基于动态系统的机器人模仿学习方法研究
针对当前机器人模仿学习过程中,运动模仿存在无法收敛到目标点以及泛化能力差的问题,引入一种基于动态系统(dynamical system,DS)的模仿学习方法.该方法通过高斯混合模型(gaussian mixture model,GMM)将示教运动数据建模为一非线性动态系统;将DS全局稳定的充分条件作为约束,以保证DS所生成的所有轨迹收敛到目标点;将动态系统模型的参数学习问题转化为求解一个约束优化问题,从而得到模型参数.以7bot机械臂为实验对象,进行仿真实验和机器人实验,实验结果表明:该方法学习的DS模型从不同起点生成的所有轨迹都收敛到目标点,轨迹平滑,泛化能力好.
机器人、模仿学习、轨迹层面、高斯混合模型、动态系统、参数学习、7bot机械臂、泛化能力
14
TP242.6(自动化技术及设备)
国家自然科学基金项目61773027;北京市自然科学基金项目4182008;北京市自然科学基金项目/北京市教育委员会科技计划重点项目KZ201610005010
2019-10-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
1026-1034