面向感知增强机械手臂的任务学习与规划

摘要

服务机器人作为一类新兴的机器人类型市场潜力巨大，与传统工业机器人相比服务机器人面临更多的挑战。服务机器人工作环境变化频繁，服务对象为缺少使用经验的普通消费者甚至可能是行动能力有限的老人或残疾人，因此服务机器人需要具有感知能力，任务规划能力和任务学习能力才能更好的向人提供服务。目前相关研究虽然很多，但是还缺少一个运行于服务机器人上的能够综合这三种能力向人提供服务的框架。
　　本文针对目前存在的问题以机器人的一种形式——机械手臂为例提出了面向感知增强机械手臂的任务学习与规划框架，能够通过学习人的演示学会一个新的任务，根据实时环境信息自动规划执行学会的任务。
　　本文的主要贡献有:
　　1)提出了一种任务学习范式，基于范式提出了感知增强的任务学习与规划模型;
　　2)定义了包含实体与环境，动作与行为的任务模型，基于确定有穷自动机(DFA)实现了任务规划与执行流程;
　　3)提出了基于演示的任务学习方法，通过人的演示即可以让机械手臂学会一个新的任务;
　　4)基于感知增强的任务学习与规划模型，设计并实现了面向感知增强机械手臂的任务学习与规划框架;
　　5)将框架部署到了真实环境中，对框架的学习效果进行了评估，将部署了框架的机械手臂系统作为“我的家庭服务台”，能够通过学习演示动作学会向人提供“拿苹果”以及“倒水”等服务。

目录

声明

摘要

图目录

表目录

第1章 绪论

1．1 课题背景

1．2 问题提出

1．2．1 感知能力

1．2．2 任务规划能力

1．2．3 任务学习能力

1．3 相关工作

1．3．1 感知增强的机器人

1．3．2 机器人任务规划

1．3．3 机器人任务学习

1．4 论文组织

1．5 本章小结

第2章 感知增强的任务学习与规划模型

2．1 问题分析及解决方案

2．1．1 获取环境信息

2．1．2 构建任务模型

2．1．3 任务学习方法

2．2 基于PbD的任务学习范式

2．2．1 PbD范式介绍

2．2．2 任务学习范式

2．3 感知增强的任务学习与规划模型提出

2．3．1 任务规划

2．3．2 任务学习

2．3．3 感知框架与机械手臂系统

2．4 本章小结

第3章 面向感知增强机械手臂的任务模型

3．1 概念定义

3．1．1 实体与环境

3．1．2 动作与行为

3．2 任务描述

3．3 基于DFA的任务过程描述

3．3．1 DFA的定义

3．3．2 用DFA描述任务

3．3．3 “倒水给人”：一个例子

3．3．4 基于DFA运行任务：以“倒水给人”任务为例

3．4 本章小结

第4章 基于演示的任务学习方法

4．1 基于演示的任务学习方法总体定义

4．1．1 学习形式

4．1．2 学习内容

4．1．3 学习步骤

4．2 演示数据获取与演示学习

4．2．1 演示数据获取与数据预处理

4．2．2 基于SVM的动作识别方法

4．2．3 动作阶段划分

4．3 任务关联实体识别

4．3．1 识别“持有的实体”

4．3．2 DFA状态集合初步形成

4．4 行为识别

4．4．1 基于动作过滤的行为生成方法

4．4．2 目标实体识别与行为参数填充

4．4．3 状态集合更新

4．4．4 行为验证

4．5 生成Exe Flow

4．5．1 “转移条件”生成

4．5．2 形成任务DFA和任务

4．6 多次演示与任务合并

4．7 与其它方法比较

4．8 本章小结

第5章 面向感知增强机械手臂的任务学习与规划框架

5．1 框架运行机制

5．2 总体框架

5．2．1 器件层与封装层

5．2．2 业务层

5．2．3 业务接口层

5．2．4 移动任务管理器

5．3 其它相关技术实现

5．3．1 动作与行为封装

5．3．2 实体信息存储与感知上下文生成

5．3．3 执行器实现

5．3．4 移动任务管理器实现

5．4 本章小结

第6章 任务学习与规划框架评估及应用

6．1 部署环境

6．1．1 硬件环境

6．1．2 软件环境

6．2 任务学习与执行效果评估

6．2．1 任务复杂度对学习效果影响评估

6．2．2 学习次数对学习效果影响评估

6．2．3 环境变化对任务执行效果影响评估

6．2．4 实验总结

6．3 框架应用场景：我的家庭服务台

6．4 本章小结

第7章 总结与展望

7．1 本文工作总结

7．2 当前工作不足与未来展望

参考文献

攻读硕士学位期间主要的研究成果

致谢