利用示教学习的移动机械臂轨迹避障算法
第３９卷第９期２０１８年９月
哈 尔 滨 工 程 大 学 学 报Journal of Harbin Engineering University
Vol ．３９№．９Sep ．２０１８
利用示教学习的移动机械臂轨迹避障算法
刘维惠，陈殿生，张立志
（北京航空航天大学机械工程及自动化学院，北京１００１９１）
摘 要：为了提高服务机器人的环境适应性和减轻操作者的控制负担，本文提出了一种利用示教学习的轨迹修正算法。利用动态动作基元模型，生成与示教轨迹形状相似的新轨迹。进而提出改进的距离加权ｋ－近邻算法，实现移动机械臂末端轨迹形状的局部修正。本文设计了避免相邻有效训练数据丢失的在线更新方法，并在人机交互系统上进行避障和实时性测试。实验结果证明了本文提出的轨迹避障算法具有对新任务的适应能力，不同场景下的避障决策能力和在线修正能力，从而保证友好、流畅的人机交互过程。
关键词：服务机器人；示教学习；人机交互；移动机械臂；轨迹避障；在线修正；ｋ－近邻算法；动态动作基元ＤＯＩ：１０．１１９９０／jheu ．２０１７０３０３０
网络出版地址：http ：／／www ．cnki ．net ／kcms ／detail ／２３．１３９０．u ．２０１８０５０２．１０２７．０１０．html 中图分类号：TP ２４２．６ 文献标志码：A 文章编号：１００６－７０４３（２０１８）０９－１５４６－０８
Ｌｅａｒｎｉｎｇｆｒｏｍｄｅｍｏｎｓｔｒａｔｉｏｎｂａｓｅｄｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅ
ａｌｇｏｒｉｔｈｍｔｏｐｌａｎｔｈｅｔｒａｊｅｃｔｏｒｙｏｆａｍｏｂｉｌｅｍａｎｉｐｕｌａｔｏｒ
LIU Weihui ，CHEN Diansheng ，ZHANG Lizhi
（School of Mechanical Engineering and Automation ，Beihang University ，Beijing １００１９１，China ）
Ａｂｓｔｒａｃｔ：To improve the environmental adaptability of service robots and alleviate user loads ，a trajectory amend －ment algorithm utilizing learning from demonstration is proposed in this paper ．First ，a new trajectory with a shape similar to that previously demonstrated was generated by utilizing the dynamic movement primitives model ，after which an improved distance －weighted ｋ－nearest neighbor algorithm was developed to realize local modification for the trajectory shape at the end of the mobile manipulator ．An online updating method was designed to avoid loss of adjacent effective training data ．Obstacle avoidance experiments and real －time tests were then implemented in the human －robot interaction system ．The experimental results showed the adaptability of the proposed obstacle avoid －ance algorithm to the new task ，the obstacle avoidance decision ability and the online modification ability ，to ensure friendly and smooth human －robot interactions ．
Ｋｅｙｗｏｒｄｓ：service robot ；learning from demonstration ；human －robot interaction ；mobile manipulator ；obstacle a －voidance for trajectory ；online adjusting ；ｋ－nearest neighbor algorithm ；dynamic movement primitives 收稿日期：２０１７－０３－１０．网络出版日期：２０１８－０５－０３．基金项目：北京市科技计划重大项目（D １４１１００００３６１４００２）．作者简介：刘维惠（１９８８－），女，博士研究生；
陈殿生（１９６９－），男，教授，博士生导师；张立志（１９８６－
），男，博士研究生．
通信作者：陈殿生，E －mail ：chends ＠１６３．com ．
突破障碍物环境下的无碰撞轨迹规划技术是提
高机器人对复杂环境适应性的关键［１］
。由于同时具备灵活的移动和操作能力，移动机械臂更加有助于实现障碍物环境下友好、紧密的人机交互。但是移动机械的避障行为除了受到障碍物环境的约束，还受到当前机器人位置的影响。
常用的无碰撞路径规划大致可以分为局部算法［２］和全局算法［３］
，前者的不足是容易陷入局部
最优解，而后者难以获得完整、高维的构型空间模
型。基于采样法［４］
可以避免对构型空间的完整建模，但由于其采样或路径搜索过程具有一定的随机性，因此容易造成机械臂末端轨迹的突变。上述避障方法多基于障碍物环境的几何特征，如障碍物质心，尺寸和最危险点（离机器人最近点）等，主要存在如下两个问题：１）从传感器信息中提取
障碍物环境模型的过程十分复杂［５］
；２）基于上述方法生成的轨迹无法进行在线修正和调整。
Wrede 等［６］
提出将工作空间中静态的环境约束通
过示教学习［７－８］
的方式融合到训练数据中，以避免
对环境信息的准确建模。Steil ［９］
证明通过示教学习可显著减小障碍物环境下操作者对冗余机械臂
万方数据