题名 | 基于演示示教的机器人技能模仿学习 |
作者 | 夏鹏程 |
答辩日期 | 2021-05-27 |
文献子类 | 硕士 |
授予单位 | 中科院自动化所 |
授予地点 | 智能化大厦 |
导师 | 张大朋 |
关键词 | 演示示教 域自适应 轨迹模仿 深度强化学习 |
学位专业 | 控制工程 |
英文摘要 | 具有自主识别和决策能力的微装配机器人可以显著减少对人工编程开发与调试的依赖,有效提升机器人的自主性和智能性。本文将域自适应、动态运动基元和深度强化学习引入微装配机器人研究领域,重点研究微零件识别定位、趋近轨迹模仿、力/位协调装配控制关键技术,论文主要内容如下: 一、针对人工标注零件特征成本较高且模型适应性较差的问题,本文提出基于域自适应的零件特征提取方法,实现不同风格和纹理背景下微零件的特征提取。本文首先创建微零件合成语义分割数据集,自动生成微零件图像标注;然后采用风格迁移的方法生成不同纹理背景的微零件图像,提升微零件训练图像数据的多样性;最后采用域自适应语义分割和逐像素对抗训练相结合的方法实现微零件特征的自动提取。 二、针对常规微零件示教趋近轨迹的起点和终点位置固定的问题,本文提出基于动态运动基元的微零件趋近轨迹模仿学习方法,可实现微零件起始点变化时的趋近轨迹的自主生成。本文首先采用虚拟现实设备采集微零件趋近示教数据,并通过 DTW 算法进行数据对齐;然后采用 GMM 和 GMR 算法学习并生成最优示教轨迹;最后通过 DMP 模型学习并泛化微零件趋近轨迹,实现微零件起始位置变化时趋近轨迹的自主生成。 |
语种 | 中文 |
页码 | 75 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/44822] |
专题 | 中国科学院自动化研究所 |
推荐引用方式 GB/T 7714 | 夏鹏程. 基于演示示教的机器人技能模仿学习[D]. 智能化大厦. 中科院自动化所. 2021. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论