Add to ORKG现有的机器人自适应控制基本上都是在建立机器人线性化的动力学模型的基础上,采用某种显式或隐式参数辨识的方法,在线地修正控制作用.本文针对机器人运动和动力学参数变化的固有特点,提出一种完全不同的自学习自适应方法.这种方法基于智能机器人分级系统中的两级结构,并且在空间域里而不是在时间域里处理机器人参数的变化.把机器人的作业空间划分成子空间,其中包括重力载荷的作用,每个子空间对应一组控制器.规划的轨迹映射到作业空间形成子空间序列.用自学习方法选择与这个序列对应的最佳控制器序列.该方法算法简单,计算量小.避开了通常的自适应方法遇到的一系列困难问题
本发明涉及一种七自由度协作机器人动力学建模与辨识方法，包括以下步骤：首先，将机器人动力学模型分解为多连杆刚体和关节柔体两部分，分别进行建模。然后，用关节扭矩传感器测量数据和数值拟合方法对刚体部分进行参...
根据多机器人智能编队的要求,设计分层多机器人体系结构.该结构主要有3层:协作任务层、协调行为层、动作控制层.协作任务层应用势场栅格法增强路径的安全性和可靠性并降低了计算复杂度;协调行为层应用强化学习法...
General issues of expert systems design for driven, tactical and strategic level of robot control ar...
为了使机器人跟踪给定的期望轨线，提出了一种新的基于机器人运动重复性的学习控制法．在这种方法中机器人通过重复试验得到期望运动，这种控制法的优点：一是对于在期望运动附近非线性机器人动力学的近似表达式的线性...
机器人对物体的抓取操作是其自主作业中经常面临的一个问题，这种具有自主抓取能力的机器人，非常适合在复杂环境下工作，对其研究具有重要的学术意义与现实意义。本文针对机器人自主抓取，归结为抓取位置的深度学习判...
本論文では,2012年度に開発してきた RoboCup Soccer 小型ロボットリーグ用ロボットの技術の中から,ボールをコントロールするホールディングデバイスの改良,オムニホイールの構造の改良,積層...
加速度传感器装在机械手手部,各关节的加速度由加速度分解算法得到.然后,提出了一种学习控制法,这种控制法利用加速度误差校正驱动器运动.并提出了一种基于几何级数的极限条件估计学习控制过程收敛条件的理论方法...
2007年度～2008年度科学研究費補助金（基盤研究（Ｃ)）研究成果報告書研究概要：本研究では， ロボットサービスや，e-ラーニングシステム等の，インタラクティブなシステムにおいて 望ましい結果に導く...
针对踝关节康复机器人运动过程中的人机交互性问题,本文提出一种基于肌电信号的鲁棒自适应人机交互控制方法.针对患者难以保持某一动作、肌电信号微弱等特点,提出一种新的关节角度估计方法.该方法充分利用了踝关节...
机器人已成为进一步实现制造业、非制造业、军事活动以至家庭服务自动化的重要工具.机器人学则是更综合地研究如何使机器或系统具有“思想、感知或动作功能的一门交叉性新学科”.机器人的发...
在人工智能领域中 ,强化学习理论由于其自学习性和自适应性的优点而得到了广泛关注 随着分布式人工智能中多智能体理论的不断发展 ,分布式强化学习算法逐渐成为研究的重点 首先介绍了强化学习的研究状况 ,然后...
随着工业机器人及其应用的不断发展,要求一个强有力的计算机系统来控制它的工作,并具有灵活、方便的机器人编程语言.本文系统地介绍了我们自行设计并实现的一个先进的机器人控制系统——A...
Описано технології адаптивних освітніх платформ, у яких за допомогою функцій штучного інтелекту можу...
本文描述了基于集散控制原理,采用分层递阶结构建立的一个3级结构双机器人协调控制系统.该系统共分3层,最高层为任务规划级.它对双机器人作业进行离线编程及仿真,并负责对整个系统的监控和管理.第2层为协调级...
移动边缘计算是解决机器人大计算量任务需求的一种方法；传统算法基于智能算法或凸优化方法，迭代时间长。深度强化学习可以通过一次前向传递即可求解，但只可以针对固定数量机器人进行求解。通过对深度强化学习分析研...
本发明涉及一种七自由度协作机器人动力学建模与辨识方法，包括以下步骤：首先，将机器人动力学模型分解为多连杆刚体和关节柔体两部分，分别进行建模。然后，用关节扭矩传感器测量数据和数值拟合方法对刚体部分进行参...
根据多机器人智能编队的要求,设计分层多机器人体系结构.该结构主要有3层:协作任务层、协调行为层、动作控制层.协作任务层应用势场栅格法增强路径的安全性和可靠性并降低了计算复杂度;协调行为层应用强化学习法...
General issues of expert systems design for driven, tactical and strategic level of robot control ar...
为了使机器人跟踪给定的期望轨线，提出了一种新的基于机器人运动重复性的学习控制法．在这种方法中机器人通过重复试验得到期望运动，这种控制法的优点：一是对于在期望运动附近非线性机器人动力学的近似表达式的线性...
机器人对物体的抓取操作是其自主作业中经常面临的一个问题，这种具有自主抓取能力的机器人，非常适合在复杂环境下工作，对其研究具有重要的学术意义与现实意义。本文针对机器人自主抓取，归结为抓取位置的深度学习判...
本論文では,2012年度に開発してきた RoboCup Soccer 小型ロボットリーグ用ロボットの技術の中から,ボールをコントロールするホールディングデバイスの改良,オムニホイールの構造の改良,積層...
加速度传感器装在机械手手部,各关节的加速度由加速度分解算法得到.然后,提出了一种学习控制法,这种控制法利用加速度误差校正驱动器运动.并提出了一种基于几何级数的极限条件估计学习控制过程收敛条件的理论方法...
2007年度～2008年度科学研究費補助金（基盤研究（Ｃ)）研究成果報告書研究概要：本研究では， ロボットサービスや，e-ラーニングシステム等の，インタラクティブなシステムにおいて 望ましい結果に導く...
针对踝关节康复机器人运动过程中的人机交互性问题,本文提出一种基于肌电信号的鲁棒自适应人机交互控制方法.针对患者难以保持某一动作、肌电信号微弱等特点,提出一种新的关节角度估计方法.该方法充分利用了踝关节...
机器人已成为进一步实现制造业、非制造业、军事活动以至家庭服务自动化的重要工具.机器人学则是更综合地研究如何使机器或系统具有“思想、感知或动作功能的一门交叉性新学科”.机器人的发...
在人工智能领域中 ,强化学习理论由于其自学习性和自适应性的优点而得到了广泛关注 随着分布式人工智能中多智能体理论的不断发展 ,分布式强化学习算法逐渐成为研究的重点 首先介绍了强化学习的研究状况 ,然后...
随着工业机器人及其应用的不断发展,要求一个强有力的计算机系统来控制它的工作,并具有灵活、方便的机器人编程语言.本文系统地介绍了我们自行设计并实现的一个先进的机器人控制系统——A...
Описано технології адаптивних освітніх платформ, у яких за допомогою функцій штучного інтелекту можу...
本文描述了基于集散控制原理,采用分层递阶结构建立的一个3级结构双机器人协调控制系统.该系统共分3层,最高层为任务规划级.它对双机器人作业进行离线编程及仿真,并负责对整个系统的监控和管理.第2层为协调级...
移动边缘计算是解决机器人大计算量任务需求的一种方法；传统算法基于智能算法或凸优化方法，迭代时间长。深度强化学习可以通过一次前向传递即可求解，但只可以针对固定数量机器人进行求解。通过对深度强化学习分析研...
本发明涉及一种七自由度协作机器人动力学建模与辨识方法，包括以下步骤：首先，将机器人动力学模型分解为多连杆刚体和关节柔体两部分，分别进行建模。然后，用关节扭矩传感器测量数据和数值拟合方法对刚体部分进行参...
根据多机器人智能编队的要求,设计分层多机器人体系结构.该结构主要有3层:协作任务层、协调行为层、动作控制层.协作任务层应用势场栅格法增强路径的安全性和可靠性并降低了计算复杂度;协调行为层应用强化学习法...
General issues of expert systems design for driven, tactical and strategic level of robot control ar...