-
公开(公告)号：CN116583855A
公开(公告)日：2023-08-11
申请号：CN202180080443.4
申请日：2021-07-21
Applicant: 三菱电机株式会社
IPC: G06N3/092
Abstract: 提供一种用于控制系统的控制器，所述系统包括配置成控制系统的策略。控制器包括：与系统连接的接口，接口配置成经由测量系统的传感器获取动作状态和测量状态；存储器，用于存储包括模型学习模块和策略学习模块的计算机可执行程序模块；处理器，配置成执行程序模块的步骤。所述步骤包括：离线建模以使用模型学习程序基于动作状态和测量状态生成离线学习状态；将离线状态提供给策略学习程序以生成策略参数；以及基于策略参数更新系统的策略以操作系统。在用于生成策略参数的策略学习程序中，考虑到用于改进策略参数优化的丢弃方法、用于计算和评估粒子状态的演变的粒子方法以及用于生成粒子状态在线估计的传感器模型和在线估计器模型，以基于从模型学习程序生成的粒子状态来近似状态估计。
-
公开(公告)号：CN119855686A
公开(公告)日：2025-04-18
申请号：CN202380064690.4
申请日：2023-06-16
Applicant: 三菱电机株式会社
IPC: B25J9/16
Abstract: 提供了一种用于控制机器人的操作以执行任务的控制器。所述控制器包括：存储器，所述存储器配置为：存储与所述任务相关联的动态运动基元(DMP)集合。所述DMP集合包括至少两个动态系统集合：表示点吸引子动力学的函数；以及对应于所述任务的习得演示的强制函数。所述控制器包括处理器，所述处理器配置为：通过确定与所述强制函数相关联的扰动函数来将所述DMP集合变换为受约束DMP(CDMP)集合。所述扰动函数与操作约束集合相关联。所述处理器还配置为基于所述操作约束集合求解所述CDMP集合的非线性优化问题，并且基于所述解来生成用于控制所述机器人以执行所述任务的控制输入。
-
公开(公告)号：CN114502335A
公开(公告)日：2022-05-13
申请号：CN202080068408.6
申请日：2020-07-29
Applicant: 三菱电机株式会社
Abstract: 一种确定轨迹的方法和系统，该轨迹包括在一系列时间间隔内具有初始姿势和结束姿势的路径，该轨迹同时满足对具有连杆的机器人臂的动力学约束和几何约束。基于每个连杆的动力学确定动力学约束，并通过生成环境的坐标网格将几何约束确定为一阶可微分函数，以确定每个连杆的端点和障碍物的笛卡尔坐标。使用多连杆动力学模型制订针对机器人臂的非线性优化(NLO)程序，NLO程序使用初始姿势和结束姿势、动力学约束和几何约束作为输入，以优化轨迹的目标函数，对于每个时间间隔，所述轨迹同时满足所述动力学约束和所述几何约束以及机器人臂操作约束。控制机器人驱动器的马达，以基于轨迹移动机器人臂。
-
公开(公告)号：CN118900750A
公开(公告)日：2024-11-05
申请号：CN202280093591.4
申请日：2022-12-15
Applicant: 三菱电机株式会社
IPC: B25J9/16
Abstract: 提供了一种用于通过机器人系统的操纵器来对物体进行重新定向的操纵控制器。该操纵控制器包括：被配置成从布置在机器人系统上的传感器获取测量数据的接口控制器、至少一个处理器、以及被配置成存储计算机实现方法的存储器。所述方法的指令包括：从布置在机器人系统上的视觉传感器和力传感器获取测量数据；基于表示工作台上的物体的接触力与移动之间的输入‑输出关系的非线性静态模型，来确定物体的输入‑输出关系；使用互补性约束来表示物体与操纵器之间的相互作用，以捕获物体与操纵器之间的接触状态；基于在与工作台的外部接触点处的非线性静态模型，来公式化物体的摩擦稳定性的表示；公式化双层优化问题，以使在工作台上正被操纵的物体的位置轨迹上的摩擦稳定性最大化；通过执行双层优化问题来估计待补偿的物理参数中的不确定性值；使用非线性优化解算器对双层优化问题进行求解，并且生成关于使用操纵器向物体施加的接触力序列的控制数据。
-
公开(公告)号：CN114450131B
公开(公告)日：2024-08-13
申请号：CN202080067422.4
申请日：2020-07-29
Applicant: 三菱电机株式会社
Abstract: 一种控制操纵系统的操纵器学习控制设备，包括：接口，其配置为接收操纵系统的操纵器状态信号和关于要由操纵系统在工作空间中操纵的对象的对象状态信号，其中，对象状态信号由至少一个对象检测器检测；输出接口，其配置为向操纵系统发送初始和更新策略程序；存储器，其用于存储包括数据预处理程序、对象状态历史数据、操纵器状态历史数据、无导数半参数高斯过程DF‑SPGP核学习程序、无导数半参数高斯过程DF‑SPGP模型学习程序、更新策略程序和初始策略程序的计算机可执行程序；以及处理器，其与存储器连接，配置为将初始策略程序发送到操纵系统以启动学习过程，学习过程在预设时间段内操作操纵对象的操纵器系统。
-
Patent Agency Ranking
-
公开(公告)号：CN118715092A
公开(公告)日：2024-09-27
申请号：CN202280091628.X
申请日：2022-11-22
Applicant: 三菱电机株式会社
Abstract: 提供了一种利用机器人操纵器操纵对象的机器人系统。该机器人系统被配置为：收集用于操纵对象的任务的数字表示；求解鲁棒控制问题以优化要由机器人操纵器应用以改变对象的状态的控制力序列，其中对象的状态演变由对任务进行建模的随机互补系统以预定义的概率管理。鲁棒控制问题优化成本函数，从而以联合机会约束为条件生成执行任务的控制力序列，联合机会约束包括正被操纵的对象的状态上的第一机会约束和对对象的操纵进行建模的随机互补约束上的第二机会约束。该机器人系统还被配置为基于控制力序列控制对象的操纵。
-
公开(公告)号：CN114502335B
公开(公告)日：2024-07-12
申请号：CN202080068408.6
申请日：2020-07-29
Applicant: 三菱电机株式会社
Abstract: 一种确定轨迹的方法和系统，该轨迹包括在一系列时间间隔内具有初始姿势和结束姿势的路径，该轨迹同时满足对具有连杆的机器人臂的动力学约束和几何约束。基于每个连杆的动力学确定动力学约束，并通过生成环境的坐标网格将几何约束确定为一阶可微分函数，以确定每个连杆的端点和障碍物的笛卡尔坐标。使用多连杆动力学模型制订针对机器人臂的非线性优化(NLO)程序，NLO程序使用初始姿势和结束姿势、动力学约束和几何约束作为输入，以优化轨迹的目标函数，对于每个时间间隔，所述轨迹同时满足所述动力学约束和所述几何约束以及机器人臂操作约束。控制机器人驱动器的马达，以基于轨迹移动机器人臂。
-
公开(公告)号：CN117062693A
公开(公告)日：2023-11-14
申请号：CN202280023077.3
申请日：2022-01-14
Applicant: 三菱电机株式会社
IPC: B25J9/16
Abstract: 提供了一种用于执行组装操作的机器人。该机器人包括：处理器，所述处理器被配置为根据原始轨迹来确定用于控制机器人的多个电机移动机械臂的控制律，执行自我探索程序以产生指示原始轨迹的空间的训练数据，并且使用训练数据学习非线性柔顺控制律，该非线性柔顺控制律包括将机器人的力传感器的测量值映射到定义控制律的原始轨迹的纠正的方向的非线性映射。处理器根据新目标姿态来变换原始轨迹以产生变换后的轨迹，根据变换后的轨迹来更新控制律以产生更新后的控制律，并且命令多个电机根据用柔顺控制律纠正的更新后的控制律来控制机械臂。
-
公开(公告)号：CN113272105A
公开(公告)日：2021-08-17
申请号：CN201980085997.6
申请日：2019-06-26
Applicant: 三菱电机株式会社
IPC: B25J9/16
Abstract: 一种用于控制机器人臂执行沿着插入线插入部件的系统接受机器人臂的腕部沿着插入线在当前位置所经历的力的测量，并且根据作为机器人臂的腕部沿着插入线的位置的概率函数的机器人臂的腕部沿着插入线所经历的力的概率关系来确定以位置的当前值为条件的力的值的概率。概率函数从具有该机器人臂的配置的一个或多个机器人臂在控制下重复地执行的操作的测量学习。该系统基于力的当前值的概率来确定异常检测结果并且基于异常检测结果来控制机器人臂。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
