基于测地长度动力学运动原语的机器人研磨技能学习
机器人学
2025-04-25 v1
摘要
通过仿照学习从人类工匠那里学习研磨技能已成为机器人加工领域的关键研究主题。由于其强大的泛化能力和对外部扰动的鲁棒性，动力学运动原语 (DMPs) 为机器人研磨技能学习提供了有前景的方案。然而，直接将 DMPs 应用于研磨任务面临诸多挑战，如姿态精度低、位置-姿态-力量不同步以及表面轨迹的泛化性受限。为此，本文提出了一种基于测地长度动力学运动原语 (Geo-DMPs) 的机器人研磨技能学习方法。首先，开发了归一化二维加权高斯核和内在均值聚类算法，用于从多个演示中提取几何特征。随后，引入姿态流形距离度量，消除传统姿态 DMPs 中的时间依赖性，从而实现 Geo-DMPs 的精准姿态学习。进一步提出了基于测地长度的相位函数的同步编码框架，用于联合建模位置、姿态和力量。该框架使机器人研磨动作能够在任意两个表面点之间生成。实验通过圆角研磨和自由曲面研磨验证，证明所提方法在技能编码与生成方面实现了高几何精度和良好泛化性。已知本文是首次尝试运用 DMPs 在无模型表面上联合学习和生成位置、姿态与力量的研磨技能，为机器人研磨提供了新思路。
引用
@article{arxiv.2504.17216,
title = {Robotic Grinding Skills Learning Based on Geodesic Length Dynamic Motion Primitives},
author = {Shuai Ke and Huan Zhao and Xiangfei Li and Zhiao Wei and Yecan Yin and Han Ding},
journal= {arXiv preprint arXiv:2504.17216},
year = {2025}
}