机器人控制技术基础：智能化

机器人的智能化

IntelligenceofRobot7.1什么是机器人的智能化7.2机器人的路径规划7.3机器人的动作规划7.4作业顺序的规划7.5机器人学习机器人的智能化赋予机器人类似人类的智能能力轨迹规划动作规划任务分配机器人的智能化7.1什么是机器人的智能化动力学范畴：如何高质量完成所规划出的路径运动学范畴：规划出机器人满足任务要求的可行路径,去除不可能任务机器人的智能化7.1什么是机器人的智能化路径规划基于模型（离线）的路径规划

具有环境地图模型和机器人模型，可离线进行。处理最佳路径和安全路径之间的矛盾关系。基于传感器的路径规划

没有环境模型，只能依靠传感器，探测障碍，发现目的地检测障碍物并进行规避达到目的地“摸着石头过河”动作规划、作业顺序规划

搜索空间关节角度空间：多自由度设计位姿空间：多自由度设计位姿空间障碍物:单元集合及其属性表示学习控制与强化学习在不明确各元素的条件下，利用学习功能完成任务。考虑收敛性和稳定性。学习控制:需要模型（运动学，动力学）强化学习:无模型，靠评价结果机器人的智能化7.1什么是机器人的智能化

7.2机器人的路径规划机器人的智能化轨迹规划器摄象机图像分析器力传感器操作臂运动学操作臂动力学机器人控制器任务规划器环境基于视觉的任务规划器qd(t)F(t)x(t)q(t))(tt{xk}压缩的数据I(k,e)１.轨迹规划的一般性问题常见的机器人作业有两种：这里所谓的轨迹是指操作臂在运动过程中的位移、速度和加速度。点位作业（PTP=point-to-pointmotion）连续路径作业（continuous-pathmotion），或者称为轮廓运动（contourmotion）。7.2机器人的路径规划机器人的智能化操作臂最常用的轨迹规划方法有两种：轨迹规划既可以在关节空间也可以在直角空间中进行。

第一种是要求对于选定的轨迹结点（插值点）上的位姿、速度和加速度给出一组显式约束（例如连续性和光滑程度等），轨迹规划器从一类函数（例如n次多项式）选取参数化轨迹，对结点进行插值，并满足约束条件。

第二种方法要求给出运动路径的解析式。7.2机器人的路径规划机器人的智能化轨迹规划方法一般是在机器人的初始位置和目标位置之间用多项式函数来“内插”或“逼近”给定的路径，并产生一系列的控制点。a.三次多项式插值

关节空间法计算简单、容易。再者，不会发生机构的奇异性问题。2.关节轨迹的插值只给定机器人起始点和终止点的关节角度。为了实现平稳运动，轨迹函数至少需要四个约束条件。即————满足起点和终点的关节角度约束————满足起点和终点的关节速度约束（满足关节速度的连续性要求）解上面四个方程得：注意：这组解只适用于关节起点、终点速度为零的运动情况。

例：设只有一个自由度的旋转关节机械手处于静止状态时，

=150，要在3s内平稳运动到达终止位置：=750，并且在终止点的速度为零。解：将上式的已知条件代入以下四个方程得四个系数：因此得：b.过路径点的三次多项式插值

方法是：把所有路径点都看成是“起点”或“终点”，求解逆运动学，得到相应的关节矢量值。然后确定所要求的三次多项式插值函数，把路径点平滑的连接起来。不同的是，这些“起点”和“终点”的关节速度不再是零。此时的速度约束条件变为：同理可以求得此时的三次多项式系数：7.2机器人的路径规划移动机器人：2自由度运动，忽略方向角，点化基于模型：有机器人，障碍物模型基于传感器：靠检测机器人的智能化7.2机器人的路径规划机器人的智能化

全局路径规划（GlobalPathPlanning）和局部路径规划（LocalPathPlanning）

自主移动机器人的导航问题要解决的是：（1）“我现在何处？”；（2）“我要往何处去？”；（3）“要如何到该处去？”。

局部路径规划主要解决机器人定位和路径跟踪问题；方法主要有：人工势场法、模糊逻辑算法等。

全局路径规划主要解决全局目标分解为局部目标，再由局部规划实现局部目标。主要有：可视图法、环境分割法（自由空间法、栅格法）等；7.2机器人的路径规划机器人的智能化离线路径规划和在线路径规划离线路径规划是基于环境先验完全信息的路径路径规划。完整的先验信息只能适用于静态环境，这种情况下，路径是离线规划的；在线路径规划是基于传感器信息的不确定环境的路径规划。在这种情况下，路径必须是在线规划的。7.2机器人的路径规划机器人的智能化7.2机器人的路径规划图的表示方法，数据结构机器人的智能化7.2机器人的路径规划7.2.1基于模型的路径规划1）切线图最短容易碰障节点表示切点弧表示切点间路径算法寻找最优路径机器人的智能化7.2机器人的路径规划7.2.1基于模型的路径规划2）Voronoi图轨线长不容易碰障寻找与障碍物等距离的点联接点阵机器人的智能化机器人的智能化7.2机器人的路径规划7.2.1基于模型的路径规划3）搜索算法A*（A-Star)算法是一种启发式算法，是静态路网中求解最短路最有效的方法。公式表示为：f(n)=g(n)+h(n),

其中f(n)是节点n从初始点到目标点的估价函数，

g(n)是在状态空间中从初始节点到n节点的实际代价，

h(n)是从n到目标节点最佳路径的估计代价。

OPEN表CLOSED表

OPEN表用于存放刚生成的节点，CLOSED表用于存放将要扩展或者已经扩展的节点。状态节点父节点编号状态节点父节点机器人的智能化7.2机器人的路径规划7.2.1基于模型的路径规划3）搜索算法机器人的智能化7.2机器人的路径规划7.2.1基于模型的路径规划3）搜索算法机器人的智能化7.2机器人的路径规划7.2.1基于模型的路径规划3）搜索算法机器人的智能化7.2机器人的路径规划7.2.1基于模型的路径规划3）搜索算法7.2机器人的路径规划7.2.1基于模型的路径规划2）寻优算法动态规划法－最优控制理论最优控制理论给出了大量的求最佳路径的方法区间分析法－先进的数学工具

用区间单元代替数进行数学操作机器人的智能化Exampleofnatureevaluation

Thefunctionfor

,TheexactboundisTheintervalequivalentofthesquarefunction:

HenceRewrite

Usingthisnewfrom,wehaveNotationsforintervalanalysisLowboundofaninterval:Upperboundofaninterval:Midpointofaninterval:ABox:Bisection:7.2机器人的路径规划7.2.2基于传感器的路径规划碰撞点Hi：RG方向上的阻碍脱离点Li：

|RG|<|HiG|RG方向无阻碍机器人的智能化机器人的智能化7.3机器人的动作规划动作规划与路径规划的不同之处同时搜索位置和姿态多个自由度空间不是“点”机器人的概念机器人的智能化7.3机器人的动作规划关节空间离散化，多维的角度空间（搜索）判断单元格是否属于障碍物区域：正向运动学机器人的智能化7.3机器人的动作规划方法直观，简单。但对存储量和计算量的要求过大机器人的智能化7.3机器人的动作规划只标注需要搜索的关节空间，无碰撞，接近目标机器人的智能化7.3机器人的动作规划理想条件下，规划出的期望目标轨线，需要实际完成机器人的智能化7.3机器人的动作规划实际情况下，依据期望轨线进行实际控制，得到实际的运行轨迹机器人的智能化7.4作业顺序规划作业规划→动作规划→机器人控制作业规划应该使动作规划和机器人控制容易机器人的智能化7.4作业顺序规划机器人的智能化7.4作业顺序规划7.4.1AND-OR图的生成算法机器人的智能化7.4作业顺序规划7.4.2搜索算法GBF计算费用值选取小的直至所以节点“解决”机器人的智能化7.4作业顺序规划7.4.3运送零件路径、动作规划A→B→C→D机器人的智能化7.4作业顺序规划7.4.3运送零件路径、动作规划角度空间内的路径规划完成任务避障机器人的智能化7.5机器人学习

当无法精确了解自己的位置，无法精确执行所规划的任务

推测航行法不需要外部标志，有误差的累积

全局位置推定法

需要外部标志传感器误