞点信息可包括但不限于包括，机器人上的预测碰撞点的位置和障碍物上的预测碰撞点的位置。
步骤S120，根据机器人与障碍物各自的预测碰撞点位置确定当前机器人避免碰撞的速度约束方程。
本实施例中，通过将障碍物作为机器人的运动位置约束，并将其添加到构建的避障优化函数的约束条件中，这样可以保证得到的运动学逆解能够不与障碍物发生碰撞。示范性地，可基于机器人与障碍物两者各自的碰撞点位置以及机器人与障碍物之间的最短距离，将机器人不与障碍物发生碰撞的运动位置约束转化为机器人的末端速度约束。
在一种实施方式中，如图2所示，上述步骤S120包括：
步骤S210，根据机器人和障碍物各自的预测碰撞点位置得到碰撞方向向量。
例如，如图3所示，假设机器人上的预测碰撞点记为c，障碍物上的预测碰撞点记为p，若碰撞点c的位置记为x c，碰撞点p的位置记为x p，则两个碰撞点之间的向量
Figure PCTCN2021131674-appb-000024
可表示为：
Figure PCTCN2021131674-appb-000025
步骤S220，基于机器人上的预测碰撞点位置到机器人基座之间的各个关节角速度计算机器人上的预测碰撞点位置对应的关节末端速度。
通常地，机器人设有基座坐标系，当机器人的某一点与外界的障碍物发生碰撞时，基于机器人的链乘法则，其对应的关节末端的运动状态可以根据该碰撞点位置到基座之间的所有关节的运动状态计算得到。
在一种实施方式中，示范性地，对于机器人的预测碰撞点位置对应的关节末端速度，则可利用碰撞点位置x c到机器人基座O之间的所有关节的关节角速度计算得到。具体地，该关节末端速度的计算公式为：
Figure PCTCN2021131674-appb-000026
其中，J c为碰撞点c到机器人基座O的雅克比矩阵；
Figure PCTCN2021131674-appb-000027
为碰撞点位置x c到机器人基座之间的各个关节角速度。
步骤S230，根据所述关节末端速度在所述碰撞方向向量上的投影、机器人上的预测碰撞点位置和障碍物上的预测碰撞点位置构建得到机器人避免碰撞的速度约束方程。
为了避免机器人与障碍物在上述的两个预测碰撞点位置发生碰撞，本实施例从运动位置约束层面构建出机器人不与障碍物发生碰撞时的速度约束条件。
示范性地，该机器人避免碰撞的速度约束方程的表达式为：
Figure PCTCN2021131674-appb-000028
其中，
Figure PCTCN2021131674-appb-000029
其中，
Figure PCTCN2021131674-appb-000030
为t时刻的机器人上的预测碰撞点位置；x p为障碍物的预测碰撞点位置；
Figure PCTCN2021131674-appb-000031
表示该关节末端速度在碰撞方向向量
Figure PCTCN2021131674-appb-000032
上的投影；||cp||为机器人与障碍物之间的最短距离；J c为机器人上的预测碰撞点到机器人基座的雅克比矩阵；
Figure PCTCN2021131674-appb-000033
为机器人上的预测碰撞点到机器人基座之间的第i个关节角速度；T为机器人的控制指令周期。
步骤S130，基于所述速度约束方程、机器人的关节位置和关节角速度的自身约束条件对以关节角速度为优化变量、末端速度为控制目标的避障优化函数进行求解，得到所述关节角速度的最优解。
为了保证机器人的末端在多个约束条件下能够优先执行笛卡尔空间中的任务，本实施例将预先构建出一个以关节角速度为控制变量，以末端速度为控制目标的避障优化函数，其中，该避障优化函数将添加包含与障碍物有关的相应约束条件，当然还可添加其他的约束，例如，可包括但不限于包括机器人的关节角度或关节位置的自身约束条件(即关节限位)，关节角速度的自身约束条件等，具体可根据实际需求来添加。
由于机器人关节结构的限制而使得一些关节位置或角度不可达，因此会存在关节限位。可以理解，对于机器人的平动关节，由于不存在转动，故该关节限位主要是指对关节位置的限位；而对于转动关节，该关节限位主要是指对关节角度的限位。
以转动关节类型的机器人为例，下面对该机器人的关节角度约束的添加进行说明。假设第i个关节的关节角度的上限为
Figure PCTCN2021131674-appb-000034
下限为
Figure PCTCN2021131674-appb-000035
机器人的控制指令周期为T，
Figure PCTCN2021131674-appb-000036
为t时刻的第i个关节角度，
Figure PCTCN2021131674-appb-000037
为第i个关节的关节角速度，则t+1时刻的关节角 度
Figure PCTCN2021131674-appb-000038
应当满足关节位置的自身约束条件，具体如下：
Figure PCTCN2021131674-appb-000039
由于机器人的关节角度与关节角速度之间存在转换关系，为了方便计算，这里将其转换为以关节角速度为变量的约束方程。
进一步地，将其转换为关节角度约束方程时，则有：
Figure PCTCN2021131674-appb-000040
对于各个关节角速度的自身约束条件，示范性地，若第i个关节角速度的上限为
Figure PCTCN2021131674-appb-000041
下限为
Figure PCTCN2021131674-appb-000042
则第i个关节角速度
Figure PCTCN2021131674-appb-000043
应当满足：
Figure PCTCN2021131674-appb-000044
由于同一时刻的各个关节角速度需要同时满足多种限制，为了方便避障优化函数的优化求解，这里将对多个约束条件进行约束合成，以便与其他的约束方程共同作为上述避障优化函数的不同约束条件。
示范性地，以上述添加的关节角度和关节角速度各自的自身约束条件为例，可得到如下的关节角速度的合成约束方程：
Figure PCTCN2021131674-appb-000045
本实施例中，上述的避障优化函数将引入一松弛变量，并基于该松弛变量得到待优化的指标。例如，该优化指标可为松弛变量的平方等，当然也可以取与松弛变量有关的其他形式，这里不作限定。可以理解，以松弛变量为优化指标，可以保证即便该避障优化函数在约束条件存在冲突的情况下，依然会求解出该约束方程的接近解，从而保证在优先避障的同时，尽可能地使末端能够完成对应的末端速度跟随任务。
在一种实施方式中，若以将松弛变量的平方作为优化指标，并以上述添加的关于障碍物相关的速度约束以及关节角速度的合成约束为例，此时该避障优化函数的表达式如下：
Figure PCTCN2021131674-appb-000046
作为一种可选的实施方式，对于多个障碍物的场景，由于每个障碍物均可以作为机器人的运动位置约束，因此，机器人与每个障碍物的最短距离都可以转换为对应的关节速度约束。应当理解，无论障碍物是动态的还是静止的，都可以利用上述方法将其转换为对应的速度约束方程。
对于存在多个障碍物的情景，其与仅有一个障碍物的不同之处在于，当障碍物存在多个时，上述的速度约束方程的数量与障碍物的数量相同，即每个障碍物都对应有一个速度约束方程。
其中，每个速度约束方程将通过对应的障碍物与机器人各自的预测碰撞点位置来确定，具体可参见上述步骤S110～S120。并且，所有的速度约束方程将用于与机器人的关节位置和关节角速度的自身约束条件来共同对上述的避障优化函数进行最优求解。
示范性地，假设存在j个障碍物，此时的避障优化函数的形式如下：
Figure PCTCN2021131674-appb-000047
对于上述步骤S130，示范性地，在得知机器人在对应控制指令周期的速度约束方程，以及结合机器人的关节位置和关节角速度的自身约束条件可确定避障优化函数在对应控制指令周期的具体约束表达式。进而，通过对该避障优化函数进行关节角速度的最优求解，从而可得到下一控制指令周期的最优解，而该最优解既能保证躲避障碍物而不发生碰撞，又能尽量使得末端速度为期望的速度
Figure PCTCN2021131674-appb-000048
即实现执行末端速度跟随任务。
步骤S140，利用所述关节角速度的最优解对机器人进行运动控制。
示范性地，在求解得到一个最优的关节角速度后，可以利用该关节角速度进行积分处理，得到最优的关节速度或关节位置。进而，将计算到的关节角度或关节位置作为控制指令并发送到对应的关节电机，使得机器人能够实现避障运动。与此同时，机器人末端也能够执行相应的速度跟随任务。
本实施例的机器人动态避障方法通过将障碍物作为机器人的运动位置约束，将机器人与障碍物之间的最短距离转化为机器人的速度约束，并结合关节位置、关节角速度的自身约束来对构建的避障优化问题进行关节角速度求解，以保证得到的解能够完成动态避障；并且该避障优化问题以末端速度为控制目标，这样在进行避障的同时，还可尽可能地完成末端速度跟随任务。并且该动态避障方法可以适用于一个或多个障碍物、动态或静态的障碍物等多种场景，具有通用性。
实施例2
请参照图4，基于上述实施例1的方法，本实施例提出一种机器人动态避障装置100，示范性地，该机器人动态避障装置100包括：
碰撞检测模块110，用于检测机器人当前与障碍物之间的最短距离，以确定所述机器人与所述障碍物各自的预测碰撞点位置。
约束确定模块120，用于根据所述机器人与所述障碍物各自的所述预测碰撞点位置确定当前所述机器人避免碰撞的速度约束方程。
优化求解模块130，用于基于所述速度约束方程、所述机器人的关节位置和关节角速度的自身约束条件对以关节角速度为优化变量、末端速度为控制目标的避障优化函数进行求解，得到所述关节角速度的最优解。
运动控制模块140，用于利用所述关节角速度的所述最优解对所述机器人进行运动控制。
可以理解，本实施例的装置对应于上述实施例1的方法，上述实施例1中的可选项同样适用于本实施例，故在此不再重复描述。
本申请还提供了一种机器人，例如，该机器人可为具有多自由度的机器人。示范性地，该机器人包括处理器和存储器，其中，存储器存储有计算机程序，处理器通过运行所述计算机程序，从而使移动终端执行上述的机器人动态避障方法或者上述机器人动态避障装置中的各个模块的功能。
本申请还提供了一种可读存储介质，用于储存上述机器人中使用的所述计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本申请的多个实施例的装置、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，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，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，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/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。
另外，在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块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。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分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，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (10)

  1. 一种机器人动态避障方法，其特征在于，包括：
    检测机器人当前与障碍物之间的最短距离，以确定所述机器人与所述障碍物各自的预测碰撞点位置；
    根据所述机器人与所述障碍物各自的所述预测碰撞点位置确定当前所述机器人避免碰撞的速度约束方程；
    基于所述速度约束方程、所述机器人的关节位置和关节角速度的自身约束条件对以关节角速度为优化变量、末端速度为控制目标的避障优化函数进行求解，得到所述关节角速度的最优解；
    利用所述关节角速度的所述最优解对所述机器人进行运动控制。
  2. 根据权利要求1所述的机器人动态避障方法，其特征在于，所述根据所述机器人与所述障碍物各自的所述预测碰撞点位置确定当前所述机器人避免碰撞的速度约束方程，包括：
    根据所述机器人和所述障碍物各自的所述预测碰撞点位置得到碰撞方向向量；
    基于所述机器人上的预测碰撞点位置到机器人基座之间的各个关节角速度计算所述机器人上的预测碰撞点位置对应的关节末端速度；
    根据所述关节末端速度在所述碰撞方向向量上的投影、所述机器人上的预测碰撞点位置和所述障碍物上的预测碰撞点位置构建得到所述机器人避免碰撞的速度约束方程。
  3. 根据权利要求2所述的机器人动态避障方法，其特征在于，所述机器人避免碰撞的速度约束方程的表达式为：
    Figure PCTCN2021131674-appb-100001
    其中，
    Figure PCTCN2021131674-appb-100002
    为t时刻的所述机器人上的预测碰撞点位置；x p为所述障碍物的预测碰撞点位置；
    Figure PCTCN2021131674-appb-100003
    表示所述关节末端速度在所述碰撞方向向量
    Figure PCTCN2021131674-appb-100004
    上的投影；||cp||为所述机器人与所述障碍物之间的最短距离；J c为所述机器人上的预测碰撞点到机器人基座的雅克比矩阵；
    Figure PCTCN2021131674-appb-100005
    为所述机器人上的预测碰撞点到机器人基座之间的第i个关节角速度；T为机器人的控制指令周期。
  4. 根据权利要求1所述的机器人动态避障方法，其特征在于，所述基于所述速度约束方程、所述机器人的关节位置和关节角速度的自身约束条件对所述避障优化函数进行求解，之前还包括：
    构建满足所述关节位置的自身约束条件的关节位置约束方程，并将所述关节位置约束方程转换为对应的关节角速度约束方程；
    根据所述关节角速度约束方程和所述关节角速度的自身约束条件构建得到所述关节角速度的合成约束方程，所述合成约束方程用于和所述速度约束方程共同对所述避障优化函数进行求解。
  5. 根据权利要求4所述的机器人动态避障方法，其特征在于，所述机器人的关节位置约束方程为：
    Figure PCTCN2021131674-appb-100006
    其中，
    Figure PCTCN2021131674-appb-100007
    和
    Figure PCTCN2021131674-appb-100008
    分别为所述机器人的第i个关节角度的上限和下限；
    Figure PCTCN2021131674-appb-100009
    为t时刻的第i个关节角度；
    Figure PCTCN2021131674-appb-100010
    为第i个关节的关节角速度；T为所述机器人的控制指令周期；
    所述关节角速度约束方程为：
    Figure PCTCN2021131674-appb-100011
  6. 根据权利要求3所述的机器人动态避障方法，其特征在于，所述避障优化函数的表达式如下：
    Figure PCTCN2021131674-appb-100012
    其中，w为松弛变量，J为所述机器人的速度雅可比矩阵，
    Figure PCTCN2021131674-appb-100013
    为所述机器人所有关节的关节角速度向量；
    Figure PCTCN2021131674-appb-100014
    为所述机器人的关节末端速度向量；
    Figure PCTCN2021131674-appb-100015
    和
    Figure PCTCN2021131674-appb-100016
    分别为第i个关节角速度的上限和下限；
    Figure PCTCN2021131674-appb-100017
    和
    Figure PCTCN2021131674-appb-100018
    分别为第i个关节角度的上限和下限；
    Figure PCTCN2021131674-appb-100019
    为t时刻的第i个关节角度；
    Figure PCTCN2021131674-appb-100020
    为第i个关节的关节角速度。
  7. 根据权利要求1至6中任一项所述的机器人动态避障方法，其特征在于，当所述障碍物存在多个时，所述速度约束方程的数量与所述障碍物的数量相同；
    每个所述速度约束方程通过对应的障碍物与所述机器人各自的所述预测碰撞点位置确定，所有所述速度约束方程用于与所述机器人的关节位置和关节角速度的自身约束条件共同对所述避障优化函数进行求解。
  8. 一种机器人动态避障装置，其特征在于，包括：
    碰撞检测模块，用于检测机器人当前与障碍物之间的最短距离，以确定所述机器人与所述障碍物各自的预测碰撞点位置；
    约束确定模块，用于根据所述机器人与所述障碍物各自的所述预测碰撞点位置确定当前所述机器人避免碰撞的速度约束方程；
    优化求解模块，用于基于所述速度约束方程、所述机器人的关节位置和关节角速度的自身约束条件对以关节角速度为优化变量、末端速度为控制目标的避障优化函数进行求解，得到所述关节角速度的最优解；
    运动控制模块，用于利用所述关节角速度的所述最优解对所述机器人进行运动控制。
  9. 一种机器人，其特征在于，所述机器人包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施权利要求1-7中任一项所述的机器人动态避障方法。
  10. 一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时，实施根据权利要求1-7中任一项所述的机器人动态避障方法。
PCT/CN2021/131674 2021-08-24 2021-11-19 一种机器人动态避障方法、装置和机器人 WO2023024279A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110975114.8A CN113618739B (zh) 2021-08-24 2021-08-24 一种机器人动态避障方法、装置和机器人
CN202110975114.8 2021-08-24

Publications (1)

Publication Number Publication Date
WO2023024279A1 true WO2023024279A1 (zh) 2023-03-02

Family

ID=78387527

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/131674 WO2023024279A1 (zh) 2021-08-24 2021-11-19 一种机器人动态避障方法、装置和机器人

Country Status (2)

Country Link
CN (1) CN113618739B (zh)
WO (1) WO2023024279A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116394266A (zh) * 2023-06-08 2023-07-07 国网瑞嘉(天津)智能机器人有限公司 一种机器人自碰撞处理方法、装置、机器人及介质
CN116701821A (zh) * 2023-08-03 2023-09-05 季华实验室 机器人速度计算方法、装置、电子设备及存储介质
CN117193288A (zh) * 2023-07-28 2023-12-08 安元科技股份有限公司 基于ai算法的工业安全智能巡检机器狗及巡检方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113618742B (zh) * 2021-08-24 2022-07-29 深圳市优必选科技股份有限公司 一种机器人避障方法、装置和机器人
CN113618739B (zh) * 2021-08-24 2022-07-29 深圳市优必选科技股份有限公司 一种机器人动态避障方法、装置和机器人
CN114227686A (zh) * 2021-12-28 2022-03-25 深圳市优必选科技股份有限公司 一种机器人避障控制方法、装置、终端设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902269A (zh) * 2012-09-21 2013-01-30 北京邮电大学 预选择最小距离指标冗余机器人动态避障方法
US8406989B1 (en) * 2009-02-13 2013-03-26 Hrl Laboratories, Llc Method for adaptive obstacle avoidance for articulated redundant robot arm
CN104392081A (zh) * 2014-06-30 2015-03-04 管小清 一种冗余机械臂运动障碍物避障算法
CN108772835A (zh) * 2018-05-03 2018-11-09 华南理工大学 一种障碍物与物理极限躲避方法
CN110682286A (zh) * 2019-05-28 2020-01-14 广东省智能制造研究所 一种协作机器人实时避障方法
CN110977989A (zh) * 2019-12-27 2020-04-10 广东省智能制造研究所 一种协作机器人的运动规划与实时避障方法及系统
US20210252707A1 (en) * 2020-02-19 2021-08-19 Fanuc Corporation Collision avoidance motion planning method for industrial robot
CN113618739A (zh) * 2021-08-24 2021-11-09 深圳市优必选科技股份有限公司 一种机器人动态避障方法、装置和机器人

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009058693A1 (en) * 2007-11-01 2009-05-07 Honda Motors Co., Ltd. Real-time self collision and obstacle avoidance using weighting matrix
CN108714894A (zh) * 2018-05-03 2018-10-30 华南理工大学 一种求解双冗余机械臂互相碰撞的动力学方法
CN112605996B (zh) * 2020-12-16 2021-12-24 中山大学 一种面向冗余机械臂的无模型碰撞避免控制方法
CN113070881B (zh) * 2021-04-02 2022-11-11 深圳市优必选科技股份有限公司 机器人运动控制方法、装置和机器人
CN113276121B (zh) * 2021-05-31 2022-08-09 华南理工大学 一种基于二次规划的冗余度机械臂移动障碍物躲避方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8406989B1 (en) * 2009-02-13 2013-03-26 Hrl Laboratories, Llc Method for adaptive obstacle avoidance for articulated redundant robot arm
CN102902269A (zh) * 2012-09-21 2013-01-30 北京邮电大学 预选择最小距离指标冗余机器人动态避障方法
CN104392081A (zh) * 2014-06-30 2015-03-04 管小清 一种冗余机械臂运动障碍物避障算法
CN108772835A (zh) * 2018-05-03 2018-11-09 华南理工大学 一种障碍物与物理极限躲避方法
CN110682286A (zh) * 2019-05-28 2020-01-14 广东省智能制造研究所 一种协作机器人实时避障方法
CN110977989A (zh) * 2019-12-27 2020-04-10 广东省智能制造研究所 一种协作机器人的运动规划与实时避障方法及系统
US20210252707A1 (en) * 2020-02-19 2021-08-19 Fanuc Corporation Collision avoidance motion planning method for industrial robot
CN113618739A (zh) * 2021-08-24 2021-11-09 深圳市优必选科技股份有限公司 一种机器人动态避障方法、装置和机器人

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIA QINGXUAN, ZHANG QIANRU, GAO XIN, CHEN GANG, SONG JINGZHOU: "Dynamic Obstacle Avoidance Algorithm for Redundant Robotswith Pre-selected Minimum Distance Index", ROBOT, CN, vol. 35, no. 1, 1 January 2013 (2013-01-01), CN , pages 17 - 22, XP093040372, ISSN: 1002-0446, DOI: 10.3724/SP.J.1218.2013.00017 *
REN ZI-WU, QIU-GUO ZHU, RONG XIONG: "Trajectory Planning of 7-DOF Humanoid Manipulator under Rapid and Continuous Reaction and Obstacle Avoidance Environment", ACTA AUTOMATICA SINICA, KEXUE CHUBANSHE, BEIJING, CN, vol. 41, no. 6, 30 June 2015 (2015-06-30), CN , pages 1131 - 1144, XP093040377, ISSN: 0254-4156, DOI: 10.16383/j.aas.2015.c140676 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116394266A (zh) * 2023-06-08 2023-07-07 国网瑞嘉(天津)智能机器人有限公司 一种机器人自碰撞处理方法、装置、机器人及介质
CN116394266B (zh) * 2023-06-08 2023-10-20 国网瑞嘉(天津)智能机器人有限公司 一种机器人自碰撞处理方法、装置、机器人及介质
CN117193288A (zh) * 2023-07-28 2023-12-08 安元科技股份有限公司 基于ai算法的工业安全智能巡检机器狗及巡检方法
CN116701821A (zh) * 2023-08-03 2023-09-05 季华实验室 机器人速度计算方法、装置、电子设备及存储介质
CN116701821B (zh) * 2023-08-03 2024-03-19 季华实验室 机器人速度计算方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113618739A (zh) 2021-11-09
CN113618739B (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
WO2023024279A1 (zh) 一种机器人动态避障方法、装置和机器人
WO2023024317A1 (zh) 一种机器人避障方法、装置和机器人
JP7332199B2 (ja) 共用ワークスペースにおける複数のロボットの動作計画
CN109976347B (zh) 一种基于快速扩展随机树和势场法的视觉伺服路径规划方法
CN108801255B (zh) 用于避免机器人碰撞的方法、装置和系统
CN108638055B (zh) 一种七自由度空间机械臂自主避障规划方法
CN110986953B (zh) 路径规划方法、机器人及计算机可读存储介质
WO2020093253A1 (zh) 机器人的运动控制方法、控制系统和存储装置
CN114466730B (zh) 用于使机器人优化速度同时保持对加速度和加加速度的限制的运动规划
CN110561419B (zh) 臂型线约束柔性机器人轨迹规划方法及装置
CN110561420B (zh) 臂型面约束柔性机器人轨迹规划方法及装置
CN108803592B (zh) 用于避免机器人碰撞的方法、装置和系统
WO2023024278A1 (zh) 机器人关节位姿优化方法、机器人控制方法和机器人
CN109807933B (zh) 一种能力图点云更新方法、装置、设备及存储介质
JP2016040066A (ja) 経路生成方法、経路生成装置、ロボット装置、プログラム及び記録媒体
CN111993425B (zh) 一种避障方法、装置、机械臂及存储介质
US20240066705A1 (en) Interference Evaluation Device, Method, and Program
CN113084797B (zh) 一种基于任务分解的双臂冗余机械臂动态协同控制方法
CN113927603B (zh) 机械臂拖动控制方法、装置、计算机设备以及存储介质
CN113146637A (zh) 一种机器人笛卡尔空间的运动规划方法
KR102520793B1 (ko) 로봇의 모션 경로 블렌딩 방법 및 그 장치
CN113510746B (zh) 一种多机械臂协同的快速自碰撞检测方法
CN117182932B (zh) 机械臂避障动作规划方法、装置和计算机设备
Oliveira et al. Optimal trajectory tracking of underwater vehicle-manipulator systems through the clifford algebras and of the davies method
JPH085028B2 (ja) 移動体の衝突判定方法並びに衝突判定装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21954798

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE