CN116766228B - 一种机器人交互控制方法、设备及介质 - Google Patents
一种机器人交互控制方法、设备及介质 Download PDFInfo
- Publication number
- CN116766228B CN116766228B CN202310792624.0A CN202310792624A CN116766228B CN 116766228 B CN116766228 B CN 116766228B CN 202310792624 A CN202310792624 A CN 202310792624A CN 116766228 B CN116766228 B CN 116766228B
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- singular
- control
- avoidance
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 77
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 230000033001 locomotion Effects 0.000 claims abstract description 65
- 230000002452 interceptive effect Effects 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 31
- 230000004888 barrier function Effects 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 8
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 8
- 238000013016 damping Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 13
- 238000013459 approach Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001417524 Pomacanthidae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Manipulator (AREA)
Abstract
本发明涉及机器人控制领域，尤其涉及一种机器人交互控制方法、设备及介质，所述方法首先根据当前机器人关节位置，以雅可比矩阵条件数倒数为奇异构型评价指标，所述指标能同时描述机器人的运动奇异及力奇异，根据奇异构型评价指标计算回避虚拟作用力，最后根据所选择的交互空间、交互控制方式结合阻抗控制方程确定交互控制的控制量。本发明解决了人机交互过程中机器人接近运动奇异、力奇异构型附近造成机器人关节速度过快、外部扰动导致控制不稳定等问题，所生成的虚拟作用力能有效地回避奇异构型，交互过程平稳，交互控制算法适用于多种机器人交互控制场景。
Description
技术领域
本发明涉及机器人控制技术领域，尤其涉及一种机器人交互控制方法、设备及介质。
背景技术
物理人机交互(physical human-robot interaction,pHRI)研究人与机器人之间实际接触和相互作用，旨在实现人与机器人之间的自然、安全和高效的交互，使机器人能够与人类共同工作、合作和共存。相较于传统工业机器人需通过特定的示教设备、操作人员需专业培训才能操作机器人，物理人机交互技术使得操作者能过通过力觉与机器人直接自然地交互，该技术在人机协作、医疗康复等领域得到广泛应用。因机器人需与人类共享作业空间，如何采用合适的控制方法保证交互过程中的安全性、稳定性、流畅性显得至关重要。对于物理人机交互控制，目前已有的控制方法主要包括阻抗控制及导纳控制，这两种交互控制方法通过建立交互力和交互位置之间的动态关系，使得机器人具有一定的柔顺性，实现与人类用户的协调运动。在阻抗控制及导纳控制这两种交互控制的基础上，结合学习、自适应、神经网络等技术以应对机器人动力学、人机交互过程中的不确定性及时变性，从而提高人机交互的性能[1]。
机器人的运动奇异是机器人研究中不可忽视的问题，尽管该问题在传统工业机器人中已经得到一定的重视，并有如阻尼最小二乘法等应对方法，然而在人机交互过程中的奇异构型的问题仍未得到认真对待，特别是力奇异问题。以运动奇异为例，当前机器人接近运动奇异构型，机器人将失去某一方向的运动能力。对于非专业人员而言，其无法认识到运动奇异的问题，仍希望机器人按自己的意愿继续运动，这将导致机器人某些关节速度过快，导致控制困难、运动不稳定。以应用人机交互技术的康复机器人为例，运动奇异问题使得机器人关节速度运动过快、运动不稳定，引起康复者身心不适，快速运动的机械臂甚至对康复者造成物理伤害，如牵拉损伤、人机碰撞。此外对于交互中的机器人，力奇异同样也是不可忽视的问题，当机器人运行到力奇异构型时，较小的外部作用力将在关节空间产生极大的关节等效力矩，引起机器人控制不稳定，如康复机器人接近力奇异构型，机器人电机将受到过大的外部力矩作用，控制性能恶化而发生抖动，这对于康复者而言是难以接受的。在机器人学研究中，力奇异与运动奇异通常是两个互斥的控制目标：在运动灵活的方向上，能施加的作用力受限，此时无需考虑运动奇异，而力奇异问题需引起重视；而在运动受限的方向，则能承受较大的作用力，此时机器人出现运动奇异问题，而力奇异则无关紧要[2]。因此，在设计面向人机交互的机器人运动规划、交互控制算法时，需同时考虑运动、力的奇异问题，而不能简单地仅考虑评价运动奇异的单一指标，否则将出现按下葫芦浮起瓢的情况：机器人不会出现运动奇异但遇到力奇异问题！然而在人机交互控制中综合考虑运动奇异、力奇异这两个本质互斥的问题，实现奇异构型衡量指标的统一性，是目前人机交互、人机协作研究中仍未解决的问题[2]。
在已有针对物理人机交互控制的研究中，仅有针对运动奇异问题的讨论及分析。文献[3][4]提出一种以雅可比矩阵的最小奇异值、可操作度作为奇异构型的评价指标，并采用导纳控制实现奇异躲避，然而此算法并未考虑力奇异的问题，并且只是实现了笛卡尔空间的导纳交互控制。此外，该方法在计算虚拟作用力方向时，采用数值微分的方式，计算效率低下。文献[5]将手术机器人的关节限位及奇异构型避免问题转化为优化求解问题，将关节限位阈值函数及可操作度函数加权值作为灵活度指标，然而关节限位及可操作度目标函数有不同的单位，合理的加权值的选取需反复试验，并且可操作度函数是关于关节位置的非线性函数，实时求解优化问题也存在一定难度。文献[6]尽管将6自由度机械臂的雅可比矩阵条件数作为灵活指标，用于评价机器人的运动灵活性，但并未意识到雅可比矩阵条件数同样可用于评判力奇异。上述研究中，尽管意识到在人机交互中需要考虑奇异构型对机器人控制造成的问题，但仅仅是考虑到运动奇异，对于力奇异往往并未意识到。当机器人有负载，如下肢康复机器人承载患者的下肢时，除运动奇异外，力奇异问题是必须要考虑的问题，否则当机器人运动到力奇异构型附近，机器人电机将承受过大的外力，造成控制不稳定。
在已公开的专利中，CN 114029956 B实现机器人曲面加工过程的奇异点和碰撞避免，但不适用于人机交互过程；CN 115922684 A介绍了一种力控牵引过程中的避奇异方法和装置，以可操作度为指标判断奇异，但不能处理力奇异问题，也无法处理除牵引外的交互控制需求；CN110977974B采用和文献[3]相同的思路，以雅克比矩阵最小奇异值衡量机器人性能指标，同样无法处理力奇异的问题，此外，该方法也只是实现了笛卡尔空间的导纳控制，对于其他的交互控制需求也无法满足。
更重要的是，上述专利也没有考虑在交互控制时对关节限位的回避问题，当机器人运行到关节限位时，会造成机器人突然停机，极大地影响交互体验及效率。
鉴于此，提出一种机器人交互控制方法、设备及介质，用来解决物理人机交互过程中，机器人极有可能运行到运动奇异及力奇异构型附近，此时机器人将出现关节速度过快、控制不稳定等情形而影响人机交互体验的问题；此外，在交互过程中若不对机器人运动位置做出限制，机器人极有可能运行到关节限位而突然停机的问题，也成为本领域亟待解决的问题。现有技术文献：
[1]Selvaggio M,Cognetti M,Nikolaidis S,et al.Autonomy in physicalhuman-robot interaction:Abrief survey[J].IEEE Robotics and AutomationLetters,2021,6(4):7989-7996.
[2]Lynch K M,Park F C.Modern robotics[M].Cambridge University Press,2017.
[3]Dimeas F,Moulianitis V C,Aspragathos N.Manipulator performanceconstraints in human-robot cooperation[J].Robotics and Computer-IntegratedManufacturing,2018,50:222-233.
[4]Dimeas F,Moulianitis V C,Papakonstantinou C,et al.Manipulatorperformance constraints in cartesian admittance control for human-robotcooperation[C]//2016IEEE International Conference on Robotics and Automation(ICRA).IEEE,2016:3049-3054.
[5]Thananjeyan B,Tanwani A,Ji J,et al.Optimizing robot-assistedsurgery suture plans to avoid joint limits and singularities[C]//2019International Symposium on Medical Robotics(ISMR).IEEE,2019:1-7.
[6]Zargarbashi S H H,Khan W,Angeles J.The Jacobian condition numberas a dexterity index in 6R machining robots[J].Robotics and Computer-Integrated Manufacturing,2012,28(6):694-699.
发明内容
本发明的目的是为了提供一种机器人交互控制方法与系统，产生虚拟作用力以应对奇异构型，交互过程平稳，适用于更多的交互控制场合，提高人机交互的流畅性、稳定性。
为解决以上技术问题，本发明的技术方案为：
第一方面，提供一种机器人交互控制方法，包括：
获取当前机器人的关节位置；
基于当前机器人的关节位置确定机器人奇异构型评价指标；其中，所述奇异构型评价指标同时评价机器人的运动奇异及力奇异；
基于奇异构型评价指标确定回避虚拟作用力；
将回避虚拟作用力与操作者施加作用力相叠加，进而根据所选择的交互空间、交互控制方式结合机器人力交互阻抗模型确定交互控制的控制量，即机器人的控制速度或控制力矩。
进一步地，基于当前机器人的关节位置确定机器人的奇异构型评价指标的步骤包括：
基于当前机器人关节位置q，根据雅可比矩阵计算函数计算出当前位置下的雅可比矩阵J(q)；
根据雅可比矩阵J(q)的非零奇异值σi计算奇异构型评价指标，确定以最小非零奇异值σmin与最大奇异值σmax的比值，即雅可比矩阵J(q)条件数的倒数为所述奇异构型评价指标，即γ(q)＝σmin(J)/σmax(J)。
进一步地，基于奇异构型评价指标确定奇异构型回避虚拟作用力的大小及方向的步骤包括：
判断奇异构型评价指标γ(q)与检测阈值γth的大小；
若所述奇异构型评价指标γ(q)小于某一阈值γth，则由障碍函数b(γ(q))依据奇异构型评价指标γ(q)设置虚拟作用力的大小kf，并根据奇异构型评价指标γ(q)的梯度确定虚拟力的方向df；
若所述奇异构型评价指标γ(q)大于等于阈值γth，虚拟作用力为0，不干扰机器人正常运动；
所述奇异构型回避虚拟作用力τsin表达为：
奇异构型回避虚拟作用力τsin构成回避虚拟作用力。进一步地，计算奇异构型回避虚拟作用力大小kf的方法包括：
根据障碍函数b(γ(q))及放大系数η确定奇异构型回避虚拟作用力的大小为：
kf＝ηb(γ(q))
其中，障碍函数根据奇异构型评价指标γ(q)、检测阈值γth和临界值γcr确定；障碍函数选取为：
1)反比例型障碍函数：
2)对数型障碍函数：
b(γ(q))＝-(ln(γ(q)-γcr)-ln(γth-γcr))
进一步地，计算奇异构型回避虚拟作用力的方向df的方法包括：
根据奇异构型评价指标γ(q)的梯度确定奇异构型回避虚拟作用力的方向；
采用解析形式的梯度计算为：
其中，S表示雅可比矩阵J(q)对关节位置q的梯度，即S＝▽J，机器人的雅可比矩阵J(q)是关于关节位置q的函数，利用微积分得到函数S的符号表达；变量T的计算方法为：
其中，列向量um,vm(m＝min,max)由雅可比矩阵J的奇异值分解得到的矩阵U、V对应的奇异列向量确定，雅可比矩阵J的奇异值分解形式为J＝UΣVT，Σ为包含奇异值的矩阵。
进一步地，确定交互控制的控制量的步骤包括：
基于回避虚拟作用力τv及雅可比矩阵，计算笛卡尔空间的回避虚拟作用力映射值fv，即基于操作者施加的外力fh计算在关节空间的映射值为τh＝JTfh；其中，(·)T表示矩阵转置，表示矩阵伪逆运算；
确定交互空间以及交互控制方式；其中，交互空间包括关节空间或笛卡尔空间，交互控制包括导纳控制或阻抗控制；根据选择的交互空间确定期望阻抗模型，并根据交互控制方法确定发送给机器人的控制量；具体包括：
若选取为笛卡尔空间，在笛卡尔空间实现交互控制，笛卡尔空间期望阻抗模型为：
其中Mcd,Dcd,为笛卡尔空间期望质量、阻尼、刚度系数矩阵；x,为笛卡尔空间的运动位置、速度、加速度；xd,为笛卡尔空间期望运动位置、速度、加速度，由作业任务提前设定或在线规划；
若采用笛卡尔空间导纳控制，则根据阻抗模型计算速度参考值并利用当前关节位置q的雅可比矩阵J确定关节参考速度将控制速度发给机器人位置控制器；
若采用笛卡尔空间阻抗控制，则根据阻抗模型计算笛卡尔空间控制加速度：
根据反馈线性化得到一种力矩控制方式，输出的控制力矩τ为：
其中，Mx(q),Gx(q),为机器人动力学方程中的关节量在笛卡尔空间的映射值；
对于上述机器人的动力学方程中的变量有：为惯性矩阵，为科里奥利力与向心力矩阵，为重力项，为关节摩擦力矩，为作用在末端笛卡尔空间的广义作用力，在所述回避奇异构型的交互控制算法中，fext＝fh；
上述基于反馈线性化得到的笛卡尔空间阻抗控制中的变量表达为：
若选取为关节空间，在关节空间实现交互控制，关节空间期望阻抗模型为：
其中，Mjd,Djd,为关节空间期望质量、阻尼、刚度系数矩阵；q,为关节空间的运动位置、速度、加速度；qd,为关节空间期望运动位置、速度、加速度，由作业任务提前设定或在线规划；
若采用关节空间导纳控制，则根据关节空间期望阻抗模型计算参考关节速度将控制速度发给机器人位置控制器；
若采用关节空间阻抗控制，则根据关节空间期望阻抗模型计算关节控制加速度值：
根据反馈线性化得到的一种关节空间阻抗控制，输出的控制力矩τ表达为：
因此，根据交互空间、交互控制类型，共有4种不同的交互控制方法。
进一步地，所述基于奇异构型评价指标确定回避虚拟作用力，具体包括：
基于奇异构型评价指标确定奇异构型回避虚拟作用力；
基于当前机器人关节位置，确定关节限位回避虚拟作用力的大小；
获得奇异构型回避虚拟作用力和关节限位回避虚拟作用力，叠加后得到回避虚拟作用力。
进一步地，基于当前机器人关节位置，确定关节限位回避虚拟作用力的步骤包括：
判断机器人关节i的关节位置qi；
若机器人关节i的关节位置qi在关节限位阈值之间，则不施加关节限位回避虚拟作用力，其中和分别为关节i的下限位阈值和上限位阈值；
若机器人关节位置qi进入或之间，则施加关节限位回避虚拟作用力其中和分别是关节i的下硬限位和上硬限位；具体的：
当机器人关节位置qi进入之间，则关节限位回避虚拟作用力为
当机器人关节位置qi进入之间，则关节限位回避虚拟作用力为
其中，ρ＞0为关节限位回避虚拟作用力放大系数；函数hf(x,y)为障碍函数，可选取为：
反比例型障碍函数或对数型障碍函数；
反比例型障碍函数：
对数型障碍函数：hf(x,y)＝ln(y)-ln(x)。
第二方面，提供一种机器人回避的交互控制系统，包括：
机器人关节位置获取模块，用于获取当前机器人的关节位置；
奇异构型判断指标计算模块，用于基于当前机器人的关节位置确定机器人奇异构型评价指标；其中，所述奇异构型评价指标同时评价机器人的运动奇异及力奇异；
回避虚拟作用力生成模块，用于基于奇异构型评价指标确定得到回避虚拟作用力；
交互选择模块，用于选择机器人力交互的交互空间及交互控制方式；
交互控制量生成模块，用于将回避虚拟作用力，与操作者施加作用力相叠加，进而根据所选择的交互空间、交互控制方式结合机器人力交互阻抗模型确定交互控制的控制量，即机器人的控制速度或控制力矩。
进一步地，所述回避虚拟作用力生成模块，用于基于奇异构型评价指标确定奇异构型回避虚拟作用力；基于当前机器人关节位置，确定关节限位回避虚拟作用力；获得奇异构型回避虚拟作用力和关节限位回避虚拟作用力，叠加后得到回避虚拟作用力。
第三方面，提供一种电子设备，包括存储器和处理器；其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现上述机器人交互控制方法。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求上述机器人交互控制方法。
本发明具有如下有益效果：
一、本发明实现物理人机交互时机器人回避运动奇异、力奇异构型，防止机器人出现关节速度过大、控制不稳定的情况，综合考虑两种奇异构型对机器人控制的影响，采用虚拟作用力以应对性能约束，交互过程平滑、稳定，避免了传统方法采用停机方式以应对恶劣构型而影响交互体验；
二、本发明采用雅可比矩阵的条件数倒数作为奇异构型的评价指标，既考虑了运动奇异，防止机器人进入运动奇异构型附近丧失笛卡尔空间某一方向的运动能力而造成关节速度过大，造成机器人位置跟踪不稳定；又考虑力奇异构型，当机器人进入力奇异构型附近，笛卡尔空间较小的作用力也会在关节空间产生巨大的作用力矩使得电机产生抖动而影响机器人控制性能，所提算法能避免机器人进入力奇异构型。而传统的奇异评价指标如雅可比矩阵最小奇异值、可操作度仅能应对运动奇异，所提算法能综合实现力奇异、运动奇异构型的避免；
三、进一步的，本发明能避免机器人运动到关节限位，关节限位的避免通过关节限位回避虚拟作用力实现，当关节位置接近关节硬限位，回避虚拟作用力无穷大，能避免突破关节硬限位而造成停机；
四、本发明中虚拟作用力的产生依赖障碍函数的设置，产生的虚拟作用力平滑，不会出现突然跃升不连续而影响交互体验。只有指标进入回避阈值区间时才产生作用力，而当性能较好时，如奇异指标大于γth、关节位置未超过限位阈值，则不产生虚拟作用力，避免了对正常作业的干扰；
五、本发明中对奇异构型回避虚拟作用力方向的计算，利用奇异评价函数γ(q)的梯度实现，并且梯度的计算采用解析形式，求解效果高，能保证实时计算要求，避免采用数值法造成计算效率低下；
六、本发明的交互控制算法实现了关节空间、笛卡尔空间的导纳控制及阻抗控制总共4种情形的回避关节限位、奇异构型的交互控制算法，相较于已有的交互控制算法仅能实现笛卡尔空间的导纳控制，所提算法通用性更高、适用于更多的交互控制场合。
附图说明
图1为本发明交互控制方法的流程框图；
图2为本发明的机器人奇异构型评价指标在水平平面的显示图；
图3为本发明奇异构型回避虚拟作用力计算流程图；
图4为奇异构型评价指标与奇异构型回避虚拟作用力大小曲线图；
图5为本发明中机器人回避奇异构型及关节限位的交互控制方法的具体流程图；
图6为本发明关节限位回避虚拟作用力计算流程图；
图7为关节位置与关节限位回避虚拟作用力曲线图；
图8为本发明笛卡尔空间导纳控制框图；
图9为本发明笛卡尔空间阻抗控制框图；
图10为本发明关节空间导纳控制框图；
图11为本发明关节空间阻抗控制框图；
图12为奇异构型回避生效时奇异构型评价指标与操作者交互力曲线图；
图13为关节限位回避生效时关节位置与操作者交互力曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明作进一步详细说明。
请参考图1，本发明为一种机器人交互控制方法，其包括：
步骤S100：获取当前机器人的关节位置；
步骤S200：基于当前机器人的关节位置确定机器人奇异构型评价指标；其中，所述奇异构型评价指标同时评价机器人的运动奇异及力奇异；
步骤S300：基于奇异构型评价指标得到回避虚拟作用力；
步骤S400：将回避虚拟作用力，与操作者施加作用力相叠加，进而根据所选择的交互空间、交互控制方式结合机器人力交互阻抗模型确定交互控制的控制量，即机器人的控制速度或控制力矩。
具体的，本发明通过对奇异性能评价函数定量评价当前机器人距离奇异构型的距离，并利用奇异构型评价函数进一步确定回避虚拟作用力；然后将回避虚拟作用力与操作者实际作用力相叠加，并利用人机交互阻抗方程确定最终的控制速度或控制力矩。本发明解决了人机交互过程中机器人接近运动奇异、力奇异构型附近造成机器人关节速度过快、外部扰动导致控制不稳定等问题，提高人机交互的流畅性、稳定性。
下面分别对图1中的各个步骤进行具体说明。
在步骤S100中，获取当前机器人的关节位置。
本实施例中，根据当前机器人电机编码器数值转化为连杆侧位置q，即可得到当前机器人的关节位置q。
在步骤S200中，基于当前机器人的关节位置确定机器人奇异构型评价指标；本发明中，以雅可比矩阵条件数倒数为奇异构型评价指标；步骤S200包括：
步骤S210：基于当前机器人关节位置q，根据雅可比矩阵计算函数计算出当前位置下的雅可比矩阵J(q)，矩阵J(q)既能描述关节空间运动与笛卡尔空间速度的映射关系，同时也能描述笛卡尔空间作用力与关节空间等效作用力矩的映射关系，由于雅可比矩阵描述了关节速度与笛卡空间平动速度vlin以及旋转角速度ωrot之间的关系，速度vlin与ωrot的量纲不同，因此雅可比矩阵J(q)可表述为在实际应用中可分别考虑与平动速度vlin相关的雅可比矩阵Jlin(q)或与旋转角速度ωrot相关的雅可比矩阵Jrot(q)。雅可比矩阵J根据交互力的位置确定，若交互位置为末端工具手，则雅可比矩阵J为工具手雅可比矩阵；若交互位置为机器人的某一连杆位置，则通过“电子皮肤”或视觉定位确定接触位置；在本实施案例中，交互位置为末端工具手。
步骤S220：根据雅可比矩阵J(q)的非零奇异值σi计算奇异构型评价指标，确定以最小非零奇异值σmin与最大奇异值σmax的比值，即雅可比矩阵J(q)条件数的倒数为所述奇异构型评价指标，即γ(q)＝σmin(J)/σmax(J)，雅可比矩阵奇异值σi的计算根据对矩阵J(q)的奇异值分解确定；对于m×n维的雅可比矩阵J的奇异值分解表达形式为：
J＝U∑VT (1)
其中，为正交矩阵，的矩形对角矩阵，其对角线上为奇异值，同样为正交矩阵；
由矩阵∑的非零对角元素σi即可确定σmax及σmin，在做奇异值分解时，将奇异值按降序排列；矩阵U、V的列向量分别称为左奇异向量和右奇异向量。
本实施例中，在程序代码实现时，采用C++eigen库实现奇异值分解，具体操作为：
JacobiSVD＜MatrixXf，ComputeThinU|ComputeThinV＞svd(J)；
U＝svd.matrixU()
V＝svd.matrixV()
∑＝svdsingularValueS()；
利用机器人关节位置q及上述确定当前机器人奇异构型的指标γ(q)，可判断机器人是否处于奇异构型附近。以康复机器人Nurt为例，分析此机器人的奇异构型大致分布。图2为当机器人的笛卡尔空间运动限制在水平平面时，Nurt机器人的构型评价指标γ(q)的数值显示，指标越差(接近0)，则颜色越深；奇异构型评价指标γ(q)越佳，则颜色越浅。从图2可知，当Nurt的运动接近最外部边界时，此时将出现2、3轴共线的肘部运动奇异，指标γ(q)较差，表现为关节运动速度较快；而当Nurt带载运动到基部，此时出现力奇异的情况，指标γ(q)较差，机器人关节受力过大，运动不再稳定，承受负载的机械臂容易发生抖动。
在步骤S300中，基于奇异构型评价指标确定回避虚拟作用力；本实施例中，基于奇异构型评价指标确定奇异构型回避虚拟作用力的大小及方向，从而得到回避虚拟作用力；
奇异构型回避虚拟作用力计算流程图如图3所示，所述奇异构型回避虚拟作用力τsin表达为：
具体的，步骤S300中，计算回避虚拟作用力包括：
步骤S310：判断奇异构型评价指标γ(q)与检测阈值γth的大小；
若所述奇异构型评价指标γ(q)小于某一阈值γth，则由障碍函数b(γ(q))依据评价指标γ(q)设置虚拟作用力的大小kf，并根据奇异构型评价指标γ(q)的梯度确定虚拟力的方向df，因额外施加虚拟作用力，改变机器人的原有的运动以防止奇异评价指标γ(q)继续恶化；
若所述奇异构型评价指标γ(q)大于等于阈值γth，虚拟作用力为0，不干扰机器人正常运动；
具体的，步骤S310中，计算奇异构型回避虚拟作用力大小kf的方法包括：
根据障碍函数b(γ(q))及放大系数η确定奇异构型回避虚拟作用力的大小为：
kf＝ηb(γ(q)) (3)
其中，障碍函数根据奇异构型评价指标γ(q)、检测阈值γth和临界值γcr确定；障碍函数选取为：
1)反比例型障碍函数：
2)对数型障碍函数：
b(γ(q))＝-(ln(γ(q)-γcr)-ln(γth-γcr)) (5)
本实施例中，障碍函数中参数设置为γcr＝0，γthr＝0.07，采用反比例性障碍函数时，放大系数η＝5，而采用对数型障碍函数，放大系数η＝300。奇异构型评价指标γ(q)回避虚拟作用力的曲线图如图4所示，从图4中可以看到，当构型评价指标恶化(接近0)，则奇异构型回避虚拟作用力大小迅速变大。当奇异构型评价指标γ(q)小于预设阈值γth，虚拟作用力fsin开始变大，将阻止机器人继续往恶劣构型运动。
具体的，步骤S310中，计算奇异构型回避虚拟作用力的方向df的方法包括：
根据奇异构型评价指标γ(q)的梯度确定奇异构型回避虚拟作用力的方向；
采用解析形式的梯度计算为：
其中，S表示雅可比矩阵J(q)对关节位置q的梯度，即机器人的雅可比矩阵J(q)是关于关节位置q的函数，利用微积分得到函数S的符号表达；变量T的计算方法为：
其中，列向量um,vm(m＝min,max)由步骤S220中雅可比矩阵J的奇异值分解得到的矩阵U、V对应的奇异列向量确定，雅可比矩阵J的奇异值分解形式为J＝UΣVT，Σ为包含奇异值的矩阵。
在另一种实施例中，步骤S300中的回避虚拟作用力还包括关节限位回避虚拟作用力，参阅图5，关节限位回避虚拟作用力和上述步骤S310计算的奇异构型回避虚拟作用力构成回避虚拟作用力实现机器人回避奇异构型及关节限位的交互控制；因此，步骤S300包括以下步骤：
步骤S310：基于奇异构型评价指标确定奇异构型回避虚拟作用力的大小及方向；
步骤S320：根据关节限位及当前机器人关节位置，确定关节限位回避虚拟作用力的大小；
步骤S330：将奇异构型回避虚拟作用力和关节限位回避虚拟作用力相加，得到回避虚拟作用力。
其中，步骤S310和S320无先后顺序。
关节限位回避虚拟作用力计算流程图如图6所示，步骤S320包括：
判断机器人关节i的关节位置qi；
若机器人关节i的关节位置qi在关节限位阈值之间，则不施加关节限位回避虚拟作用力，其中和分别为关节i的下限位阈值和上限位阈值，分别设置为关节运动5％和95％的数值，即在区间范围内不考虑关节限位回避问题，表示关节i的运动范围大小；
若机器人关节位置qi进入或之间，则施加关节限位回避虚拟作用力其中和分别是关节i的下硬限位和上硬限位；具体的：
当机器人关节位置qi进入之间，则关节限位回避虚拟作用力为
当机器人关节位置qi进入之间，则关节限位回避虚拟作用力为
其中，ρ＞0为关节限位回避虚拟作用力放大系数；函数hf(x,y)为障碍函数，可选取为：
反比例型障碍函数或对数型障碍函数；其中，
反比例型障碍函数：
对数型障碍函数：hf(x,y)＝ln(y)-ln(x)；
步骤S330中，将步骤S310中的奇异构型回避虚拟作用力，与步骤S320中关节限位回避虚拟作用力相加，得到合计的回避虚拟作用力τv＝τsin+τjlim。
关节运动与关节限位回避虚拟作用力曲线图如图8所示，由图可知当机器人关节位置接近关节限位时，将产生关节限位回避虚拟作用力，距离限位越近，则回避虚拟作用力越大，而当机器人运动到关节限位时，此时虚拟回避作用力将趋于无穷，能严格确保机器人的关节运动不超过关节限位。
通过比较当前关节位置与关节限位、关节限位阈值的关系确定关节限位回避虚拟作用力，基于奇异构型回避虚拟作用力和关节限位回避虚拟作用力计算合计的回避虚拟作用力，避免了机器人运动到关节限位，解决了机器人运行到关节限制而突然停机的问题。
在步骤S400中，将S300中的回避虚拟作用力，与操作者施加作用力相叠加，进而根据机器人力交互阻抗模型确定机器人的控制速度或控制力矩，根据交互空间、交互控制类型，总共有4种不同的交互控制算法，其控制框图如图8-11所示；步骤S400包括：
步骤S410：基于回避虚拟作用力τv及雅可比矩阵，计算笛卡尔空间的回避虚拟作用力映射值，即其中(·)T表示矩阵转置，表示矩阵伪逆运算，fv＝fsin+fjlim，fsin为笛卡尔空间等效奇异构型回避虚拟作用力，fjlim为笛卡尔空间等效关节限位回避虚拟作用力，τsin＝JTfsin，τjlim＝JTfjlim；基于操作者施加的外力fh计算在关节空间的映射值为τh＝JTfh；步骤S420：确定交互空间以及交互控制方式；其中，交互空间包括关节空间或笛卡尔空间，交互控制包括导纳控制或阻抗控制；根据选择的交互空间确定期望阻抗模型，并根据交互控制方法确定发送给机器人的控制量；具体包括：
步骤S421：若选取为笛卡尔空间，在笛卡尔空间实现交互控制，笛卡尔空间期望阻抗模型为：
其中Mcd,Dcd,为笛卡尔空间期望质量、阻尼、刚度系数矩阵；x,为笛卡尔空间的运动位置、速度、加速度；xd,为笛卡尔空间期望运动位置、速度、加速度，由作业任务提前设定或在线规划；
步骤S421a：参阅图8，若采用笛卡尔空间导纳控制，则根据阻抗模型计算速度参考值并利用当前关节位置q的雅可比矩阵J确定关节参考速度将控制速度发给机器人位置控制器；
步骤S421b：参阅图9，若采用笛卡尔空间阻抗控制，则根据阻抗模型计算笛卡尔空间控制加速度：
根据反馈线性化得到一种力矩控制方式，输出的控制力矩τ为：
其中，Mx(q),Gx(q),为机器人动力学方程中的关节量在笛卡尔空间的映射值；
对于上述机器人的动力学方程中的变量有：为惯性矩阵，为科里奥利力与向心力矩阵，为重力项，为关节摩擦力矩，为作用在末端笛卡尔空间的广义作用力，在所述回避奇异构型的交互控制算法中，fext＝fh+fv；
上述基于反馈线性化得到的笛卡尔空间阻抗控制中的变量表达为：
步骤S422：若选取为关节空间，在关节空间实现交互控制，关节空间期望阻抗模型为：
其中，Mjd,Djd,为关节空间期望质量、阻尼、刚度系数矩阵；q,为关节空间的运动位置、速度、加速度；qd,为关节空间期望运动位置、速度、加速度，一般由作业任务提前设定或在线规划；
步骤S422a：参阅图10，若采用关节空间导纳控制，则根据关节空间期望阻抗模型计算参考
关节速度将控制速度发给机器人位置控制器；
步骤S422b：参阅图11，若采用关节阻抗控制，则根据关节空间期望阻抗模型计算关节控制加速度值：
根据反馈线性化得到的一种关节空间阻抗控制，输出的控制力矩τ表达为：
若机器人随操作者的运动而运动，在控制速度或控制力矩设计时，将某些量赋值为0：期望运动设置为0，即x＝0(或q＝0)，刚度项设为0，即Kcd＝0(或Kjd＝0)。
因此，根据交互空间、交互控制类型，共有4种不同的交互控制方法。
本实施案例以Nurt机器人为对象在笛卡尔空间的导纳控制，操作者牵引Nurt机器人运动，Nurt无预设轨迹，因此机器人与人交互的阻抗方程为：
本发明中，根据上述步骤S100～S400实现在交互控制时对奇异构型、关节限位的回避。机器人末端工具手安装6维力传感器测量交互作用力。图12是奇异构型回避功能生效时的关节位置与作用力曲线图，当机器人在24秒时靠近奇异构型，奇异构型评价指标低于设定阈值，所提的交互控制算法产生排斥虚拟作用力以阻止操作者操作机械臂继续往恶劣构型运动，操作者施加在机器人上的作用力也因此变大，即使操作者施加较大的外力也无法使得机器人继续前行，因为前方是构型恶化的方向。图13为关节限位回避功能生效时关节位置与交互作用力曲线，由图可知，当机器人运动快接近关节限位时，所提的控制算法产生回避虚拟作用力阻止机器人进一步往边界运动，当操作者试图让机械臂往关节限位运动，操作者施加力将进一步变大，阻碍操作者的运动意图，实现对关节限位的回避。
本发明还提供一种机器人交互控制系统，用于实现上述步骤S100-S400的交互控制方法，所述交互控制系统包括：
机器人关节位置获取模块，用于获取当前机器人的关节位置；
奇异构型判断指标计算模块，用于基于当前机器人的关节位置确定机器人奇异构型评价指标；其中，所述奇异构型评价指标同时评价机器人的运动奇异及力奇异；
回避虚拟作用力生成模块，用于基于奇异构型评价指标确定回避虚拟作用力；
交互选择模块，用于选择机器人力交互的交互空间及交互控制方式；
交互控制量生成模块，将回避虚拟作用力，与操作者施加作用力相叠加，进而根据所选择的交互空间、交互控制方式结合机器人力交互阻抗模型确定交互控制的控制量，即机器人的控制速度或控制力矩。
在另一种实施例中，回避虚拟作用力生成模块，用于基于奇异构型评价指标确定奇异构型回避虚拟作用力；基于当前机器人关节位置，确定关节限位回避虚拟作用力；获取奇异构型回避虚拟作用力和关节限位回避虚拟作用力，叠加后得到回避虚拟作用力。
本发明还提供一种电子设备，其特征在于：包括存储器和处理器；其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现上述的机器人回避的交互控制方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的机器人回避的交互控制方法。
本发明未涉及部分均与现有技术相同或采用现有技术加以实现。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (8)
1.一种机器人交互控制方法，其特征在于：包括
获取当前机器人的关节位置；
基于当前机器人的关节位置确定机器人奇异构型评价指标；其中，所述奇异构型评价指标同时评价机器人的运动奇异及力奇异；
基于奇异构型评价指标确定回避虚拟作用力；
将回避虚拟作用力与操作者施加作用力相叠加，进而根据所选择的交互空间、交互控制方式结合机器人力交互阻抗模型确定交互控制的控制量，即机器人的控制速度或控制力矩；
基于奇异构型评价指标确定回避虚拟作用力的步骤包括：
判断奇异构型评价指标γ(q)与检测阈值γth的大小；
若所述奇异构型评价指标γ(q)小于某一阈值γth，则由障碍函数b(γ(q))依据奇异构型评价指标γ(q)设置虚拟作用力的大小kf，并根据奇异构型评价指标γ(q)的梯度确定虚拟力的方向df；
若所述奇异构型评价指标γ(q)大于等于阈值γth，虚拟作用力为0，不干扰机器人正常运动；
所述奇异构型回避虚拟作用力τsin表达为：
奇异构型回避虚拟作用力τsin构成回避虚拟作用力；
计算奇异构型回避虚拟作用力大小kf的方法包括：
根据障碍函数b(γ(q))及放大系数η确定奇异构型回避虚拟作用力的大小为：
kf＝ηb(γ(q))
其中，障碍函数根据奇异构型评价指标γ(q)、检测阈值γth和临界值γcr确定；障碍函数选取为：
1)反比例型障碍函数：
2)对数型障碍函数：
b(γ(q))＝-(ln(γ(q)-γcr)-ln(γth-γcr))。
2.根据权利要求1所述的机器人交互控制方法，其特征在于：基于当前机器人的关节位置确定机器人的奇异构型评价指标的步骤包括：
基于当前机器人关节位置q，计算出当前位置下的雅可比矩阵J(q)；
根据雅可比矩阵J(q)的非零奇异值σi计算奇异构型评价指标，确定以最小非零奇异值σmin与最大奇异值σmax的比值，即雅可比矩阵J(q)条件数的倒数为所述奇异构型评价指标，即γ(q)＝σmin(J)/σmax(J)。
3.根据权利要求1所述的机器人交互控制方法，其特征在于：计算奇异构型回避虚拟作用力的方向df的方法包括：
根据奇异构型评价指标γ(q)的梯度确定奇异构型回避虚拟作用力的方向；
采用解析形式的梯度计算为：
其中，S表示雅可比矩阵J(q)对关节位置q的梯度，即机器人的雅可比矩阵J(q)是关于关节位置q的函数，利用微积分得到函数S的符号表达；变量T的计算方法为：
其中，列向量um,vm(m＝min,max)由雅可比矩阵J的奇异值分解得到的矩阵U、V对应的奇异列向量确定，雅可比矩阵J的奇异值分解形式为J＝U∑VT，∑为包含奇异值的矩阵。
4.根据权利要求1所述的机器人交互控制方法，其特征在于：确定交互控制的控制量的步骤包括：
基于回避虚拟作用力τv及雅可比矩阵，计算笛卡尔空间的回避虚拟作用力映射值fv，即基于操作者施加的外力fh计算在关节空间的映射值为τh＝JTfh；其中，(`)T表示矩阵转置，表示矩阵伪逆运算；
确定交互空间以及交互控制方式；其中，交互空间包括关节空间或笛卡尔空间，交互控制包括导纳控制或阻抗控制；根据选择的交互空间确定期望阻抗模型，并根据交互控制方法确定发送给机器人的控制量；具体包括：
若选取为笛卡尔空间，在笛卡尔空间实现交互控制，笛卡尔空间期望阻抗模型为：
其中为笛卡尔空间期望质量、阻尼、刚度系数矩阵；为笛卡尔空间的运动位置、速度、加速度；为笛卡尔空间期望运动位置、速度、加速度，由作业任务提前设定或在线规划；
若采用笛卡尔空间导纳控制，则根据阻抗模型计算速度参考值并利用当前关节位置q的雅可比矩阵J确定关节参考速度将控制速度发给机器人位置控制器；
若采用笛卡尔空间阻抗控制，则根据阻抗模型计算笛卡尔空间控制加速度：
根据反馈线性化得到一种力矩控制方式，输出的控制力矩τ为：
其中，为机器人动力学方程中的关节量在笛卡尔空间的映射值；
对于上述机器人的动力学方程中的变量有：为惯性矩阵，为科里奥利力与向心力矩阵，为重力项，为关节摩擦力矩，为作用在末端笛卡尔空间的广义作用力，在回避奇异构型的交互控制算法中，fext＝fh；
根据反馈线性化得到的笛卡尔空间阻抗控制中的变量表达为：
若选取为关节空间，在关节空间实现交互控制，关节空间期望阻抗模型为：
其中，为关节空间期望质量、阻尼、刚度系数矩阵；为关节空间的运动位置、速度、加速度；为关节空间期望运动位置、速度、加速度，由作业任务提前设定或在线规划；
若采用关节空间导纳控制，则根据关节空间期望阻抗模型计算参考关节速度将控制速度发给机器人位置控制器；
若采用关节空间阻抗控制，则根据关节空间期望阻抗模型计算关节控制加速度值：
根据反馈线性化得到的一种关节空间阻抗控制，输出的控制力矩τ表达为：
因此，根据交互空间、交互控制类型，共有4种不同的交互控制方法。
5.根据权利要求1至4任一项所述的机器人交互控制方法，其特征在于：
所述基于奇异构型评价指标确定回避虚拟作用力，具体包括：
基于奇异构型评价指标确定奇异构型回避虚拟作用力；
基于当前机器人关节位置，确定关节限位回避虚拟作用力；
获得奇异构型回避虚拟作用力和关节限位回避虚拟作用力叠加后得到回避虚拟作用力。
6.根据权利要求5所述的机器人交互控制方法，其特征在于：基于当前机器人关节位置，确定关节限位回避虚拟作用力的步骤包括：
判断机器人关节i的关节位置qi；
若机器人关节i的关节位置qi在关节限位阈值之间，则不施加关节限位回避虚拟作用力，其中和分别为关节i的下限位阈值和上限位阈值；
若机器人关节位置qi进入或之间，则施加关节限位回避虚拟作用力其中和分别是关节i的下硬限位和上硬限位；具体的：
当机器人关节位置qi进入之间，则关节限位回避虚拟作用力为
当机器人关节位置qi进入之间，则关节限位回避虚拟作用力为
其中，ρ＞0为关节限位回避虚拟作用力放大系数；函数hf(x,y)为障碍函数，可选取为：反比例型障碍函数或对数型障碍函数；
反比例型障碍函数：
对数型障碍函数：hf(x,y)＝ln(y)-ln(x)。
7.一种电子设备，其特征在于：包括存储器和处理器；
其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现权利要求1～6中任意一项所述的机器人交互控制方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～6中任意一项所述的机器人交互控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310792624.0A CN116766228B (zh) | 2023-06-30 | 2023-06-30 | 一种机器人交互控制方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310792624.0A CN116766228B (zh) | 2023-06-30 | 2023-06-30 | 一种机器人交互控制方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116766228A CN116766228A (zh) | 2023-09-19 |
| CN116766228B true CN116766228B (zh) | 2024-09-17 |
Family
ID=87991122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310792624.0A Active CN116766228B (zh) | 2023-06-30 | 2023-06-30 | 一种机器人交互控制方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116766228B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077310A (zh) * | 2013-01-04 | 2013-05-01 | 同济大学 | 基于螺旋空间夹角的串联和并联机器人机构的奇异裕度检测方法 |
| CN110977974A (zh) * | 2019-12-11 | 2020-04-10 | 遨博（北京）智能科技有限公司 | 一种机器人规避奇异位型的导纳控制方法、装置及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100453279C (zh) * | 2007-05-31 | 2009-01-21 | 西安理工大学 | 无奇异完全各向同性空间移动并联机构 |
| CN102208891B (zh) * | 2010-11-18 | 2013-04-24 | 东南大学 | 基于摩擦和扰动补偿的pmsm伺服系统控制方法 |
| KR102079122B1 (ko) * | 2019-10-31 | 2020-02-19 | 주식회사 뉴로메카 | 로봇을 위한 동역학 시뮬레이션 기반 제어 프레임 워크 |
| CN113601512B (zh) * | 2021-08-23 | 2022-12-02 | 太原理工大学 | 一种机械臂奇异点的通用规避方法与系统 |
-
2023
- 2023-06-30 CN CN202310792624.0A patent/CN116766228B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077310A (zh) * | 2013-01-04 | 2013-05-01 | 同济大学 | 基于螺旋空间夹角的串联和并联机器人机构的奇异裕度检测方法 |
| CN110977974A (zh) * | 2019-12-11 | 2020-04-10 | 遨博（北京）智能科技有限公司 | 一种机器人规避奇异位型的导纳控制方法、装置及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116766228A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111906778B (zh) | 基于多重感知的机器人安全控制方法及装置 | |
| EP1972416B1 (en) | Robots with occlusion avoidance functionality | |
| Jain et al. | Pulling open doors and drawers: Coordinating an omni-directional base and a compliant arm with equilibrium point control | |
| De Santis et al. | The skeleton algorithm for self-collision avoidance of a humanoid manipulator | |
| KR102003216B1 (ko) | 로봇을 위한 모터 제어 및/또는 조정 | |
| EP1972415A1 (en) | Robots with collision avoidance functionality | |
| CN112894821B (zh) | 基于电流法的协作机器人拖动示教控制方法、装置及设备 | |
| Seki et al. | How to design force sensorless power assist robot considering environmental characteristics-position control based or force control based | |
| Andaluz et al. | Visual control with adaptive dynamical compensation for 3D target tracking by mobile manipulators | |
| Shahverdi et al. | A simple and fast geometric kinematic solution for imitation of human arms by a NAO humanoid robot | |
| Su et al. | Hybrid adaptive/robust motion control of rigid-link electrically-driven robot manipulators | |
| Meziane et al. | Cable interference control in physical interaction for cable-driven parallel mechanisms | |
| Beik-Mohammadi et al. | Model mediated teleoperation with a hand-arm exoskeleton in long time delays using reinforcement learning | |
| Winiarski et al. | Opening a door with a redundant impedance controlled robot | |
| Almusawi et al. | Online teaching of robotic arm by human–robot interaction: end effector force/torque sensing | |
| Heinzmann et al. | A safe-control paradigm for human–robot interaction | |
| Smith et al. | A predictor for operator input for time-delayed teleoperation | |
| CN116766228B (zh) | 一种机器人交互控制方法、设备及介质 | |
| Cabrera et al. | Cohaptics: Development of human-robot collaborative system with forearm-worn haptic display to increase safety in future factories | |
| García et al. | Bimanual robot control for surface treatment tasks | |
| Chen et al. | Object Recognition and Localization for Pick-and-Place Task using Difference-based Dynamic Movement Primitives | |
| Sanford et al. | Physical human-robot interaction with a mobile manipulator through pressure sensitive robot skin | |
| Ismail et al. | Collision-free and dynamically feasible trajectory of a hybrid cable–serial robot with two passive links | |
| JPH1158278A (ja) | ロボットの制御装置 | |
| Moya et al. | Delayed teleoperation with force feedback of a humanoid robot |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: Building 2, No. 16 Shuige Road, Moling Street, Jiangning District, Nanjing City, Jiangsu Province, 211100 Applicant after: Easton (Nanjing) Medical Technology Co.,Ltd. Address before: 211100 Yanhu Road, Jiangning Economic and Technological Development Zone, Nanjing, Jiangsu Province, 178 Applicant before: Easton (Nanjing) Medical Technology Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |