基于模仿学习的双曲率曲面零件复合材料织物机器人铺放

作者：段宝阁; 杨尚尚; 谢啸; 肖晓晖^*

来源：机器人, 2022, 44(04): 504-512.

DOI：10.13973/j.cnki.robot.210475

• 复合材料织物
• 双曲率曲面
• 模仿学习
• 概率模型
• 接触任务
• 状态切换

针对双曲率曲面零件的复合材料织物铺放，手工铺放效率低、质量均一性差，机器人铺放的相关研究未能准确地描述手工铺放技能。为此，本文提出基于模仿学习的铺放技能采集、描述与重现的相关方法。首先，利用拖动示教获取织物铺放的轨迹信息，以压力阈值为分割依据进行有监督的轨迹分割，再采用高斯混合模型（Gaussian mixture model,GMM）与高斯混合回归（Gaussian mixture regression,GMR）学习得到铺放轨迹概率模型。在此基础上，以示教姿态和曲面法向为参考，计算末端执行器的法向姿态，再次进行示教获得法向压力信息，由GMM/GMR学习得到铺放压力概率模型；然后，针对接触状态建立过程，在力/位混合控制框架下，提出预控制量退出机制，实现接触状态建立过程中无冲击的控制器切换；最后，基于UR5e机械臂、ATI六维力/力矩传感器和ROS(robot operating system)搭建试验平台，进行试验。结果表明：所提出的技能采集、描述方法可实现对人工铺放经验的准确提取与表达，采用预控制量退出机制，接触状态建立过程的最大压力误差为1.8 N，小于曲面模具所有16条轨迹的铺放压力均方根误差2.0 N，完成的铺层无肉眼可见的鼓包与褶皱等缺陷，深度相机测量织物点云距模具点云距离小于1.0 mm的点约占97.3%。

• 单位
  武汉大学