CN111958596B - 一种高智能机器人的动作规划系统及方法 - Google Patents
一种高智能机器人的动作规划系统及方法 Download PDFInfo
- Publication number
- CN111958596B CN111958596B CN202010814964.5A CN202010814964A CN111958596B CN 111958596 B CN111958596 B CN 111958596B CN 202010814964 A CN202010814964 A CN 202010814964A CN 111958596 B CN111958596 B CN 111958596B
- Authority
- CN
- China
- Prior art keywords
- module
- action
- intelligent robot
- door
- planning
- 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
Images
Classifications
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种高智能机器人的动作规划系统及方法,其中动作规划系统至少包括一个高智能机器人和一个远程连接的操作端,用于执行导致外部世界环境变化的环境干涉动作;其中高智能机器人具体包括一环境感知模块、一第一识别模块、一路径规划模块、一驱动模块、一第二识别模块、一动作规划模块和一执行模块。通过本技术方案,能够实现对于导致外部世界环境变化的环境干涉动作的机器人自主规划,特别针对开门和关门的动作任务,通过机器人侧的环境识别来自主判断门体的目标对象特征及任务是否执行完成,省去了人为远程操控复杂操控模式,具有高度智能性和自主任务执行的广泛适用性。
Description
技术领域
本发明涉及高智能机器人控制技术领域,尤其涉及一种高智能机器人的动作规划系统及方法。
背景技术
机器人的控制系统是控制机器人的核心机构,也是机器智能产生的场所。目前现有的机器人控制机系统仍存在较大的提升空间,对于动作规划的描述往往仅涉及示教阶段或是预设动作模型阶段,需要预先输入大量的动作模型或经历大量的训练时间,所得出的机器人动嘴规划控制方法也是根据预设模型匹配的“伪智能”动作规划,缺乏自主实现的高智能性。
此外,现有技术中机器人的动作规划往往仅涉及对于世界环境中的可移动物体进行动作干涉,并未涉及机器人动作对于世界环境发生改变;当机器人的动作对于外界环境发生影响时,往往需要人为操控进行远程干涉,目前亟需一种技术方案能够解决上述技术难题。
发明内容
针对现有技术中存在的上述问题,现提供一种高智能机器人的动作规划系统及方法,具体技术方案如下所示:
一种高智能机器人的动作规划系统,该种动作规划系统至少包括一个高智能机器人和一个操作端,操作端远程连接高智能机器人,高智能机器人根据操作端输出的执行指令执行任务动作,任务动作为导致外部世界环境变化的环境干涉动作:
高智能机器人进一步包括:
一环境感知模块,用于持续获取高智能机器人当前所处环境并生成一世界环境模型;
一第一识别模块,连接环境感知模块,用于于世界环境模型中进行目标区域识别;
一路径规划模块,连接环境感知模块和第一识别模块,用于根据世界环境模型和目标区域进行路径规划,生成一路径规划指令;
一驱动模块,连接路径规划模块,用于根据路径规划指令带动高智能机器人进行移动;
一第二识别模块,分别连接环境感知模块和第一识别模块,用于对目标区域中对目标对象进行特征识别,生成目标对象特征集合;
一动作规划模块,连接第二识别模块和环境感知模块,根据世界环境模型和目标对象特征集合进行相应的动作规划,并生成一动作规划指令;
一执行模块,连接动作规划模块,根据动作规划模块指令执行相应的任务动作。
优选的,该种动作规划系统,其中任务动作包括开门动作和关门动作。
优选的,该种动作规划系统,其中环境感知模块具体包括宽/窄基线立体相机、双鱼眼相机、激光雷达、视觉里程计、卫星定位装置和惯性测量装置。
优选的,该种动作规划系统,其中高智能机器人还包括一判断模块,用于判断任务动作是否完成并输出一判断结果;
动作规划模块还连接判断模块,用于根据判断结果,当任务动作未完成时进行动作规划指令的重规划。
优选的,该种动作规划系统,其中第二识别模块识别的目标对象特征包括:门的高度、门的宽度、门的类型、门的材质、门槛高度和门的把手位置;
门的类型进一步包括旋转门、推拉门、平开门、折叠门和卷帘门。
优选的,该种动作规划系统,其中高智能机器人还包括一监测模块和一复位模块:
监测模块分别连接执行模块和环境感知模块,用于于执行过程中持续监测高智能机器人在执行任务动作时是否存在与世界环境模型发生碰撞干涉的运动趋势并输出一监测结果;
复位模块连接监测模块,用于根据监测结果,当高智能机器人在执行任务动作时存在与世界环境模型发生碰撞干涉的运动趋势时,输出一复位指令;
执行模块还连接复位模块,根据复位指令,控制高智能机器人恢复至前一稳定姿态。
一种高智能机器人的动作规划方法,应用于上述任意一项的动作规划系统中,该种动作规划方法具体包括如下步骤:
步骤S1,持续获取高智能机器人当前所处环境并生成一世界环境模型;
步骤S2,于世界环境模型中进行目标区域识别;
步骤S3,根据世界环境模型和目标区域进行路径规划,生成一路径规划指令;
步骤S4,根据路径规划指令带动高智能机器人进行移动;
步骤S5,于对目标区域中对目标对象进行特征识别,生成目标对象特征集合;
步骤S6,根据世界环境模型和目标对象特征集合进行相应的动作规划,并生成一动作规划指令;
步骤S7,高智能机器人根据动作规划模块指令执行相应的任务动作。
优选的,该种动作规划方法,其中任务动作包括开门动作和关门动作。
优选的,该种动作规划方法,其中当高智能机器人执行开门和/或关门动作任务时,动作规划方法具体包括:
步骤A1,判断开门动作任务对应的门体的种类,并输出一第一判断结果;
步骤A2,根据第一判断结果,识别门体的作用力位置;
步骤A3,控制高智能机器人的机械臂接触作用力位置并根据第一判断结果执行相应的开门动作;
步骤A4,判断当前外部世界环境变化是否满足开门和/或关门动作任务的需求:
若是则结束本流程;
若否则返回步骤A3。
优选的,该种动作规划方法,其中作用力位置为门体对应的门把手位置。
本技术方案具体有如下优点或有益效果:
通过本技术方案,能够实现对于导致外部世界环境变化的环境干涉动作的机器人自主规划,特别针对开门和关门的动作任务,通过机器人侧的环境识别来自主判断门体的目标对象特征及任务是否执行完成,省去了人为远程操控复杂操控模式,具有高度智能性和自主任务执行的广泛适用性。
附图说明
图1为本发明一种高智能机器人的动作规划系统及方法中,动作规划系统的结构示意图。
图2为本发明一种高智能机器人的动作规划系统及方法中,动作规划方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
针对现有技术中存在的上述问题,现提供一种高智能机器人的动作规划系统及方法,应用于高智能机器人的动作控制领域,具体技术方案如下所示:
一种高智能机器人的动作规划系统,该种动作规划系统至少包括一个高智能机器人和一个操作端,操作端远程连接高智能机器人,高智能机器人根据操作端输出的执行指令执行任务动作,任务动作为导致外部世界环境变化的环境干涉动作:
如图1所示,高智能机器人进一步包括:
一环境感知模块1,用于持续获取高智能机器人当前所处环境并生成一世界环境模型;
一第一识别模块2,连接环境感知模块1,用于于世界环境模型中进行目标区域识别;
一路径规划模块3,连接环境感知模块1和第一识别模块2,用于根据世界环境模型和目标区域进行路径规划,生成一路径规划指令;
一驱动模块4,连接路径规划模块3,用于根据路径规划指令带动高智能机器人进行移动;
一第二识别模块5,分别连接环境感知模块1和第一识别模块2,用于对目标区域中对目标对象进行特征识别,生成目标对象特征集合;
一动作规划模块6,连接第二识别模块5和环境感知模块1,根据世界环境模型和目标对象特征集合进行相应的动作规划,并生成一动作规划指令;
一执行模块7,连接动作规划模块6,根据动作规划模块指令执行相应的任务动作。
作为优选的实施方式,该种动作规划系统,其中任务动作包括开门动作和关门动作。
在本发明的一较佳实施例中,任务动作包括了开门动作和关门动作:开关门是日常生活中经历的最简单的环境干涉动作之一,借此能够对于高智能机器人的抽象动作规划系统进行更为直观且详细的展示,有关开关门的具体动作规划控制将于下文进行进一步详细阐释。
作为优选的实施方式,该种动作规划系统,其中环境感知模块具体包括宽/窄基线立体相机、双鱼眼相机、激光雷达、视觉里程计、卫星定位装置和惯性测量装置。
作为优选的实施方式,该种动作规划系统,其中高智能机器人还包括一判断模块,用于判断任务动作是否完成并输出一判断结果;
动作规划模块还连接判断模块,用于根据判断结果,当任务动作未完成时进行动作规划指令的重规划。
在本发明的另一较佳实施例中,高智能机器人侧还包括一判断模块,用于判断任务动作是否完成,在实际应用过程中,该判断模块需要连接环境感知模块1,通过观察外部世界环境是否发生变化来判断该种导致外部世界环境变化的环境干涉动作是否顺利完成执行。
作为优选的实施方式,该种动作规划系统,其中第二识别模块识别的目标对象特征包括:门的高度、门的宽度、门的类型、门的材质、门槛高度和门的把手位置;
门的类型进一步包括旋转门、推拉门、平开门、折叠门和卷帘门。
作为优选的实施方式,该种动作规划系统,其中高智能机器人还包括一监测模块和一复位模块:
监测模块分别连接执行模块和环境感知模块,用于于执行过程中持续监测高智能机器人在执行任务动作时是否存在与世界环境模型发生碰撞干涉的运动趋势并输出一监测结果;
复位模块连接监测模块,用于根据监测结果,当高智能机器人在执行任务动作时存在与世界环境模型发生碰撞干涉的运动趋势时,输出一复位指令;
执行模块还连接复位模块,根据复位指令,控制高智能机器人恢复至前一稳定姿态。
在本发明的另一较佳实施例中,于高智能机器人侧还包括一监测模块和一复位模块,其中监测模块用于感知机器人在执行任务动作的过程中是否会于外部世界环境发生碰撞等干涉,防止机器人在执行动作的过程中因为不必要的碰撞致使发生损坏;值得注意的是,监测模块并非用于事后补救而是更注重于事前预防,能够通过对机器人的运动趋势预测来实现超前监测;当出现可能的碰撞预警时,通过复位模块与之配合进行避免:机器人在动作执行过程中处于动态平衡而非静态平衡,复位模块能够将机器人回复至前一静态平衡状态并等待动作规划模块进行规避环境障碍的动作重规划。
进一步的,本技术方案还提供了一种高智能机器人的动作规划方法,应用于上述任意一项的动作规划系统中,如图2所示,该种动作规划方法具体包括如下步骤:
步骤S1,持续获取高智能机器人当前所处环境并生成一世界环境模型;
步骤S2,于世界环境模型中进行目标区域识别;
步骤S3,根据世界环境模型和目标区域进行路径规划,生成一路径规划指令;
步骤S4,根据路径规划指令带动高智能机器人进行移动;
步骤S5,于对目标区域中对目标对象进行特征识别,生成目标对象特征集合;
步骤S6,根据世界环境模型和目标对象特征集合进行相应的动作规划,并生成一动作规划指令;
步骤S7,高智能机器人根据动作规划模块指令执行相应的任务动作。
作为优选的实施方式,该种动作规划方法,其中任务动作包括开门动作和关门动作。
作为优选的实施方式,该种动作规划方法,其中当高智能机器人执行开门和/或关门动作任务时,动作规划方法具体包括:
步骤A1,判断开门动作任务对应的门体的种类,并输出一第一判断结果;
步骤A2,根据第一判断结果,识别门体的作用力位置;
步骤A3,控制高智能机器人的机械臂接触作用力位置并根据第一判断结果执行相应的开门动作;
步骤A4,判断当前外部世界环境变化是否满足开门和/或关门动作任务的需求:
若是则结束本流程;
若否则返回步骤A3。
作为优选的实施方式,该种动作规划方法,其中作用力位置为门体对应的门把手位置。
在本发明的另一较佳实施例中,将作用力位置设定为门体对应的门把手位置,方便高智能机器人的机械臂对于门体进行施力作用以方便对门体进行推拉或平移;同时,由于大多数门把手位置相对于门体本身具有向外凸起的特征,也方便第二识别模块5对于其进行更为便捷的识别规划。
现将以开门任务动作为例,提供多个具体实施例对本技术方案进行进一步说明和阐释:
在本发明的第一具体实施例中,于此待规划任务中作为任务对象的门体为一推拉门,高智能机器人通过第一识别模块和第二识别模块的协同配合,对于门体区域进行感知识别并控制机器人运动至可完成开门动作的动作范围处,而后根据门体的铰链连接位置判断门体种类为推拉门而非平移门或旋转门;此时根据门体种类有高智能机器人自主规划开门动作:先通过机械臂和前端机械手握住推拉门的门把手位置,而后缓慢施加一定的力进行推门的尝试,若在施加推力的过程中高智能机器人的环境感知模块感知到外部世界环境发生变化,则说明门体已被推动,此时对于机械臂的推门动作进行适当修正以保证高智能机器人的整体平衡;若在施加推力的过程中未检测到外部世界环境的变化,则说明该门体只能通过“拉”而非“推”的方式进行开启,此时高智能机器人的动作规划模块根据环境感知模块的反馈信息调整相应的开门动作规划直至实现开门动作任务。
于上述第一具体实施例中,考虑到存在门锁的情况,高智能机器人在施加推力/拉力的同时,还将驱动前端握住门把手位置的机械手进行旋转以完成开锁动作;若开锁动作无法实现,高智能机器人进一步还能够根据外部的用户指令执行相应的破拆工作。
在本发明的第二具体实施例中,与上述第一具体实施例不同的是,于此待规划任务中作为任务对象的门体为一平移门,高智能机器人需要先后尝试“左拉”和“右拉”的动作来实现对于平移门的开启。于上述第二具体实施例中,某些平移门可能并不存在显著的门把手位置供机器人进行识别和作用力,此时高智能机器人可以退而求其次将平移门的边缘作为作用力位置以实现开门动作。
在本发明的第三具体实施例中,与上述第一和第二具体实施例均不同的是,于此待规划任务中作为任务对象的门体为一旋转门。旋转门和平移门以及推拉门存在显著的动作规划差异——旋转门没有真正意义上的开门动作可以进行执行,需要高智能机器人的动作规划系统控制其随门体的旋转速度进行相应的行进动作执行,通过本技术方案中各模块的相互配合同样能够实现对于旋转门的顺利通过。
综上所述,通过本技术方案,能够实现对于导致外部世界环境变化的环境干涉动作的机器人自主规划,特别针对开门和关门的动作任务,通过机器人侧的环境识别来自主判断门体的目标对象特征及任务是否执行完成,省去了人为远程操控复杂操控模式,具有高度智能性和自主任务执行的广泛适用性。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种高智能机器人的动作规划系统,其特征在于,所述动作规划系统至少包括一个高智能机器人和一个远程操作端,所述高智能机器人拥有环境感知模块、识别模块、路径规划模块、动作规划模块、驱动模块及执行模块等;所述远程操作端可远程连接所述高智能机器人,所述高智能机器人根据所述操作端输出的执行指令完成动作任务,通过机器人侧的环境感知和识别模块来自主判断门体等目标对象的特征,路径及动作规划模块自主规划,由驱动模块及执行模块完成动作任务;任务动作为导致外部世界环境变化的环境干涉动作,具有高度智能性和自主任务执行的广泛适用性;
所述高智能机器人包括:
一环境感知模块,用于持续获取所述高智能机器人当前所处环境并生成一世界环境模型;
一第一识别模块,连接所述环境感知模块,用于在所述世界环境模型中进行目标区域识别;
一路径规划模块,连接所述环境感知模块和所述第一识别模块,用于根据所述世界环境模型和所述目标区域进行路径规划,生成一路径规划指令;
一驱动模块,连接所述路径规划模块,用于根据所述路径规划指令带动所述高智能机器人进行移动;
一第二识别模块,分别连接所述环境感知模块和所述第一识别模块,用于对所述目标区域中对目标对象进行特征识别,生成目标对象特征集合;
一动作规划模块,连接所述第二识别模块和环境感知模块,根据所述世界环境模型和所述目标对象特征集合进行相应的动作规划,并生成一动作规划指令;
一执行模块,连接所述动作规划模块,根据所述动作规划模块指令执行相应的所述任务动作。
2.如权利要求1所述的动作规划系统,其特征在于,所述任务动作包括开门动作和关门动作。
3.如权利要求1所述的动作规划系统,其特征在于,所述环境感知模块具体包括宽基线立体相机或窄基线立体相机、双鱼眼相机、激光雷达、视觉里程计、卫星定位装置和惯性测量装置等。
4.如权利要求1所述的动作规划系统,其特征在于,所述高智能机器人还包括一判断模块,用于判断所述任务动作是否完成并输出一判断结果;
所述动作规划模块还连接所述判断模块,用于根据所述判断结果,当所述任务动作未完成时进行所述动作规划指令的重规划。
5.如权利要求2所述的动作规划系统,其特征在于,所述第二识别模块识别的目标对象特征包括:门的高度、门的宽度、门的类型、门的材质、门槛高度和门的把手位置;
所述门的类型进一步包括旋转门、推拉门、平开门、折叠门和卷帘门。
6.如权利要求1所述的动作规划系统,其特征在于,所述高智能机器人还包括一监测模块和一复位模块:
所述监测模块分别连接所述执行模块和所述环境感知模块,用于在执行过程中持续监测所述高智能机器人在执行所述任务动作时是否存在与所述世界环境模型发生碰撞干涉的运动趋势并输出一监测结果;
所述复位模块连接所述监测模块,用于根据所述监测结果,当所述高智能机器人在执行所述任务动作时存在与所述世界环境模型发生碰撞干涉的运动趋势时,输出一复位指令;
所述执行模块还连接所述复位模块,根据所述复位指令,控制所述高智能机器人恢复至前一稳定姿态。
7.一种高智能机器人的动作规划方法,其特征在于,应用于如权利要求1-6中任意一项所述的动作规划系统中,所述动作规划方法包括如下步骤:
步骤S1,持续获取所述高智能机器人当前所处环境并生成一世界环境模型;
步骤S2,于所述世界环境模型中进行目标区域识别;
步骤S3,根据所述世界环境模型和所述目标区域进行路径规划,生成一路径规划指令;
步骤S4,根据所述路径规划指令带动所述高智能机器人进行移动;
步骤S5,于对所述目标区域中对目标对象进行特征识别,生成目标对象特征集合;
步骤S6,根据所述世界环境模型和所述目标对象特征集合进行相应的动作规划,并生成一动作规划指令;
步骤S7,所述高智能机器人根据所述动作规划模块指令执行相应的所述任务动作。
8.根据权利要求7所述的动作规划方法,其特征在于,所述任务动作包括开门动作和关门动作。
9.根据权利要求8所述的动作规划方法,其特征在于,当所述高智能机器人执行开门和/或关门动作任务时,所述动作规划方法具体包括:
步骤A1,判断所述开门动作任务对应的门体的种类,并输出一第一判断结果;
步骤A2,根据所述第一判断结果,识别所述门体的作用力位置;
步骤A3,控制所述高智能机器人的机械臂接触所述作用力位置并根据所述第一判断结果执行相应的开门动作;
步骤A4,判断当前外部世界环境变化是否满足所述开门和/或关门动作任务的需求:
若是则结束本流程;
若否则返回所述步骤A3。
10.如权利要求9所述的动作规划方法,其特征在于,所述作用力位置为所述门体对应的门把手位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010814964.5A CN111958596B (zh) | 2020-08-13 | 2020-08-13 | 一种高智能机器人的动作规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010814964.5A CN111958596B (zh) | 2020-08-13 | 2020-08-13 | 一种高智能机器人的动作规划系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111958596A CN111958596A (zh) | 2020-11-20 |
CN111958596B true CN111958596B (zh) | 2022-03-04 |
Family
ID=73364912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010814964.5A Active CN111958596B (zh) | 2020-08-13 | 2020-08-13 | 一种高智能机器人的动作规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111958596B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113119077A (zh) * | 2021-04-30 | 2021-07-16 | 哈尔滨工业大学 | 一种工业机器人手持示教装置和示教方法 |
CN113492405B (zh) * | 2021-06-17 | 2022-08-02 | 达闼机器人股份有限公司 | 机器人开门方法、装置、存储介质及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104398346A (zh) * | 2014-11-07 | 2015-03-11 | 上海交通大学 | 可自主开门的智能轮椅及其自主开门方法 |
CN204883369U (zh) * | 2015-09-11 | 2015-12-16 | 国网安徽省电力公司检修公司 | 无人值守变电站保护装置操作机器人 |
CN106466211A (zh) * | 2015-08-20 | 2017-03-01 | 赵蓝昊 | 可自主开门的智能轮椅 |
CN106826815A (zh) * | 2016-12-21 | 2017-06-13 | 江苏物联网研究发展中心 | 基于彩色图像与深度图像的目标物体识别与定位的方法 |
CN109129474A (zh) * | 2018-08-10 | 2019-01-04 | 上海交通大学 | 基于多模态融合的机械手主动抓取装置及方法 |
CN109773775A (zh) * | 2017-11-14 | 2019-05-21 | 台湾积体电路制造股份有限公司 | 机器人手臂 |
CN110867002A (zh) * | 2019-11-14 | 2020-03-06 | 广东科徕尼智能科技有限公司 | 一种开门方式设置方法、智能锁及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7077800B2 (ja) * | 2018-06-11 | 2022-05-31 | オムロン株式会社 | 経路計画装置、経路計画方法、及び経路計画プログラム |
-
2020
- 2020-08-13 CN CN202010814964.5A patent/CN111958596B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104398346A (zh) * | 2014-11-07 | 2015-03-11 | 上海交通大学 | 可自主开门的智能轮椅及其自主开门方法 |
CN106466211A (zh) * | 2015-08-20 | 2017-03-01 | 赵蓝昊 | 可自主开门的智能轮椅 |
CN204883369U (zh) * | 2015-09-11 | 2015-12-16 | 国网安徽省电力公司检修公司 | 无人值守变电站保护装置操作机器人 |
CN106826815A (zh) * | 2016-12-21 | 2017-06-13 | 江苏物联网研究发展中心 | 基于彩色图像与深度图像的目标物体识别与定位的方法 |
CN109773775A (zh) * | 2017-11-14 | 2019-05-21 | 台湾积体电路制造股份有限公司 | 机器人手臂 |
CN109129474A (zh) * | 2018-08-10 | 2019-01-04 | 上海交通大学 | 基于多模态融合的机械手主动抓取装置及方法 |
CN110867002A (zh) * | 2019-11-14 | 2020-03-06 | 广东科徕尼智能科技有限公司 | 一种开门方式设置方法、智能锁及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111958596A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20140156068A1 (en) | Multi-arm robotic painting process synchronization | |
CN111958596B (zh) | 一种高智能机器人的动作规划系统及方法 | |
Nieto-Granda et al. | Semantic map partitioning in indoor environments using regional analysis | |
Zanchettin et al. | Motion planning for robotic manipulators using robust constrained control | |
Papadopoulos et al. | Towards open and expandable cognitive AI architectures for large-scale multi-agent human-robot collaborative learning | |
Dean-Leon et al. | Robotic technologies for fast deployment of industrial robot systems | |
Andersen et al. | Definition and initial case-based evaluation of hardware-independent robot skills for industrial robotic co-workers | |
Dumonteil et al. | Reactive planning on a collaborative robot for industrial applications | |
EP3585569B1 (en) | Systems, apparatus, and methods for robotic learning and execution of skills | |
Escobedo et al. | Contact anticipation for physical human–robot interaction with robotic manipulators using onboard proximity sensors | |
JP2021534988A (ja) | スキルのロボット学習及び実行のためのシステム、装置、及び方法 | |
Hudson et al. | Model-based autonomous system for performing dexterous, human-level manipulation tasks | |
US20220410391A1 (en) | Sensor-based construction of complex scenes for autonomous machines | |
Langsfeld et al. | Online learning of part deformation models in robotic cleaning of compliant objects | |
Koenig et al. | Behavior-based segmentation of demonstrated tasks | |
Liu et al. | Serocs: Safe and efficient robot collaborative systems for next generation intelligent industrial co-robots | |
Leitner et al. | Transferring spatial perception between robots operating in a shared workspace | |
Rozo | Interactive trajectory adaptation through force-guided Bayesian optimization | |
Franzel et al. | Detection of collaboration and collision events during contact task execution | |
Kyrarini et al. | Robot learning of object manipulation task actions from human demonstrations | |
Shukla et al. | Proactive, incremental learning of gesture-action associations for human-robot collaboration | |
Ruiz et al. | Implementation of a sensor fusion based robotic system architecture for motion control using human-robot interaction | |
Stipancic et al. | Programming an industrial robot by demonstration | |
WO2022098502A1 (en) | Source-agnostic image processing | |
Chen et al. | Uncertainty-aware arm-base coordinated grasping strategies for mobile manipulation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |