研究从人类手臂到生物机器人手臂的运动传输方法,基于PSO-RF算法

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物力学 生物力学
• 机器学习 机器学习

背景情况:

• 现有的生物机器人手臂运动传输方法由于简化模型而难以实现动态合规性和实时适应性.
• 仿生手臂中类似人类的运动需要先进的技术来克服动力学等效和动态模型的局限性.

研究的目的:

• 介绍一种新的运动传输方法,用于生物机器人手臂,使用混合粒子集群优化-随机森林 (PSO-RF) 算法.
• 为了提高联合空间绘图的准确性和动态合规性,在人机机器人运动传输.
• 在生物机器人系统中实现实时适应性和复杂的人类动作.

主要方法:

• 使用高精度光学运动捕捉 (Mocap) 系统来记录人类手臂的轨迹.
• 应用卡尔曼过和劳赫-图恩-斯特里贝尔 (RTS) 平滑来处理运动数据,然后进行几何向量分析以初始计算关节角度.
• 开发了一种混合PSO-RF模型,在五个动作序列中进行训练,以预测人类关节角度,克服几何分析的局限性.

主要成果:

• 该PSO-RF模型实现了关节角度的高预测精度,肘部关节的R2 = 0.932.
• 运动传输系统展示了实时性能,低延迟时间为0.1097秒.
• 实验验证证了拟议方法在复杂的人类运动中的有效性.

结论:

• 混合PSO-RF方法显著提高了生物机器人手臂的运动传输精度和动态合规性.
• 该框架解决了联合层面的动态转移挑战,促进了符合规定的人机交互.
• 开发的系统为智能制造和康复机器人领域的应用提供了一个有前途的框架.