基于RNN的机械臂任务模仿系统
为了简化机械臂复杂的运动规划问题,且使机械臂具有适应新任务的泛化能力,研究并实现了一种基于循环神经网络(recurrent neural network,RNN)的机械臂任务模仿系统.首先,由示教者进行原始任务示教并采集示教数据;其次,通过构建RNN对原始示教数据进行训练,得到机械臂对示教任务模仿的控制策略;然后,当任务发生变化时,观察新任务的运动并采集运动信息;最后,通过基于RNN的控制策略对新任务运动信息进行泛化输出,得到机械臂模仿新任务的控制信息,进而完成模仿.物理对象实验结果表明,系统具有简单高效的策略获取能力以及良好的泛化能力,使机械臂不仅能够模仿原始示教任务,而且可以通过泛化实现对新任务的模仿.
控制策略、机械臂、运动规划、循环神经网络(RNN)、泛化
44
TP242.6(自动化技术及设备)
国家自然科学基金资助项目61375086;高等学校博士学科点专项科研基金资助项目20101103110007;北京工业大学智能制造领域大科研推进计划资助项目JZ041001201702
2018-12-14（万方平台首次上网日期，不代表论文的发表时间）
共8页
1401-1408
