CN110815218B - 一种基于动作捕捉***的机械臂拟人化轨迹规划方法 - Google Patents
一种基于动作捕捉***的机械臂拟人化轨迹规划方法 Download PDFInfo
- Publication number
- CN110815218B CN110815218B CN201911049662.7A CN201911049662A CN110815218B CN 110815218 B CN110815218 B CN 110815218B CN 201911049662 A CN201911049662 A CN 201911049662A CN 110815218 B CN110815218 B CN 110815218B
- Authority
- CN
- China
- Prior art keywords
- motion
- anthropomorphic
- mechanical arm
- arm
- track
- 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.)
- Expired - Fee Related
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000008569 process Effects 0.000 claims abstract description 55
- 230000003287 optical effect Effects 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 241000282414 Homo sapiens Species 0.000 claims description 26
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 10
- 230000036544 posture Effects 0.000 claims description 10
- 210000000245 forearm Anatomy 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 11
- 235000017491 Bambusa tulda Nutrition 0.000 description 11
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 11
- 241001330002 Bambuseae Species 0.000 description 8
- 239000011425 bamboo Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 241000209128 Bambusa Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J18/00—Arms
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种基于动作捕捉***的机械臂拟人化轨迹规划方法,包括:利用光学式动作捕捉仪与数据传输设备记录人臂在某个运动过程中的运动轨迹;根据得到的人臂在某个运动过程中的运动轨迹,分析人臂在所述运动过程中的固有运动特征,以制定机械臂的拟人化运动轨迹标准,从而约束机械臂演奏过程中在操作空间和关节空间中的运动轨迹;根据制定的拟人化运动轨迹标准,在操作空间中对机械臂末端进行拟人化运动轨迹规划,使机械臂末端对已规划出的拟人化运动轨迹进行跟踪;确保机械臂在拟人化运动轨迹跟踪过程中具有拟人化的操作构型。
Description
技术领域
本发明涉及机械臂轨迹规划技术领域,具体涉及一种基于动作捕捉***的机械臂拟人化轨迹规划方法。
背景技术
机器人是指可以对其进行编程,使其能够自主完成指定操作的机械装置。而机器人学科则是当今十分重要且应用率较高的学科,它与新能源、电子信息化、智能仿生学、互联网+、航空航天等多种高科技产业相类似,都是国家要重点发展的高级技术。它涉及了多种学科,包括图像采集与处理、信号传输、控制***、机械原理与计算机科学等。
近几年,越来越多的类人双臂机器人被研制出来,并应用到了人类的生活领域中,起到了重要的辅助作用。以双臂音乐机器人为例,它能够将人类自身所具有的情感表达、审美和创造力等元素与计算机的高速运算能力以及机械自动控制技术相结合,以此来推进社会音乐艺术的普及、突破人类演奏或作曲的专业技巧极限,创造更多具有新奇感的音乐效果。在这种情况下,我们希望机器人的机械臂能够具有拟人化的运动轨迹与姿态,以契合人机交互过程中人类的心理预期,提高人类与机器人相处过程中的舒适度。
对于演奏敲击型乐器的双臂音乐机器人而言,其演奏的节奏与力度是至关重要的,但同时,机械臂在操作空间中的运动轨迹和姿态也将直接关乎整个机器人的演奏效果与表现力,进而影响到人机协同演奏过程中的和谐度。因此,如何在确保演奏结果的准确性的同时对该类机器人的机械臂进行拟人化运动轨迹规划,使其能够被应用于乐队合奏及音乐教学等人类生活场景中,是亟需解决的关键问题。
目前的轨迹规划主要体现在三个方面:在约束条件下,运行过程平滑,末端位置、角速度和角加速度无突变;时间最优,以最快的时间运动到指定位置,用于高速自动化生产;能量最优,在精度允许的情况下尽量保证消耗能量最少。综上所述,现有的轨迹规划技术虽然能沿着特定的轨迹、完成一定的功能,但是都无法解决机械臂运动僵硬、机械感的问题。
发明内容
本发明要解决的技术问题在于,针对上述目前表演型机器人或服务型机器人在操作过程中动作僵硬、机械臂感强、无法较好地进行人机交互的的技术问题,提供一种基于动作捕捉***的机械臂拟人化轨迹规划方法解决上述技术缺陷。
一种基于动作捕捉***的机械臂拟人化轨迹规划方法,包括:
S1、利用光学式动作捕捉仪与数据传输设备记录人臂在某个运动过程中的运动轨迹;
S2、根据步骤S1得到的人臂在某个运动过程中的运动轨迹,分析人臂在所述运动过程中的固有运动特征,以制定机械臂的拟人化运动轨迹标准,从而约束机械臂演奏过程中在操作空间和关节空间中的运动轨迹;
S3、根据步骤S2中制定的拟人化运动轨迹标准,在操作空间中对机械臂末端进行拟人化运动轨迹规划,使机械臂末端对已规划出的拟人化运动轨迹进行跟踪;
S4、确保机械臂在拟人化运动轨迹跟踪过程中具有拟人化的操作构型。
进一步的,步骤S3具体包括:
S31、首先在操作空间中对机械臂末端进行拟人化运动轨迹规划:
建立一个满足步骤S2中拟人化运动轨迹标准的数学模型,设计拟人化运动轨迹规划:在有限时间t内,人手从初始位置C0:[x0,y0,z0]T沿一条过两点连线外一点C1:[x1,y1,z1]T的曲线运动至终点Cf:[xf,yf,zf]T时的运动轨迹规律为:
设运动起始时刻为t0,终止时刻为tf,在时刻t1,曲线过非连接线上的一个中间点C1,在t≤t1时,x方向的轨迹表达式为:
在t≥t1时,x方向的轨迹表达式为:
其中τ=t/tf,τ1=t1/tf,π1,c1为参数,可将x-(t1)=x+(t1)=x1带入上式中求得,其表达式分别如下:
同理可以得到:y-(t),y+(t)和z-(t),z+(t),其中用π2,c2;π3,c3替换π1,c1,综上,可以得到人手末端在操作空间中沿曲线运动时的轨迹表达式;
S32、根据规划的轨迹反解到关节空间,进行轨迹跟踪:
在规划出操作空间中的拟人运动轨迹后,需要控制机械臂对其进行跟踪,在轨迹跟踪过程中,对机械臂的构型进行规划,使机械臂在运动过程中的整体构型更贴近人臂的运动姿态,具体构型规划方法为:
使用基于粒子群的多模优化算法对机械臂进行逆运动学求解,获取多组满足求解精度与关节约束,并且有明显差异性的逆解;将多模优化求解过程中的目标函数f(t)设计为:
其中,err(Δp)代表机械臂末端的达点误差,pd是机械臂末端的指定位置,p是通过正向运动学解算出的机械臂末端位置;αμ代表了顺应性准则,也就是在每一个达点运动过程中,都使机械臂各关节的运动量最少;α为目标函数的第二部分占总函数值的比重系数。i=1,2,3,4;wi为权重值,上臂关节的权重值大,前臂关节的权重值小,以确保机械臂在完成任务的过程中大臂的运动量小于前臂;θi(t)为t时刻关节i的角度值。
进一步的,步骤S4具体包括:
使用多模优化算法求解出多组具有差异性的逆解后,采用RULA准则从中选取出一组对应最高拟人度构型的最优逆解:
首先根据人类手臂的运动规律,考虑不同的关节姿态对机械臂整体姿态的影响,对机械臂各关节的不同构型进行单独评分,获取整体构型评分准则,即RULA准则;
与现有技术相比,本发明优势在于:机械臂能够具有拟人化的运动轨迹与姿态,以契合人机交互过程中人类的心理预期,提高人类与机器人交互过程中的舒适度。解决了当前表演型机器人或服务型机器人在操作过程中动作僵硬,机械臂感强,无法较好地进行人机交互的问题,这是传统工业机械臂所不具备的能力。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明一种基于动作捕捉***的机械臂拟人化轨迹规划方法流程图。
图2为本发明实施例扬琴琴面及其坐标系示意图;
图3为本发明实施例琴竹末端在空间中的速度变化曲线图;
图4为本发明实施例琴竹末端在空间中的位置变化曲线图;
图5为本发明实施例机械臂拟人化轨迹规划方法流程示意图;
图6为本发明实施例机械臂各关节的不同构型评分示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
一种基于动作捕捉***的机械臂拟人化轨迹规划方法,如图1所示,包括:
S1、利用光学式动作捕捉仪与数据传输设备记录人臂在某个运动过程中的运动轨迹;
S2、根据步骤S1得到的人臂在某个运动过程中的运动轨迹,分析人臂在所述运动过程中的固有运动特征,以制定机械臂的拟人化运动轨迹标准,从而约束机械臂演奏过程中在操作空间和关节空间中的运动轨迹;
S3、根据步骤S2中制定的拟人化运动轨迹标准,在操作空间中对机械臂末端进行拟人化运动轨迹规划,使机械臂末端对已规划出的拟人化运动轨迹进行跟踪;
S4、确保机械臂在拟人化运动轨迹跟踪过程中具有拟人化的操作构型。
本实施例以机械臂进行演奏扬琴为例进行说明,具体步骤如下:
步骤1、利用光学式动作捕捉仪与数据传输设备记录人臂在演奏扬琴过程中的运动轨迹:
参考Helen Hayes模型,在演奏者的双臂及背部粘贴适量的反光标记点。设计反光标记点的粘贴位置时,一个基本原则就是要确保人体在运动过程中相邻标记点间的空间距离不会发生变化。在人体背部、左右两臂的肩部、肘部、腕部、拇指处及所持琴竹末端分别粘贴一个反光标记点,共计11个标记点。
之后在人体动作区域周围高架8个摄像头,确保演奏者身上的反光标记点在整个演奏过程中均可被检测到。
使用光学式动作捕捉仪记录人体动作时,主要进行以下三步操作:
(1)标定***:在实时模式下,分别使用L型和T型标定杆对动作捕捉***进行标定。确定捕获区域的坐标原点,同时也确保人体可能占用的动作空间均能被检测到。
(2)创建模板:首先在实时模式下录制一段人体的动作数据(任意运动过程),然后将该数据导入到后期处理模式下,对人体上的各个反光标记点进行命名,并将相邻的标记点用线连接。最后,创建模板,以便在实时模式下仍能实时显示反光标记点及连线。
(3)记录人体的运动过程:在实时模式下完整地记录演奏者的整个演奏过程,导出所有反光标记点在各帧的空间位置信息。
步骤2、通过数据处理、提取有用帧等操作来复现已经记录的人体动作,分析人臂在演奏过程中的固有运动特征,制定机械臂的拟人化运动轨迹标准,约束机械臂演奏过程中在操作空间和关节空间中的运动轨迹:
首先研究人臂所持的琴竹末端在空间中的位置与速度变化曲线。由于人类演奏扬琴的过程可以分解为多个类似的点对点运动,即控制琴竹末端从一个敲击点移动到另一个敲击点处,如图2所示,因此,可仅针对一个点对点运动过程中琴竹末端的位置与速度变化情况进行分析。
由琴竹末端在各采样帧的空间位置信息可绘制出其在操作空间中的运动轨迹,继而可以计算出它在各采样点的速度值,绘制速度变化曲线,如图3所示大致呈钟形。记录这类曲线的整体变化趋势及特征。
之后,为了研究人臂在点对点运动过程中各关节的运动情况,以右臂为例,分别计算肩部,肘部和腕部这三个部位的反光标记点在各采样时刻的空间位置相对上一采样时刻的空间位置的位移,以便观察各部位在运动过程中的相对运动量,绘制位置变化曲线,如图4所示为高于琴面的平滑弧线型。
综合考虑以上对演奏过程中人臂运动特征分析的结果,以及机械臂本身固有的物理约束,从操作空间和关节空间两个层面来制定机械臂的拟人化运动轨迹标准。
步骤3、在操作空间中对机械臂末端进行拟人化运动轨迹规划,使机械臂末端对已规划出的运动轨迹进行跟踪:
根据步骤2中制定的拟人化运动轨迹标准,以及图5所示的机械臂拟人化轨迹规划方法流程示意图来制定拟人化运动轨迹规划。
(1)首先在操作空间中对机械臂末端进行拟人化运动轨迹规划:
考虑到人臂运动速度曲线呈现钟形、轨迹高于琴面的平画弧线型的特征,建立一个满足步骤S2中拟人化运动轨迹标准的数学模型(本实施例直接使用麻省理工T Flash的数学模型,该数学模型符合上述拟人化运动轨迹标准),设计拟人化运动轨迹规划如下:
在有限时间t内,人手从初始位置C0:[x0,y0,z0]T沿一条过两点连线外一点C1:[x1,y1,z1]T的曲线运动至终点Cf:[xf,yf,zf]T时的运动轨迹规律可以描述如下。
设运动起始时刻为t0,终止时刻为tf。在时刻t1,曲线过非连接线上的一个中间点C1。在t≤t1时,x方向的轨迹表达式为:
在t≥t1时,x方向的轨迹表达式为:
其中τ=t/tf,τ1=t1/tf。π1,c1为参数,可将x-(t1)=x+(t1)=x1带入上式中求得,其表达式分别如下。
同理可以得到:y-(t),y+(t)和z-(t),z+(t),其中用π2,c2;π3,c3替换π1,c1。综上,可以得到人手末端在操作空间中沿曲线运动时的轨迹表达式。
具体到演奏扬琴的动作而言,机械臂所持琴竹的末端在操作空间中的运动轨迹应为略高于扬琴琴面的平滑曲线。由此,本文给出了基于上述运动轨迹表达式的轨迹中间点C1的选择方法。
x1=(x0+xf)/2,y1=(y0+yf)/2,z1=(z0+zf)/2+0.1×||C0-Cf||2
其中,||C0-Cf||2反映了运动轨迹的起始点与终止点间的欧氏距离。当该距离较大时,例如,机械臂末端需从琴面左上方的敲击点移至右下方的敲击点,即跨越整个琴面时,所经轨迹的中间点距琴面的距离越高。这一运动规律能够有效避免琴竹与琴面发生碰撞,且更符合人类在演奏扬琴时手臂末端在操作空间中的运动轨迹。相反,当||C0-Cf||2较小时,即机械臂末端在两个距离较近的点之间运动时,所经轨迹往往近似为一条直线,即z1趋向于等于(z0+zf)/2。
(2)其次根据规划的轨迹反解到关节空间,进行轨迹跟踪:
在规划出操作空间中的拟人运动轨迹后,需要控制机械臂所持的琴竹末端对其进行跟踪。在轨迹跟踪过程中,对机械臂的构型进行规划,使机械臂在运动过程中的整体构型更贴近人臂在演奏扬琴时的运动姿态。具体构型规划方法如下:
使用基于粒子群的多模优化算法对机械臂进行逆运动学求解,获取多组满足求解精度与关节约束,并且有明显差异性的逆解。将多模优化求解过程中的目标函数f(t)设计为下式所示的形式,以满足机械臂末端的达点精度及顺应性准则。
其中,err(Δp)代表机械臂末端的达点误差,pd是机械臂末端的指定位置,p是通过正向运动学解算出的机械臂末端位置。αμ代表了顺应性准则,也就是在每一个达点运动过程中,都应使机械臂各关节的运动量最少。α为目标函数的第二部分占总函数值的比重系数。i=1,2,3,4。wi为权重值,上臂关节的权重值大,前臂关节的权重值小,这种方法能确保机械臂在完成任务的过程中大臂的运动量小于前臂。θi(t)为t时刻关节i的角度值。
步骤4、确保机械臂在轨迹跟踪过程中具有拟人化的操作构型:
使用多模优化算法求解出多组具有差异性的逆解后,采用RULA准则从中选取出一组对应最高拟人度构型的最优逆解。
应用RULA准则对机械臂构型进行评分时,可以分为以下两步:
(1)参照图6,对机械臂各关节的不同构型进行单独评分。
(2)依据人类手臂的运动规律,考虑不同的关节姿态对机械臂整体姿态的影响,进行统计性划分,获取机械臂的整体构型评分。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (2)
1.一种基于动作捕捉***的机械臂拟人化轨迹规划方法,其特征在于,包括:
S1、利用光学式动作捕捉仪与数据传输设备记录人臂在某个运动过程中的运动轨迹;
S2、根据步骤S1得到的人臂在某个运动过程中的运动轨迹,分析人臂在所述运动过程中的固有运动特征,以制定机械臂的拟人化运动轨迹标准,从而约束机械臂演奏过程中在操作空间和关节空间中的运动轨迹;
S3、根据步骤S2中制定的拟人化运动轨迹标准,在操作空间中对机械臂末端进行拟人化运动轨迹规划,使机械臂末端对已规划出的拟人化运动轨迹进行跟踪;
S4、确保机械臂在拟人化运动轨迹跟踪过程中具有拟人化的操作构型;
步骤S4具体包括:
使用多模优化算法求解出多组具有差异性的逆解后,采用RULA准则从中选取出一组对应最高拟人度构型的最优逆解:
首先根据人类手臂的运动规律,考虑不同的关节姿态对机械臂整体姿态的影响,对机械臂各关节的不同构型进行单独评分,获取整体构型评分准则,即RULA准则;
2.根据权利要求1所述的一种基于动作捕捉***的机械臂拟人化轨迹规划方法,其特征在于,步骤S3具体包括:
S31、首先在操作空间中对机械臂末端进行拟人化运动轨迹规划:
建立一个满足步骤S2中拟人化运动轨迹标准的数学模型,设计拟人化运动轨迹规划:在有限时间t内,人手从初始位置C0:[x0,y0,z0]T沿一条过两点连线外一点C1:[x1,y1,z1]T的曲线运动至终点Cf:[xf,yf,zf]T时的运动轨迹规律为:
设运动起始时刻为t0,终止时刻为tf,在时刻t1,曲线过非连接线上的一个中间点C1,在t≤t1时,x方向的轨迹表达式为:
在t≥t1时,x方向的轨迹表达式为:
其中τ=t/tf,τ1=t1/tf,π1,c1为参数,可将x-(t1)=x+(t1)=x1带入上式中求得,其表达式分别如下:
同理可以得到:y-(t),y+(t)和z-(t),z+(t),其中用π2,c2;π3,c3替换π1,c1,综上,可以得到人手末端在操作空间中沿曲线运动时的轨迹表达式;
S32、根据规划的轨迹反解到关节空间,进行轨迹跟踪:
在规划出操作空间中的拟人运动轨迹后,需要控制机械臂对其进行跟踪,在轨迹跟踪过程中,对机械臂的构型进行规划,使机械臂在运动过程中的整体构型更贴近人臂的运动姿态,具体构型规划方法为:
使用基于粒子群的多模优化算法对机械臂进行逆运动学求解,获取多组满足求解精度与关节约束,并且有明显差异性的逆解;将多模优化求解过程中的目标函数f(t)设计为:
其中,err(Δp)代表机械臂末端的达点误差,pd是机械臂末端的指定位置,p是通过正向运动学解算出的机械臂末端位置;αμ代表了顺应性准则,也就是在每一个达点运动过程中,都使机械臂各关节的运动量最少;α为目标函数的第二部分占总函数值的比重系数;i=1,2,3,4;wi为权重值,上臂关节的权重值大,前臂关节的权重值小,以确保机械臂在完成任务的过程中大臂的运动量小于前臂;θi(t)为t时刻关节i的角度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911049662.7A CN110815218B (zh) | 2019-10-31 | 2019-10-31 | 一种基于动作捕捉***的机械臂拟人化轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911049662.7A CN110815218B (zh) | 2019-10-31 | 2019-10-31 | 一种基于动作捕捉***的机械臂拟人化轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110815218A CN110815218A (zh) | 2020-02-21 |
CN110815218B true CN110815218B (zh) | 2020-11-27 |
Family
ID=69551492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911049662.7A Expired - Fee Related CN110815218B (zh) | 2019-10-31 | 2019-10-31 | 一种基于动作捕捉***的机械臂拟人化轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110815218B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114131591B (zh) * | 2021-12-03 | 2024-06-21 | 山东大学 | 外肢体机器人作业策略半物理仿真方法及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7313463B2 (en) * | 2005-03-31 | 2007-12-25 | Massachusetts Institute Of Technology | Biomimetic motion and balance controllers for use in prosthetics, orthotics and robotics |
ITMI20091185A1 (it) * | 2009-07-06 | 2011-01-07 | Emanuele Lindo Secco | Metodo di interfacciamento tra un operatore ed un dispositivo robotico e/o protesico multi-articolare per la movimentazione dello stesso |
US9102055B1 (en) * | 2013-03-15 | 2015-08-11 | Industrial Perception, Inc. | Detection and reconstruction of an environment to facilitate robotic interaction with the environment |
CN105945968B (zh) * | 2016-07-11 | 2018-02-27 | 中国地质大学(武汉) | 一种关节型扬琴演奏机器人 |
CN108081258A (zh) * | 2016-11-22 | 2018-05-29 | 广州映博智能科技有限公司 | 基于光学动作捕捉的机器人远程控制***及方法 |
CN107273611B (zh) * | 2017-06-14 | 2020-11-10 | 北京航空航天大学 | 一种基于下肢行走特点的下肢康复机器人的步态规划方法 |
CN108705540B (zh) * | 2018-04-27 | 2020-10-30 | 中国地质大学(武汉) | 一种双臂扬琴机器人的敲击避碰方法、设备及存储设备 |
-
2019
- 2019-10-31 CN CN201911049662.7A patent/CN110815218B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN110815218A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sturman et al. | A survey of glove-based input | |
Andrychowicz et al. | Learning dexterous in-hand manipulation | |
Marturi et al. | Dynamic grasp and trajectory planning for moving objects | |
Li et al. | Vision-based teleoperation of shadow dexterous hand using end-to-end deep neural network | |
Kang et al. | Toward automatic robot instruction from perception-temporal segmentation of tasks from human hand motion | |
Aleotti et al. | Grasp recognition in virtual reality for robot pregrasp planning by demonstration | |
Du et al. | Markerless kinect-based hand tracking for robot teleoperation | |
Billard et al. | Discovering optimal imitation strategies | |
Wang et al. | An HMM approach to realistic haptic human-robot interaction | |
Watson | A survey of gesture recognition techniques | |
Qu et al. | Human-like coordination motion learning for a redundant dual-arm robot | |
CN108958471B (zh) | 虚拟空间中虚拟手操作物体的仿真方法及*** | |
Wu et al. | A Visual-Based Gesture Prediction Framework Applied in Social Robots. | |
CN111872934A (zh) | 一种基于隐半马尔可夫模型的机械臂控制方法及*** | |
SE526119C2 (sv) | Metod och system för programmering av en industrirobot | |
Rosales et al. | GPAtlasRRT: A local tactile exploration planner for recovering the shape of novel objects | |
CN110815218B (zh) | 一种基于动作捕捉***的机械臂拟人化轨迹规划方法 | |
Staretu et al. | Leap motion device used to control a real anthropomorphic gripper | |
CN115576426A (zh) | 一种针对混合现实飞行模拟器的手部交互方法 | |
Dalsgaard et al. | Modeling pointing for 3D target selection in VR | |
Liu et al. | Multi-fingered tactile servoing for grasping adjustment under partial observation | |
CN108664129A (zh) | 一种基于手势识别手套的可学习数据采集***及实现方法 | |
CN105269556B (zh) | 机器人的运动前瞻方法 | |
CN208569551U (zh) | 一种基于手势识别手套的可学习数据采集*** | |
Infantino et al. | A cognitive architecture for robotic hand posture learning |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201127 |