专利交易市场

本发明公开了一种动态环境下趋势感知的机器人轨迹规划方法，通过对全局路径规划器规划的路径进行裁剪、离散化与时序化，使之变成一条离散的初始轨迹，通过感知估计动态障碍物的速度，预测动态障碍物的运动轨迹；然后根据机器人的初始轨迹与动态障碍物的运动轨迹来构建两者的趋势轨迹，通过两者趋势轨迹的相交与重叠程度，构建约束条件；最后将构建的约束条件映射到超图，转化为具有约束近似的无约束最小二乘优化问题并求解，对机器人轨迹进行优化。本发明引入障碍趋势约束，可以有效降低机器人与动态障碍物的碰撞概率与提高轨迹生成的稳定性，为自动驾驶、社会服务等情景提供了安全可靠的机器人运动轨迹。

本发明公开了一种基于强化学习的机器人机械臂轨迹规划方法，包括以下步骤：采集机器人机械臂的环境数据并进行标准化处理；基于标准化后的数据构建时间感知的状态表示，基于该状态表示构建TD3模型，通过双Q网络、延迟更新机制和目标噪声机制优化轨迹规划策略；引入Time‑Aware Regularization机制，根据任务的时间约束优化轨迹规划策略；根据优化后的模型生成机器人机械臂的动作指令并进行实际操作。本发明通过结合时间感知机制和强化学习方法，在动态环境中实现了高效、精确的轨迹规划，显著提升了机器人机械臂的任务完成效率和执行精度。

本发明公开了一种机器人笛卡尔空间平滑轨迹的规划方法，其过程如下：对空间直线、圆弧等单段轨迹的位置和姿态进行规划；对路经进行过渡平滑规划，采用过渡等级控制路经过渡区域的大小，在过渡区域内的路经采用抛物线进行拟合，姿态采用四元数法进行拟合；采用含加速度、加加速度约束的摆线加减速规划方法对空间路径轨迹进行规划，得到平滑的机器人空间位姿轨迹。该方法能够有效解决机器人轨迹停顿、不流畅、抖动、偏离路径、超速等问题，提升机器人运动的平稳性。本发明所涉及的平滑轨迹规划方法具有一定的柔性，既能规划笛卡尔空间的位姿，又能够适用于多种机器人构型，包含常见的6自由度垂直关节机械臂、少自由度机器人及冗余度机器人。