相位无关的动态运动基元及其在人机协同操作与时间最优规划中的应用

动态运动基元 (DMP) 是一种成熟且高效的方法，用于编码需要基于参考运动进行适应的机器人任务。通常，标称轨迹通过示教编程 (PbD) 获得，机器人通过动觉引导学习任务，并在几何路径和时间律两方面进行复现。在标准 DMP 中，修改执行持续时间是通过调整模型中的时间常数来实现的。本文引入一种新方法，利用称为空间采样的算法将任务的几何信息与其时间信息完全解耦，该算法允许通过弧长对示教曲线进行参数化。这导致了几何 DMP (GDMP) 的定义。所提出的空间采样算法保证了示教曲线的正则性，并确保了在人机交互场景中，人类施加的力在整个任务过程中具有一致的投影。GDMP 表现出相位独立性，因为其相位变量不再受限于示教的时间律，从而支持广泛的应用，包括相位优化问题和人机交互应用。首先，我们构建了一个受速度和加速度约束的最小任务持续时间优化问题。GDMP 中路径与速度的解耦使得能够在满足约束的前提下实现最优时间。其次，GDMP 在人机交互应用中得到了验证，提供了协同操作任务中的理论无源性分析和实验稳定性评估。最后，我们将 GDMP 与文献中其他 DMP 架构进行了比较，包括相位优化问题和以插入任务为参考的实验，展示了 GDMP 相对于其他方案的增强性能。