59、机械工程领域的创新技术与应用

机械工程领域的创新技术与应用

1. 机器人编程模仿框架

1.1 GMM与GMR模型

在机器人编程模仿框架中，GMM（高斯混合模型）参数可由先验概率 $\pi_k$、均值向量 $\mu_k$ 和协方差矩阵 $\Sigma_k$ 描述。其概率公式为：
[
p(\varepsilon_j|k) = N(\varepsilon_j; \mu_k, \Sigma_k) = \frac{1}{\sqrt{(2\pi)^D|\Sigma_k|}} e^{-0.5(\varepsilon_j - \mu_k)^T\Sigma_k^{-1}(\varepsilon_j - \mu_k)}
]
通过GMM编码的轨迹，GMR（高斯混合回归）模型可用于检索广义轨迹。回归过程会在每个时刻估计给定时间分量的空间分量的条件期望，通过在每个时间步评估条件期望，就能得到轨迹的广义形式。

1.2 实验设计

为评估该方法的能力，设计了特定任务的轨迹生成实验，以喷涂操作为机器人的目标应用。实验步骤如下：
1. 人类演示者移动手部，在物体上形成特定的手部轨迹。
2. 框架为机器人提供类似的末端执行器轨迹。
3. 使用ABB - IRB 120机器人进行实验，用户演示了两种不同复杂度的轨迹：
- 第一种情况：绘制扁平物体的矩形轮廓，机器人末端执行器形成矩形轨迹。
- 第二种情况：演示同一物体的螺旋轨迹。
4. 每种情况进行三次演示，生成的轨迹在泛化阶段进一步处理，得到可执行轨迹输入到机器人控制器完成任务。

1.3 实验观察

轨迹生成框架依赖世界、手臂和机