-
公开(公告)号:CN104924313B
公开(公告)日:2017-03-01
申请号:CN201510244111.1
申请日:2015-05-13
Applicant: 北京工业大学
IPC: B25J13/08
Abstract: 具有模仿学习机制的手把手示教机械臂系统及方法,所述系统包括机械手臂和舵机组成的动作执行模块、多传感器组成的感知模块以及控制器构成的学习模块。本发明采用模块独立供电方式,在此基础上使用手把手离线示教,将一组由陀螺仪传感器和加速度计组成的动作检测装置作为感知模块搭载在机械臂上,采集机械臂在运动过程中的各连杆的状态信息,然后将这些信息应用模仿学习算法,指导机械臂系统模仿学习示教行为。本发明采取分级分层控制,提升了控制系统的针对性和信息传递效率,本发明能够通过学习获知示教行为的目的,在改变机械臂初始姿态或目标物体所在方位时依旧能够完成模仿任务,具有较高的智能程度。
-
公开(公告)号:CN109993073A
公开(公告)日:2019-07-09
申请号:CN201910191967.5
申请日:2019-03-14
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于Leap Motion的复杂动态手势识别方法,属于人工智能与人机交互领域。本发明将静态手势识别与连续轨迹识别用复杂动态手势识别中,通过体感传感器捕捉示用户示教过程中的手部信息,采用支持向量机与基于表示学习的特征向量提取方式进行静态手势学习,对示教过程中的静态手势均标记为指令状态。对处于指令状态下的静态手势,提取各手指远端骨顶点与手掌中心点的信息,生成连续的动态轨迹信息进行学习。对复杂动态手势可以逐帧分解,判断是否为指令手势后,进行识别指令。本发明大大提高了对动态手势识别的准确度,降低了对动态手势的复杂度的要求,并且基于视觉采集设备使人机交互的过程更加友好,更加自然。
-
公开(公告)号:CN104924313A
公开(公告)日:2015-09-23
申请号:CN201510244111.1
申请日:2015-05-13
Applicant: 北京工业大学
IPC: B25J13/08
Abstract: 具有模仿学习机制的手把手示教机械臂系统及方法,所述系统包括机械手臂和舵机组成的动作执行模块、多传感器组成的感知模块以及控制器构成的学习模块。本发明采用模块独立供电方式,在此基础上使用手把手离线示教,将一组由陀螺仪传感器和加速度计组成的动作检测装置作为感知模块搭载在机械臂上,采集机械臂在运动过程中的各连杆的状态信息,然后将这些信息应用模仿学习算法,指导机械臂系统模仿学习示教行为。本发明采取分级分层控制,提升了控制系统的针对性和信息传递效率,本发明能够通过学习获知示教行为的目的,在改变机械臂初始姿态或目标物体所在方位时依旧能够完成模仿任务,具有较高的智能程度。
-
公开(公告)号:CN109993073B
公开(公告)日:2021-07-02
申请号:CN201910191967.5
申请日:2019-03-14
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于Leap Motion的复杂动态手势识别方法,属于人工智能与人机交互领域。本发明将静态手势识别与连续轨迹识别用复杂动态手势识别中,通过体感传感器捕捉示用户示教过程中的手部信息,采用支持向量机与基于表示学习的特征向量提取方式进行静态手势学习,对示教过程中的静态手势均标记为指令状态。对处于指令状态下的静态手势,提取各手指远端骨顶点与手掌中心点的信息,生成连续的动态轨迹信息进行学习。对复杂动态手势可以逐帧分解,判断是否为指令手势后,进行识别指令。本发明大大提高了对动态手势识别的准确度,降低了对动态手势的复杂度的要求,并且基于视觉采集设备使人机交互的过程更加友好,更加自然。
-
公开(公告)号:CN109702744A
公开(公告)日:2019-05-03
申请号:CN201910036299.9
申请日:2019-01-15
Applicant: 北京工业大学
IPC: B25J9/16
Abstract: 本发明公开一种基于动态系统模型的机器人模仿学习的方法,通过学习来实现机器人对于示教运动的模仿。具体地,通过高斯混合模型将示教运动建模为一非线性动态系统模型,另外通过附加稳定性约束条件的方法,来保证运动模型的稳定性。并将运动模型的参数学习问题转化为求解一个约束优化问题,以此来获得对于运动模型的完整描述。最后,将学习得到的运动模型作为控制策略来指导机器人对于示教运动的模仿。本发明对于目标点固定的示教运动,具有很好的稳定性,生成的所有运动轨迹均收敛到目标点,对于简单和较复杂的示教运动有很好的表达能力,而且运动模型的泛化能力表现也较好,示教运动范围外也可以生成平滑的且收敛到目标的运动轨迹。
-
-
-
-