机器人的CP-nets优化类人轨迹规划

摘要

机器人移动轨迹按照人的手臂来模拟是提高机器人安全性和人机交互能力的有效方法;特别是针对机器人抓取路径不唯一的场合,类人行为对于人机系统表现更加自然.此前,通常利用Kinect等设备,基于人工神经网络和K近邻算法等智能算法对类人轨迹进行规划,但无法获得未采样过的最优轨迹.本文基于CP-nets采用偏好模型研究类人运动轨迹,然后将该模型应用于机器人控制,在没有采样的情况下,也可得到最优的类人轨迹.实验结果表明,基于CP-nets的类人规划轨迹具有较高的效率和舒适性,符合人的运动特征.