基于多约束条件的机器人抓取策略学习方法
基于多约束条件的机器人抓取策略学习方法
复制标题
DOI：
10.13195/j.kzyjc.2020.1716
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
李贻斌
中科院分区：
文献类型：
--
作者：
崔涛;李凤鸣;宋锐;李贻斌
针对机器人在多类别物体不同任务下的抓取决策问题,提出基于多约束条件的抓取策略学习方法.该方法以抓取对象特征和抓取任务属性为机器人抓取策略约束,通过映射人类抓取习惯规划抓取模式,并采用物体方向包围盒(OBB)建立机器人抓取规则,建立多约束条件的抓取模型.利用深度径向基(DRBF)网络模型结合减聚类算法(SCM)实现抓取策略的学习,两种算法的结合旨在提高学习鲁棒性与精确性.搭建以Refiex 1型灵巧手和AUBO六自由度机械臂组成的实验平台,对多类别物体进行抓取实验.实验结果表明,所提出方法使机器人有效学习到对多物体不同任务的最优抓取策略,具有良好的抓取决策能力.