生物信号引导机器人通过人类远程操作演示来学习自适应性硬度

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人与机器人的交互
• 机器学习 机器学习

背景情况:

• 机器人从人类演示中学习,对于类似人类的能力至关重要.
• 人类手臂肌肉激活与终点度相关,这是机器人任务的关键因素.

研究的目的:

• 提出一个生物信号引导的机器人自适应性度学习框架.
• 通过人类演示,使机器人卡特西安阻抗参数的直观规划成为可能.

主要方法:

• 一个人类远程操作的实时硬度调节演示平台.
• 一个双阶段的概率模型 (GMM,GMR) 时间运动和运动-sEMG相关性.
• 在现实世界中进行实验,以验证框架的有效性.

主要成果:

• 机器人成功地实现了卡特西安阻抗特征的在线适应.
• 在接触丰富的任务中证明有效的技能转移.
• 验证了肌肉激活和终点度之间的正相关性.

结论:

• 拟议的框架提供了一个简单,直观的方法,用于机器人刚性学习.
• 它绕过了复杂的示范前硬度识别或示范后补偿.
• 使机器人能够更有效地获得类似人类的操作刚性.