论文部分内容阅读
通过对人体动作的模仿、学习并最终实现自主行为,是机器人智能的重要研究课题。本文以NAO机器人为平台,研究机器人关节运动的数据驱动方法,主要工作包括以下两方面。根据人机生物模型的一一对应关系,确定人体左臂肩关节驱动NAO机器人左臂肩关节的实验方案。采用高精度、灵敏度的MTi传感器,穿戴在人体左臂肩关节,实时获取人体关节运动信息,利用串口通信发送数据到PC机。基于Visual Studio2010平台,编写应用程序,实现数据的提取、计算,将数据处理成NAO关节运动可识别的Roll、Pitch以及Yaw形式。通过无线网络,建立与NAO的连接,对NAO目标关节赋值。基于Choregraphe,调用上述应用程序,实现数据驱动NAO运动,完成对人体关节动作的模仿。实验表明,NAO可实现对人体关节路线的完全模仿。基于回声状态网络,设计中枢模式发生器模型,在MATLAB平台实现此模型的训练。采用MTi传感器获取慢走状态下人体右臂、左腿的运动数据,用于训练回声状态网络,构建中枢模式发生器。取腿部运动数据作为教师信号,训练完全自主的中枢模式发生器。结果表明,这种方法对相位预测有一定的缺陷。分别以手臂运动的欧拉角、加速度作为输入,腿部运动数据为输出,训练可调制的中枢模式发生器。对比发现,输入欧拉角时,幅值预测能力较好,输入加速度时,相位预测能力较好。本文的工作是一个初步探讨,关于NAO机器人平台的调试,基于回声状态网络的运动数据建模等问题,还需要进一步研究。