本发明涉及一种基于数字人动作映射的仿生机器人控制系统,具体涉及机器人控制技术领域,解决了仿生机器人仅凭视觉难以感知物理属性的难题,通过解析数字人指尖微观色变与物体纹理形变,实现了对接触力及材质属性的精准预判,使机器人能在接触前建立适配的力学模型,系统依据环境刚度与摩擦特性动态调节机械臂的柔顺度与阻尼,实现了硬物柔抓与滑物稳抓,有效克服了传统反馈控制的滞后性,同时,结合时序前馈与能量监测机制,在确保动作零延迟同步的同时提供了碰撞保护,显著提升了机器人在复杂环境中针对易碎及柔性物体的操作稳定性与安全性。
📄 2025119470488
📂 B25J9_16
👤 上海第二工业大学
📅 2025-12-23
本实用新型涉及一种机械臂控制系统,包括遥控器、接收模块和机械臂,所述遥控器和接收模块连接,所述接收模块安装于机械臂上,所述遥控器包括依次连接的惯性传感器和第一控制器,所述第一控制器设置有第一通信模块,所述接收模块包括依次连接的第二控制器和第三通信模块,所述第二控制器设置有第二通信模块,所述第二控制器的第二通信模块和所述第一控制器的第一通信模块连接,所述机械臂包括依次连的第四通信模块和驱动伺服电机,所述接收模块通过第三通信模块和所述机械臂的第四通信模块连接。本实用新型机械臂控制系统机械臂控制系统结构简单,应用场景不受限,适合大规模推广。
📄 2025207367778
📂 B25J9_16
👤 江南大学
📅 2025-04-18
本发明公开了一种基于ROS和SQLite的机器人运动控制系统及控制方法,涉及机器人控制领域,包括:硬件结构和软件系统;硬件结构包括树莓派、驱动板、传感器和执行机构,驱动板包括电源模块、MCU模块、驱动模块和USB模块;软件系统包括ROS和SQLite;树莓派安装Ubuntu系统,在Ubuntu系统中安装ROS和SQLite;树莓派与驱动板上的MCU模块通过USB模块连接,MCU模块处理树莓派的控制决策;传感器与树莓派连接;驱动模块根据MCU模块的驱动信号驱动执行机构运作;电源模块为驱动板上其他各个模块供电。缩短开发时间,系统移植性强,数据调用由SQLite实现,提高节点之间的通信效率。
📄 2019100260497
📂 B25J9_16
👤 江南大学
📅 2019-01-11
本发明公开了一种机器人自标定方法,包括以下步骤:(1)建立机器人运动学模型;(2)建立机器人末端位置误差模型;(3)建立平面约束误差模型;(4)驱动机器人对约束平面分别进行测量;(5)机器人运动学参数辨识;(6)标定结果验证。本发明的有益效果:一是成本较低,仅需要一块平面精度较高的标定块即可,不超过千元,而先进的测量设备往往要几十万甚至上百万;二是能够得到平面准确的空间方程,相对于传统的平面约束标定方法,提高了标定精度;三是相对于传统的平面约束误差模型,大大简化了误差模型;四是标定块能够任意姿态摆放在机器人的工作空间内,降低标定实验的难度。
📄 2018101962647
📂 B25J9_16
👤 江南大学
📅 2018-03-09
本发明涉及一种视觉引导的机器人关节空间B样条轨迹规划方法,其包括如下步骤:第一步、在立体支架内安装二自由度机器人,在前端安装工业相机,传送带的运动方向垂直于二自由度机器人的运动平面;第二步、在工业相机获取到传送带上第一个轨迹点后,并在二自由度机器人运动到第一个轨迹点的时间内,根据得到若干关节时间节点序列,以构造B样条曲线;第三步、采用增加节点向量和控制顶点的方式来延长上述构造的B样条曲线,以使得B样条曲线经过增加的关节位置点;第四步、采用德布尔递推算法计算B样条曲线上的位置点,以驱动二自由度机器人运动。本发明实现机器人在视觉引导下的平滑运动,提高机器人轨迹跟踪的精度。
📄 2012103197440
📂 B25J9_16
👤 江南大学, 无锡信捷电气股份有限公司
📅 2012-08-31
本发明提供一种基于专家状态学习的机械臂无奖励强化学习方法,属于自动化技术领域,特别关注于机器人手臂的操作控制,所述的方法包括两个核心模块:期望状态预测网络和无奖励策略网络。期望状态预测网络用于预测状态转换,而无奖励策略网络在没有奖励信号的情况下,通过期望状态预测网络的预测状态与专家提供的目标状态之间的误差来优化动作;这种方法使机械臂能够直接从专家观测的状态数据中学习有效的抓取策略,既避免了复杂的奖励函数设计,又无需依赖专家动作数据,从而提升了对抓取任务动态特性的理解,增强了动作预测的准确性。
📄 2024114171220
📂 B25J9_16
👤 江南大学
📅 2024-10-11
本申请公开了一种基于应变修正的软体机械手的抓取控制方法,涉及传感器技术领域,该方法构建多组不同的样本设计参数并建立有限元模型进行拉伸模拟得到拉伸模拟结果,综合大量的仿真模拟结果结合理论分析可以拟合得到影响应变传递效率的无法直接计算的应变传递损失参数;在实际进行抓取控制时,根据软体机械手的实际设计参数以及应变传感器的实际设计参数,结合应变传递损失函数即可确定平均应变传递率用于对应变传感器的应变测量值进行修正,修正后的应变测量值更接近软体机械手的实际应变,因此根据修正后的应变测量值控制软体机械手的抓取状态的准确度更高,使得软体机械手的抓取精度更高且更不易损坏物品。
📄 2024111356776
📂 B25J9_16
👤 江南大学
📅 2024-08-19
本发明涉及一种单连杆机械手系统的神经自适应位置跟踪控制方法及装置,考虑到输入、状态未建模动态、随机扰动的情况,建立单连杆机械手系统,通过单连杆机械手系统获取信息,将单连杆机械手系统转换为随机非严格反馈非线性系统,并利用非线性映射技术转换为无时变输出约束随机非严格反馈非线性系统,设计径向基函数神经网络、自适应调节律和控制器,计算控制器中自适应调节律的动态变化并反馈至相应控制器,计算相应控制信号。控制信号作用至最终的单连杆机械手系统,进而使得该系统输出可以精确跟踪参考信号,达到预期控制目标。本发明能够保证在单连杆机械手系统运行期间,提供良好性能和稳定性。
📄 202410965143X
📂 B25J9_16
👤 江南大学
📅 2024-07-18
本发明涉及机器人控制技术领域,公开了一种基于遥操作的移动抓取机器人模仿学习训练方法,包括如下步骤:通过遥控设备控制移动抓取机械人进行任务操作;重复任务操作次数不少于50次,采集任务操作过程中的多模态数据,构建人类专家演示数据集;针对人类专家演示数据集通过路径点提取预处理算法进行处理;对处理后的数据集进行模仿学习训练;观察并判断模仿学习训练过程的损失值是否收敛;部署算法使移动抓取机械人实现人类演示的动作复现。本发明通过结合多模态数据融合技术,收集来自IMU、单目相机、深度相机和雷达等多种传感器的数据,增加了数据集的多样性和信息量,引入了路径点提取算法来进一步优化数据集,显著提高了数据的有效性和质量。
📄 2024106770333
📂 B25J9_16
👤 江南大学
📅 2024-05-29
本发明公开了一种基于多模态信息融合的模仿学习果实采摘方法及装置,方法包括:基于果实采摘的实际动作数据,建立果实采摘任务的动作数据集;基于动作数据集,利用交叉注意力机制,得到多模态数据的融合特征;建立基于条件自编码器的动作生成策略模型,利用所述融合特征进行训练,得到果实采摘动作策略;本发明可以较为全面地获取环境信息,更加有利于机械臂在采摘过程中确定目标水果的位置;多模态信息的融合提高了算法对不同环境下的适应性,增加模型的鲁棒性;可变形机制的注意力机制模块减少了算法的计算量,使得算法部署到移动端依旧能保证实时性。具有更高的灵活性,鲁棒性。在操作任务上具有更好效果,能够更好地适应不同的控制任务。
📄 2023109838545
📂 B25J9_16
👤 江南大学
📅 2023-08-07
本发明公开了一种基于多尺度序列模型的模仿学习机械臂抓取方法及装置,方法包括:通过机械臂硬件平台收集无序抓取的机械臂动作轨迹数据,建立数据集;建立基于注意力机制的序列多尺度模块,对所述数据集进行多尺度特征提取;基于传授学习的策略,将提取到的多尺度特征进行整合,得到最终修正的特征向量;建立基于条件自编码器的动作生成策略模型,得到不同尺度的预测结果;将不同尺度的预测结果进行整合,得到最终修正的预测动作;本发明提高了机械臂的运动轨迹规划效率。同时,多尺度模块的加入可以使得模型更好地学习到不同维度上的信息,增加模型的泛化能力。因此,与传统模仿学习算法相比,本方法更加灵活,能够更好地适应不同的控制任务。
📄 2023109519889
📂 B25J9_16
👤 江南大学
📅 2023-07-31
本发明公开了一种基于TOF相机采摘机器人手眼标定方法、装置以及设备,包括本发明采集多组标定板深度图和对应点云数据,利用TOF深度相机对标定板进行成像并建立点云模型,并通过中心点接触式测量出标志点在机器人基坐标系下的坐标值,即可解算出手眼关系的初始旋转矩阵和平移矢量,并估计各个点位残差,重新分配标志点的权重系数,对手眼参数进行迭代优化。该方法操作简单,标定板易于制作且成本低。采用JAKA六轴机器人与深度相机搭建实验平台,实验结果表明,该方法具有良好的稳定性,适合现场标定,标定精度达到4mm,且满足水果采摘的作业精度要求。
📄 2022117381433
📂 B25J9_16
👤 江南大学
📅 2022-12-31