公开(公告)号：CN116922391B

公开(公告)日：2024-08-20

申请号：CN202311068281.X

申请日：2023-08-24

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 岳程斐 ,  高添 ,  琚啸哲 ,  陈雪芹 ,  曹喜滨

IPC: B25J9/16 ,  B25J9/00

Abstract: 本发明提出一种基于多层条件概率运动原语的空间机械臂技能自主学习与优化方法，所述方法用于解决空间机械臂在示教学习中的外插问题(即待学习轨迹从整体上偏离示教区域)，实现技能的外扩和泛化。该方法建立代价模型并结合条件概率的求解，实现了机械臂示教区域的拓展学习和任务层面的技能泛化，构建“多层”框架满足了多种任务约束，通过概率计算取代传统的迭代优化方式，本发明所述方法实现了机械臂技能的快速学习和高效复现。有效提高了空间机械臂在轨操控的灵活性和智能化水平。

公开(公告)号：CN116922391A

公开(公告)日：2023-10-24

申请号：CN202311068281.X

申请日：2023-08-24

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 岳程斐 ,  高添 ,  琚啸哲 ,  陈雪芹 ,  曹喜滨

IPC: B25J9/16 ,  B25J9/00

Abstract: 本发明提出一种基于多层条件概率运动原语的空间机械臂技能自主学习与优化方法，所述方法用于解决空间机械臂在示教学习中的外插问题(即待学习轨迹从整体上偏离示教区域)，实现技能的外扩和泛化。该方法建立代价模型并结合条件概率的求解，实现了机械臂示教区域的拓展学习和任务层面的技能泛化，构建“多层”框架满足了多种任务约束，通过概率计算取代传统的迭代优化方式，本发明所述方法实现了机械臂技能的快速学习和高效复现。有效提高了空间机械臂在轨操控的灵活性和智能化水平。