3、冗余机械臂的技能获取与基于技能的运动规划

冗余机械臂的技能获取与基于技能的运动规划

1. 引言

在众多领域中，对智能机器人的需求日益增长。智能机器人需要像人类一样，在各种环境中自主执行任务，依据感官信息在不确定环境中自行决定行动。人类操作员可在一定程度上以自上而下的方式向机器人传授知识和技能，但当机器人在不确定环境中执行任务时，这些知识可能不再适用，此时机器人需通过学习自下而上地适应环境并获取新知识。

针对智能机器人，提出了分层智能控制方案，该方案包含三个层次：适应层、技能层和学习层，具有自上而下和自下而上的学习特点。为连接这三个层次并实现知识获取的这些特点，方案运用了人工智能、模糊逻辑、神经网络和遗传算法（GA）等技术。这些技术各有优缺点，因此集成和综合技术对于机器人和机电一体化系统的智能控制至关重要。

在机器人系统的工业应用中，机器人执行任务需要进行运动规划。目前，操作员会为任务制定最有效的计划并应用于机器人，即“示教过程”。然而，当任务复杂或存在诸多约束时，规划工作会变得繁琐、耗时且困难，只有经验丰富的熟练操作员才能完成有效规划，但此类操作员数量有限。而且，任务改变时，操作员需重新规划，因此实际应用中需要自动化规划系统。

冗余机械臂具有类似人类手臂的特性，能在避免奇异方位或障碍物的同时顺利执行各种任务。由于存在冗余，需对相关参数进行优化。许多研究人员对此进行了研究，定义了根据不同目的（如避免奇异点、避免障碍物和最小化角速度）的评估函数，并将优化方法分为局部优化和全局优化两类，但这两种方法都存在缺点。局部优化不能保证全局最优，全局优化虽能保证整体最优，但无法应用于实时控制且计算成本高。

已有一种针对冗余机械臂的规划方法，通过访谈和数值数据将评估函数公式化为熟练操作员的标准，并应