多空间融合技能学习系统

位置刚度姿态同传

该系统将动态运动基元与自适应神经网络控制相结合，实现了机器人技能学习中位置、刚度和姿态在多空间下的精确生成与跟踪。

刘程果 · 彭光柱 · Yu, Xia · 李俊阳 · Yang, Chenguang

Neurocomputing 2024

技术优势

刚度可复现

学习到的刚度特性可通过导纳控制器反映出来，无需重新调参。

姿态无奇异

基于黎曼度量的四元数处理，保证了姿态表示在非欧空间的连续性。

动力学免建模

用 RBF 神经网络补偿机器人动力学不确定性，控制器无需精确模型。

应用场景

• 机器人技能学习：用统一模型同时学习位置、刚度和姿态，减少分步建模的时间。
• 人形机器人：将人体手臂刚度映射到机器人，提高人形双臂操作的自然性和安全性。
• 工业机器人：让工业机器人快速学会力度敏感的装配或打磨技能，无需专门示教器。
• 具身智能：提供从人体到机器人的运动/刚度/姿态迁移通道，是具身技能库的基础。