申请/专利权人:同济大学
申请日:2023-05-31
公开(公告)日:2023-08-04
公开(公告)号:CN116533247A
主分类号:B25J9/16
分类号:B25J9/16
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.08.22#实质审查的生效;2023.08.04#公开
摘要:本发明涉及一种基于DMP与卷积神经网络的机械臂多模态抓取任务实现方法,包括以下步骤:采集目标物体图像,构建卷积神经网络,输出目标物体的位置;选取部分目标物体的位置对机械臂进行抓取示教任务,收集机械臂末端轨迹以及人手部肌电信号;将肌电信号转化为刚度信息,并利用DMP建模,确定阻抗DMP模型参数;构建全连接神经网络并进行DMP参数训练;针对特定任务,利用全连接神经网络输出的阻抗DMP模型参数对轨迹与刚度进行建模,基于阻抗控制的方法控制机械臂依照轨迹和刚度进行任务的执行。与现有技术相比,本发明能够很好地将少量示教泛化到机械臂自主执行的特定抓取任务中。
主权项:1.一种基于DMP与卷积神经网络的机械臂多模态抓取任务实现方法,其特征在于,包括以下步骤:步骤1采集目标物体图像,构建训练数据集,构建卷积神经网络并利用训练数据集进行训练,输出目标物体的位置;步骤2选取部分目标物体的位置对机械臂进行抓取示教任务,收集机械臂末端轨迹以及人手部肌电信号;步骤3将肌电信号转化为手臂末端的刚度信息,同时将刚度信息与机械臂末端轨迹分别用DMP建模,确定阻抗DMP模型参数,构建全连接神经网络的训练数据集;步骤4构建全连接神经网络并进行训练,所述全连接神经网络的输入为目标物体的位置以及时钟信号,输出为末端轨迹和阻抗DMP模型参数;步骤5针对特定任务,利用全连接神经网络输出的阻抗DMP模型参数对轨迹与刚度进行建模,基于阻抗控制的方法控制机械臂依照轨迹和刚度进行任务的执行。
全文数据:
权利要求:
百度查询: 同济大学 基于DMP与卷积神经网络的机械臂多模态抓取任务实现方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。