先进的仿生机器人手与EMG终身学习和认可

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人类型机器人设计
• 生物医学工程 生物医学工程

背景情况:

• 设计机器人手用于人形机器人,特别是幼儿大小的机器人,存在重大挑战.
• 使用生物信号有效控制机器人手需要复杂的优化和学习技术.

研究的目的:

• 为了优化一个人形机器人手的设计,为一个幼儿大小的人形机器人.
• 开发使用表面电肌图 (sEMG) 信号的机器人手的控制系统.

主要方法:

• 采用隔离森林向后粒子群优化来改进机器人手的设计,专注于指对立性和抓取能力.
• 利用无遗忘的学习 (LWF) 来对sEMG数据进行连续训练,以创建机器人手控制的整体模型.
• 在Webots中模拟掌握场景,以验证和优化机器人手的设计.

主要成果:

• 优化的机器人手表现出卓越的性能,与现有设计相比,在模拟和现实世界测试中实现了最高的健身值.
• 在LWF框架内比较sEMG数据处理技术 (原始,带通,离散波形变换带通) 确定了神经网络结构的最佳输入.
• 通过使用最终的LWF模型在实际系统中通过手势分类成功实时操纵机器人手.

结论:

• 该研究成功优化了一个人形机器人手的设计,并开发了一个有效的基于sEMG的控制系统.
• 集成先进的优化算法和顺序学习技术为人形机器人中的机器人手控制提供了强大的解决方案.
• 开发的系统显示了对现实世界应用的希望,这些应用需要通过生物信号进行直观和精确的机器人手操纵.