复合空间行为约束规划的机器人无模型自学习视觉伺服控制研究

Model-free visual servoing technique is necessary for robot face complex environment, task, and flexibility development, while the premise of realize the robotic hand-eye coordination is to avoid task singularity, target deviating from the field-of-view（FOV）, local minimum, and retreat movement problems. In this project, an “eye in hand” system of robotic arm is considering, and then put forward the dynamic programming and control method based on robot’s performance constraint rules: First of all, we adopt the rapidly-exploring random trees (RRT) programming method, which mixed the constraints of the shortest path and Jacobian matrix un-singular, for features trajectory dynamic programming in the image space, to solve the problems of task singular and target deviating from FOV. Second, we transform the image features movement control in image space, and robotic arm movement control in Cartesian space, into a second-order cone programming (SOCP) problem, and constructed SOCP convex optimization control model, under the constraint of optimal robot performance objective function, which aims are to solve the problems of the local minimum and robot retreat movement. Finally, the image Jacobian matrix is mapped into the state space, to solve the uncalibrated Jacobian on-line self-learning problem, and development a hybrid constraints dynamic programming model-free visual servoing control system. The proposed constrained trajectory programming and control based on united-space(image and Cartesian spaces), is a kind of new visual servoing design method with robot performance optimization and variable parameter self-learning, that method plays an important role to improve the robotic arm adaptive manipulation ability under the model-free unstructured environment.

无模型视觉伺服是机器人面临复杂环境、任务及柔型化发展的必然要求，其中实现手眼协调的前提是避免任务奇异、目标偏离视场、局部极小、回退运动问题的产生。本项目对机器人“眼在手”系统，提出基于行为约束的动态规划与控制方式：1)采用混合约束快速探索随机树方法，以路径最短、雅可比无奇异为准则，在图像空间进行特征轨迹动态规划，解决目标偏离视场与任务奇异问题；2)对图像特征轨迹和笛卡尔空间机器人末端运动轨迹进行复合控制，转化为二阶锥规划(SOCP)问题，在机器人行为最优目标函数约束下，构建SOCP凸优化控制模型，解决局部极小与回退问题。最后，把雅可比映射到状态空间，研究无模型雅可比自学习问题，实现一种混合约束与动态规划的无模型视觉伺服系统。基于复合空间(图像与笛卡尔空间)约束的轨迹规划与控制，是一种行为优化与变参自学习视觉伺服设计新方法，对提高机器人手臂在无模型非结构环境下的自适应操作能力具有重要作用。

课题组通过对该项目3年来的研究，顺利地完成了复合空间行为约束规划的机器人无模型自学习视觉伺服控制方案。无模型视觉伺服是机器人面临复杂环境、任务及柔型化发展的必然要求，其中实现手眼协调的前提是迫切解决任务奇异、目标偏离视场、局部极小、回退运动问题。因此，本项目对机器人眼在手系统，提出研究基于行为约束的动态规划与控制方案。.项目总体目标建立了一种混合行为约束规划的无模型视觉伺服控制思路，实现了机器人在非结构环境下的自适应操作，项目研究内容分三个阶段进行：约束规划阶段，建立了路径最短、雅可比无奇异约束准则，通过混合约束快速搜索随机树(RRT)规划方法，对2D特征轨迹实施动态规划，避免特征偏离FOV与任务奇异问题。视觉自学习阶段，以视觉特征为反馈信息，建立了无模型雅可比调节方法，实现对模型参数的自适应。控制器设计阶段，把同时保证2D图像特征运动轨迹和3D末端运动轨迹最优视为最优化问题，设计了一个SOCP凸优化控制器，以路径行为最优约束准则为目标函数，折中2/3D复合空间路径最短，避免机器人回退；而局部极小行为约束准则保证2/3D复合空间收敛一致，克服局部极小问题。通过项目研究，形成了一种既有理论意义又有工程应用前景的无模型视觉伺服控制设计新思路。.在该项目的资助下，完成国内外重要学术刊物14篇(包括SCI，EI收录)，完成会议论文6篇(EI收录)，完成4项国家发明专利(公开)，申请1项实用型专利，培养硕士研究生4名、协助培养博士研究生1名，派遣9人/次参加相关领域重要国内外学术会议，并邀请了2位国际知名专家作相关领域的学术报告。在该项目及研究成果的支撑下，创建了视觉检测与机器人目标操作创新平台，项目负责人入选福建省杰出青年科研人才计划，并且晋升副教授职称。

内容获取失败，请点击重试