多方向鲁棒
采用混合深度学习网络，在三维作业场景下实现多方向交互与鲁棒臂力估计，克服电极偏移和肌肉疲劳等非理想条件。
张铁 · Chu, Hubo · 邹焱飚 · Sun, Hanlei
Expert Systems with Applications 2024
鲁棒增强模块采用残差结构，专门处理电极位移、肌肉疲劳等干扰，使模型在实际作业中不因信号漂移而失效。
利用迁移学习中的微调策略，模型利用各方向臂力估计的相似性，无需为三维任务重新收集大量数据。
通过多点柔性装配实验验证了模型可落地，机器人能根据人的臂力变化调整协作行为。