机械臂运动规划是机器人研究领域的重点,对机械臂能否顺利执行任务非常重要。目前,机械臂运动规划多使用RRT法,然而该方法是在关节空间进行规划,无法适用于机械臂末端执行器存在约束的任务。为了克服这个不足,该文提出了一种任务自由子...机械臂运动规划是机器人研究领域的重点,对机械臂能否顺利执行任务非常重要。目前,机械臂运动规划多使用RRT法,然而该方法是在关节空间进行规划,无法适用于机械臂末端执行器存在约束的任务。为了克服这个不足,该文提出了一种任务自由子空间RRT(rapidly-exploring random tree)法,在末端执行器任务空间的自由子空间中构建RRT,并对其每步扩张进行逆运动学轨迹优化,求解出相应的关节轨迹。此外,由于末端执行器速度对逆运动规划有重要影响,该文在逆运动轨迹优化阶段采用了最似梯度法,不仅考虑了末端执行器的运动速度,而且通过极小关节自由速度和优化目标负梯度的距离,重新确定了关节自由速度,增强了算法的优化能力。实验结果表明:该算法能有效解决机械臂末端存在约束的问题。展开更多
文摘机械臂运动规划是机器人研究领域的重点,对机械臂能否顺利执行任务非常重要。目前,机械臂运动规划多使用RRT法,然而该方法是在关节空间进行规划,无法适用于机械臂末端执行器存在约束的任务。为了克服这个不足,该文提出了一种任务自由子空间RRT(rapidly-exploring random tree)法,在末端执行器任务空间的自由子空间中构建RRT,并对其每步扩张进行逆运动学轨迹优化,求解出相应的关节轨迹。此外,由于末端执行器速度对逆运动规划有重要影响,该文在逆运动轨迹优化阶段采用了最似梯度法,不仅考虑了末端执行器的运动速度,而且通过极小关节自由速度和优化目标负梯度的距离,重新确定了关节自由速度,增强了算法的优化能力。实验结果表明:该算法能有效解决机械臂末端存在约束的问题。
