CN111890353B - 机器人示教轨迹复现方法、装置及计算机可读存储介质 - Google Patents
机器人示教轨迹复现方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111890353B CN111890353B CN202010590911.XA CN202010590911A CN111890353B CN 111890353 B CN111890353 B CN 111890353B CN 202010590911 A CN202010590911 A CN 202010590911A CN 111890353 B CN111890353 B CN 111890353B
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- position information
- track
- curve
- 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
- B25J9/1656—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
- B25J9/00—Programme-controlled manipulators
- B25J9/0081—Programme-controlled manipulators with master teach-in means
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开一种机器人示教轨迹复现方法,包括:获取编码器输出的机器人关节位置信息;对机器人关节位置信息进行运算,以获取机器人在笛卡尔空间内的位置序列;对机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线。本发明机器人示教轨迹复现方法能够通过编码器实时记录机器人关节的位置信息,从而根据实时记录的位置信息得到与目标轨迹极为接近的复现轨迹。同时,还可对得到的笛卡尔空间位置序列进行高阶拟合,以完成连续轨迹的示教。以及,通过轨迹泛化算法实现同类型轨迹的自主生成,从而使得机器人可以通过示教后的学习,提升其在动态环境下的作业能力。此外,本发明还公开一种机器人示教轨迹复现装置和计算机可读存储介质。
Description
技术领域
本发明涉及机器人领域,特别涉及一种机器人示教轨迹复现方法、装置及计算机可读存储介质。
背景技术
机器人是整合控制论、机械电子、计算机、材料和仿生学的产物,它既可接受人类指挥,也可运行预先编排的计算机程序,还可根据以人工智能技术制定的原则纲领行动,以协助或取代人类的工作。
机器人示教是机器人正常工作的重要一环,机器人示教大致可以分为在线示教和离线示教两种。其中,在线示教方法简单直接,是目前工业机器人的基本工作方式,但对于复杂的运动轨迹,将很难使用在线示教方法进行规划。离线示教则是在图形软件环境中,建立机器人几何模型,通过机器人几何模型控制和操作图形,规划出机器人的运动轨迹,然后生成相应的机器人控制程序,这种离线示教可在不影响机器人工作的情况下实现复杂空间运动轨迹的规划。
传统协作机器人可以通过拖动示教获取单个点位信息,并通过编程选择连接点位的轨迹,如直线以及关节曲线,最后生成用户期望的路径轨迹。但是,现有的机器人示教方法不能完整地记录轨迹的实时点位信息,更无法实现同类型轨迹的泛化,从而在一次示教后,可以通过轨迹学习完成类似轨迹的作业。
发明内容
本发明的主要目的在于提出一种机器人示教轨迹复现方法,以解决现有的机器人示教方法不能完整记录轨迹的实时点位信息的问题。
为实现上述目的,本发明提出一种机器人示教轨迹复现方法,该机器人示教轨迹复现方法包括:获取编码器输出的机器人关节位置信息;对所述机器人关节位置信息进行运算,以获取所述机器人在笛卡尔空间内的位置序列;对所述机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线。
优选地,所述获取编码器输出的机器人关节位置信息包括:按照预设的采样周期,分别获取机器人的电机端编码器和减速机端编码器记录的关节位置信息。
优选地,所述对机器人关节位置信息进行运算,以获取所述机器人在笛卡尔空间内的位置序列包括:根据所述机器人关节位置信息,并通过运动学正解,以获取机器人在笛卡尔空间内的位置序列。
优选地,所述对机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线包括:通过高阶位姿样条曲线对机器人的位置序列进行插值处理,以获取轨迹曲线方程:
优选地,所述机器人示教轨迹复现方法还包括:获取动态运动基元***的***参数;建立轨迹曲线的目标代价函数,并根据基于路径积分的策略提升方法对目标代价函数进行量化,以对所述***参数进行更新;根据更新后的***参数,生成新的轨迹曲线。
优选地,所述获取动态运动基元***的***参数包括:根据所述机器人的关节位置信息,建立所述关节的力与位置偏差的刚性特性关系;根据所述刚性特性关系与动态运动基元***的映射关系,获取所述动态运动基元***的***参数。
本发明还提出一种机器人示教轨迹复现装置,该机器人示教轨迹复现装置包括:关节位置获取模块,用于获取编码器输出的机器人关节位置信息;位置序列获取模块,用于对所述机器人关节位置信息进行运算,以获取机器人在笛卡尔空间内的位置序列;轨迹曲线获取模块,用于对所述机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线。
优选地,所述机器人示教轨迹复现方法还包括:参数获取模块,用于获取动态运动基元***的***参数;参数更新模块,用于建立轨迹曲线的目标代价函数,并根据基于路径积分的策略提升方法对目标代价函数进行量化,以对所述***参数进行更新;轨迹曲线更新模块,用于根据更新后的***参数,生成新的轨迹曲线。
优选地,所述参数获取模块包括:关节特性建立单元,用于根据所述机器人的关节位置信息,建立所述关节的力与位置偏差的刚性特性关系;***参数获取单元,用于根据所述刚性特性关系与动态运动基元***的映射关系,获取所述动态运动基元***的***参数。
本发明还提出一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现前述机器人示教轨迹复现方法。
与现有技术相比,本发明实施例的有益效果在于:本发明所提出的机器人示教轨迹复现方法能够通过编码器实时记录机器人关节的位置信息,从而根据实时记录的位置信息得到与目标轨迹极为接近的精准轨迹。同时,还可对机器人关节的位置进行高阶拟合,以完成连续轨迹的示教。以及,通过轨迹泛化算法实现同类型轨迹的自主生成,从而使得机器人可以通过示教后的学习提升其在动态环境下的作业能力。
附图说明
图1为本发明机器人示教轨迹复现方法第一实施例的流程图;
图2为本发明机器人示教轨迹复现方法第二实施例的流程图;
图3为本发明机器人示教轨迹复现方法第三实施例的流程图;
图4为本发明机器人示教轨迹复现方法第四实施例的流程图;
图5为本发明机器人示教轨迹复现装置的功能模块图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制,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。
本发明提出一种机器人示教轨迹复现方法,在一实施方式中,参见图1,该机器人示教轨迹复现方法包括:
步骤S10,获取编码器输出的机器人关节位置信息;
本实施例中,编码器设置在机器人各关节的电机端,以通过编码器对电机的转动位置进行测量。由于机器人关节的转动是通过电机驱动的,因此,测量得到的电机转动位置也即机器人关节位置。
在一优选实施例中,编码器同时设置在电机端和减速机端,并按照预设的采样周期,分别获取机器人的电机端编码器和减速机端编码器记录的关节位置信息。
步骤S20,对机器人关节位置信息进行运算,以获取机器人在笛卡尔空间内的位置序列;
在一具体实施例中,根据机器人关节位置信息,并通过运动学正解,计算得到机器人在笛卡尔空间内的位置序列。在机器人领域,运动学正解即根据机器人各关节的位置信息,计算得到机器人末端执行器的姿态,比如机械臂末端的姿态。更具体的,通过运动学正解,计算得到齐次变换矩阵,再通过该齐次变换矩阵计算得到机器人末端执行器的位置坐标,从而得到机器人在笛卡尔空间内的位置序列
需要说明的是,相交于原点的两条数轴,构成了平面放射坐标系。如两条数轴上的度量单位相等,则称此放射坐标系为笛卡尔坐标系。而机器人在笛卡尔空间内的位置序列就是基于笛卡尔坐标系下的空间位置序列。
步骤S30,对机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线。
本实施例中,在得到机器人在笛卡尔空间内的位置序列后,将机器人在笛卡尔空间内的各个点位连接,以得到连续轨迹曲线,此轨迹曲线亦即示教时的目标轨迹。
在一实施例中,参见图2,对机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线包括:
步骤S31,通过高阶位姿样条曲线对机器人的位置序列进行插值处理,以获取轨迹曲线方程:
本实施例中,通过非均匀B样条曲线对机器人在笛卡尔空间内的位置序列进行插值处理,以得到上述的曲线方程。在得到上述曲线方程后,根据此曲线方程即可获得较为精准的运动轨迹,此运动轨迹极为接近示教时的目标轨迹。也就是说,机器人按照此曲线方程的轨迹运动,能够复现机器人示教时的目标轨迹,并且机器人复现的运动轨迹与示教时的目标轨迹相差无几,从而保证机器人的运动精度。
在另一实施例中,参见图3,本发明所提出的机器人示教轨迹复现方法还包括:
步骤S40,获取动态运动基元***的***参数;
步骤S50,建立轨迹曲线的目标代价函数,并根据基于路径积分的策略提升方法对目标代价函数进行量化,以对***参数进行更新;
步骤S60,根据更新后的***参数,生成新的轨迹曲线。
本实施例中,动态运动基元的基本思想是:向简单且稳定的动态***引入非线性函数,由非线性函数控制***的运动过程,最终使***达到目标吸引子状态。该方法以弹簧-质量-阻尼模型为基础,将其抽象为点吸引子***:
在建立动态运动基元***后,根据机械臂的各关节位置信息,获取动态运动基元***的***参数。此后,再建立轨迹曲线的目标代价函数,并根据基于路径积分的策略提升方法对目标代价函数进行量化,以更新***参数。在更新***参数后,生成新的轨迹曲线,如此迭代优化,直至代价函数值收敛。
在又一实施例中,参见图4,获取动态运动基元***的***参数包括:
步骤S41,根据机器人的关节位置信息,建立关节的力与位置偏差的刚性特性关系;
步骤S42,根据刚性特性关系与动态运动基元***的映射关系,获取动态运动基元***的***参数。
在本发明实施例中,根据如下公式建立关节的力与位置偏差的刚性特性关系:
其中,电机的输出力矩τm作为机器人关节的输入,B作为电机的自身惯量,kj是谐波减速机的等效刚度系数,谐波减速机所带负载为机器人关节所能承受的负载。电机转角变换为θ,通过谐波减速机将力矩传递给输出端带动负载,输出端转角变化为q,τext表示外部环境对机器人所施加的力矩,θ-q表示电机端和连杆端转角误差。τ表示传递到连杆上的力矩。τf表示机器人关节的摩擦力。
假设机器人的自由度数为n,上述刚性特性关系式中M(q)∈Rn*n表示的是机器人的惯性矩阵。表示的是机器人的科里奥利力与离心矩阵。G(q)∈Rn表示每个关节上的重力矩阵。q∈Rn表示关节输出端转角矩阵。τ∈Rn表示由关节柔性元件,即谐波减速机的输出力矩。
通过建立动态运动基元***(1)与公式(2)中关节建模的映射关系,获得***参数∝y和βy。
本发明所提出的机器人示教轨迹复现方法在已得到轨迹曲线的基础上,采用动态运动基元(DMP)方法,并基于路径积分的策略提升方法,建立基于深度强化学习的端到端控制方法,通过状态动作分析,调整轨迹参数,完成轨迹的迭代自主学习优化。
也即,针对同类型轨迹但是加工物品体积变化或者位置发生变化的情况,对之前步骤S10至步骤S30复现的轨迹曲线通过动态运动基原法进行轨迹泛化,以获得新的加工轨迹。根据实际应用场景,建立轨迹的目标代价,如抓取成功与否、加工质量。首先基于动态运动基元法(DMP)学习轨迹操作的初始解,然后基于路径积分的策略提升方法(PI2)对目标代价进行量化,更新DMP参数,进而产生新的操作轨迹,如此迭代优化,直到代价值收敛。
基于前述所提出的机器人示教轨迹复现方法,本发明还提出一种机器人示教轨迹复现装置,参见图5,该机器人示教轨迹复现装置包括:
关节位置获取模块10,用于获取编码器输出的机器人关节位置信息;
位置序列获取模块20,用于对机器人关节位置信息进行运算,以获取机器人在笛卡尔空间内的位置序列;
轨迹曲线获取模块30,用于对机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线。
在一实施例中,本发明所提出的轨迹曲线获取模块30包括:
轨迹曲线获取单元31,用于通过高阶位姿样条曲线对机器人的位置序列进行插值处理,以获取轨迹曲线方程:
在另一实施例中,本发明所提出的机器人示教轨迹复现装置还包括:
参数获取模块40,用于获取动态运动基元***的***参数;
参数更新模块50,用于建立轨迹曲线的目标代价函数,并根据基于路径积分的策略提升方法对目标代价函数进行量化,以对***参数进行更新;
轨迹曲线更新模块60,用于根据更新后的***参数,生成新的轨迹曲线。
在又一实施例中,本发明所提出的参数获取模块40包括:
关节特性建立单元41,用于根据机器人的关节位置信息,建立关节的力与位置偏差的刚性特性关系;
***参数获取单元42,用于根据刚性特性关系与动态运动基元***的映射关系,获取动态运动基元***的***参数。
基于前述所提出的机器人示教轨迹复现方法,本发明还提出一种机器人示教轨迹复现设备,该机器人示教轨迹复现设备包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现前述实施例中机器人示教轨迹复现方法的步骤,该机器人示教轨迹复现方法至少包括以下步骤:
步骤S10,获取编码器输出的机器人关节位置信息;
步骤S20,对机器人关节位置信息进行运算,以获取机器人在笛卡尔空间内的位置序列;
步骤S30,对机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线。
基于前述所提出的机器人示教轨迹复现方法,本发明还提出一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现前述实施例中机器人示教轨迹复现方法的步骤,该机器人示教轨迹复现方法至少包括以下步骤:
步骤S10,获取编码器输出的机器人关节位置信息;
步骤S20,对机器人关节位置信息进行运算,以获取机器人在笛卡尔空间内的位置序列;
步骤S30,对机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的仅为本发明的部分或优选实施例,无论是文字还是附图都不能因此限制本发明保护的范围,凡是在与本发明一个整体的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。
Claims (6)
1.一种机器人示教轨迹复现方法,其特征在于,包括:
获取编码器输出的机器人关节位置信息;
对所述机器人关节位置信息进行运算,以获取所述机器人在笛卡尔空间内的位置序列;
对所述机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线;
获取动态运动基元***的***参数,包括:根据所述机器人的关节位置信息,建立所述关节的力与位置偏差的刚性特性关系;根据所述刚性特性关系与动态运动基元***的映射关系,获取所述动态运动基元***的***参数;
建立轨迹曲线的目标代价函数,并根据基于路径积分的策略提升方法对目标代价函数进行量化,以对所述***参数进行更新;
根据更新后的***参数,生成新的轨迹曲线。
2.根据权利要求1所述的机器人示教轨迹复现方法,其特征在于,所述获取编码器输出的机器人关节位置信息包括:
按照预设的采样周期,分别获取机器人的电机端编码器和减速机端编码器记录的关节位置信息。
3.根据权利要求2所述的机器人示教轨迹复现方法,其特征在于,对 所述机器人关节位置信息进行运算,以获取所述机器人在笛卡尔空间内的位置序列包括:
根据所述机器人关节位置信息,并通过运动学正解,以获取机器人在笛卡尔空间内的位置序列。
5.一种机器人示教轨迹复现装置,其特征在于,包括:
关节位置获取模块,用于获取编码器输出的机器人关节位置信息;
位置序列获取模块,用于对所述机器人关节位置信息进行运算,以获取所述机器人在笛卡尔空间内的位置序列;
轨迹曲线获取模块,用于对所述机器人在笛卡尔空间内的位置序列进行运算,以获取连续的轨迹曲线;
参数获取模块,用于获取动态运动基元***的***参数;所述参数获取模块包括:关节特性建立单元,用于根据所述机器人的关节位置信息,建立所述关节的力与位置偏差的刚性特性关系;***参数获取单元,用于根据所述刚性特性关系与动态运动基元***的映射关系,获取所述动态运动基元***的***参数;
参数更新模块,用于建立轨迹曲线的目标代价函数,并根据基于路径积分的策略提升方法对目标代价函数进行量化,以对所述***参数进行更新;
轨迹曲线更新模块,用于根据更新后的***参数,生成新的轨迹曲线。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-4任一项所述的机器人示教轨迹复现方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010590911.XA CN111890353B (zh) | 2020-06-24 | 2020-06-24 | 机器人示教轨迹复现方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010590911.XA CN111890353B (zh) | 2020-06-24 | 2020-06-24 | 机器人示教轨迹复现方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111890353A CN111890353A (zh) | 2020-11-06 |
CN111890353B true CN111890353B (zh) | 2022-01-11 |
Family
ID=73207891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010590911.XA Active CN111890353B (zh) | 2020-06-24 | 2020-06-24 | 机器人示教轨迹复现方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111890353B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365004B (zh) * | 2020-11-27 | 2024-05-31 | 广东省科学院智能制造研究所 | 一种机器人自主异常修复技能学习方法及*** |
CN112775964B (zh) * | 2020-12-29 | 2023-03-21 | 上海机器人产业技术研究院有限公司 | 一种力感知阻抗控制方法 |
CN113043251B (zh) * | 2021-04-23 | 2023-07-07 | 江苏理工学院 | 一种机器人示教再现轨迹学习方法 |
CN113771030B (zh) * | 2021-09-06 | 2023-04-14 | 深圳太力生物技术有限责任公司 | 细胞操作机器人的控制方法、装置、设备和存储介质 |
CN114227688B (zh) * | 2021-12-29 | 2023-08-04 | 同济大学 | 一种基于曲线配准的示教轨迹学习方法 |
CN114549269A (zh) * | 2022-01-27 | 2022-05-27 | 苏州大学 | 基于动态运动基元的微纳操作机器人自动拾取纳米线方法 |
CN114473324B (zh) * | 2022-02-21 | 2023-11-03 | 哈尔滨工业大学(深圳) | 基于示教学习的多机械臂协同拼接焊接控制方法及*** |
CN115685890A (zh) * | 2022-11-04 | 2023-02-03 | 深圳市灵手科技有限公司 | 多关节设备轨迹确定方法、***、装置及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107283422B (zh) * | 2016-04-11 | 2020-01-31 | 南京埃斯顿自动化股份有限公司 | 基于离线编程的机器人加持工件打磨的轨迹规划方法 |
US11458626B2 (en) * | 2018-02-05 | 2022-10-04 | Canon Kabushiki Kaisha | Trajectory generating method, and trajectory generating apparatus |
CN109108942B (zh) * | 2018-09-11 | 2021-03-02 | 武汉科技大学 | 基于视觉实时示教与自适应dmps的机械臂运动控制方法和*** |
CN109648571A (zh) * | 2018-12-28 | 2019-04-19 | 深圳市越疆科技有限公司 | 工业机器人的示教轨迹复现方法、***及机器人 |
CN109676607B (zh) * | 2018-12-30 | 2021-10-29 | 江苏集萃智能制造技术研究所有限公司 | 一种无力矩传感的零重力控制方法 |
CN110026987B (zh) * | 2019-05-28 | 2022-04-19 | 广东工业大学 | 一种机械臂抓取轨迹的生成方法、装置、设备及存储介质 |
-
2020
- 2020-06-24 CN CN202010590911.XA patent/CN111890353B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111890353A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111890353B (zh) | 机器人示教轨迹复现方法、装置及计算机可读存储介质 | |
JP6781183B2 (ja) | 制御装置及び機械学習装置 | |
Safeea et al. | Kuka sunrise toolbox: Interfacing collaborative robots with matlab | |
CN111360827B (zh) | 一种视觉伺服切换控制方法及*** | |
CN106945043B (zh) | 一种主从式遥操作手术机器人多臂协同控制*** | |
Sharifi et al. | Nonlinear model reference adaptive impedance control for human–robot interactions | |
Schegg et al. | Review on generic methods for mechanical modeling, simulation and control of soft robots | |
CN101901281A (zh) | 消耗电力估计装置 | |
Wang et al. | Optimal trajectory planning of grinding robot based on improved whale optimization algorithm | |
JP3349652B2 (ja) | オフラインティーチング方法 | |
CN112417755A (zh) | 一种主从式手术机器人轨迹预测控制方法 | |
KR20220155921A (ko) | 로봇 디바이스를 제어하기 위한 방법 | |
CN112975987B (zh) | 一种基于动力学模型的骨科手术机器人控制方法 | |
CN117340897B (zh) | 面向动态响应预测的机器人数字孪生模型建模方法及*** | |
CN114523477A (zh) | 关节位姿的校准方法、***及存储介质 | |
Park et al. | Kinematic calibration and the product of exponentials formula | |
CN112706165A (zh) | 一种面向轮式移动机械臂的跟踪控制方法及*** | |
Dallej et al. | 3D pose visual servoing relieves parallel robot control from joint sensing | |
Leroy et al. | Dynamic modeling of a parallel robot. Application to a surgical simulator | |
CN116392253A (zh) | 一种应用于手术机器人的主动摆位方法及*** | |
Castano et al. | Hybrid vision/position servo control of a robotic manipulator | |
Su et al. | Adaptive coordinated motion constraint control for cooperative multi-manipulator systems | |
Chen et al. | Robot Zero-Moment Control Algorithm Based on Parameter Identification of Low-Speed Dynamic Balance | |
Liu et al. | Error compensation trajectory planning method of brake disc shaft hole assembly considering robot accumulated error | |
CN114367989B (zh) | 缺省的机械臂阻抗控制方法、装置、机械臂及存储介质 |
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 |