47、基于人机交互与分布式任务分配的创新探索

基于人机交互与分布式任务分配的创新探索

在科技不断发展的今天，机器人的运动生成与任务分配系统是两个备受关注的领域。下面我们将深入探讨通过人机交互生成基于关联的运动，以及一种基于简单合同网协议的分布式任务分配系统。

基于人机交互的机器人运动生成

在机器人研究领域，如何让机器人根据不同的指示生成相应的运动是一个关键问题。这里介绍了一种利用非线性主成分分析（NLPCA）和约旦递归神经网络（JRNN）的方法，通过三个阶段实现机器人根据给定指示生成关联运动。

学习阶段

在这个阶段，机器人利用NLPCA和JRNN学习指示与对应运动之间的关系。NLPCA具有输入/输出层3个单元、关联层2个单元和隐藏层9个单元，其输入值是内部三维轨迹的时间序列坐标。JRNN的输入/输出/上下文层有6个单元、关联层2个单元和中间层20个单元，输入值是机器人手臂的归一化关节角度，NLPCA关联层的输出作为JRNN关联层的输入。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A[指示]:::process --> B(NLPCA):::process
    C[对应运动]:::process --> D(JRNN):::process
    B --> D

关联值提取阶段

当机器人接收到不熟悉的指示 $D_{unf} = [d_{unf}(1), \cdots, d_{unf}(T)]$ 时，会基于特定方程提取一系列关联值 $P_{