22、机器人恒力跟踪与装配强化学习方法研究

机器人恒力跟踪与装配强化学习方法研究

在机器人技术领域，恒力跟踪和装配任务是两个重要的研究方向。恒力跟踪对于机器人在打磨、抛光等操作中保持稳定的力输出至关重要，而装配任务则是制造业中机器人应用的关键环节。本文将介绍两种相关的研究方法，分别是基于动态系统（DS）的恒力跟踪阻抗控制方法，以及用于机器人装配强化学习任务的示范塑形奖励机器方法。

基于DS的恒力跟踪阻抗控制方法

为了验证经接触力反馈校正的调制DS对小干扰抑制的效果，研究人员进行了恒力跟踪表面的实验。实验分为两组，一组采用原始的开环调制DS（无反馈），另一组采用基于接触力估计反馈的调制DS。

实验结果表明，基于估计力反馈的DS组的稳态误差显著降低。开环DS的均方根误差（RMSE）为4.85，而闭环DS的RMSE为1.41。这说明通过接触力估计值改进的总DS能够有效抑制表面恒力跟踪中由模型干扰和位置误差引起的小干扰。

为了验证所提出的基于DS的阻抗控制在面对大干扰时的重新规划能力，研究人员进行了使用闭环DS的接触力跟踪实验。在机器人末端执行器引入人工干扰，具体为在3 - 8秒施加Z轴方向的外力干扰，13 - 17秒施加X轴方向的外力干扰，23 - 27秒施加Y轴方向的外力干扰。

当受到Z轴干扰时，末端执行器会脱离表面，导致接触力为零。干扰消失后，机器人进入重新规划状态，并再次使用DS返回表面恒力跟踪任务。同样，当在X轴和Y轴方向施加干扰时，机器人的末端执行器会偏离期望轨迹。干扰消失后，在DS的影响下，机器人的末端执行器会逐渐再次接近期望轨迹。重新规划过程平稳，没有任何不稳定现象，这表明该控制方法在面对大干扰时具有重新规划能力和鲁棒性。

以下是实验过程的简单流程图： <