基于分段自适应高斯噪声发散的协作机器人路径优化
来源：计算机集成制造系统杂志2025年第8期北京时间：
作者：李修民, 周勇, 胡楷雄, 李卫东
单位：1.武汉理工大学交通与物流工程学院2.上海理工大学机械工程学院
摘要：协作机器人示教学习的回归路径质量受限于示教轨迹的分布,不当的预处理可能导致回归路径过拟合或任务特征丢失。针对此问题,提出了一种分段自适应高斯噪声发散的路径优化策略。首先,考虑到示教轨迹各部分的分布差异,提出一种基于特征驱动聚类的轨迹段分割方法将示教轨迹分割成多个任务特征段。其次,构建了多维高斯噪声参数优化模型,为每个特征段选取适当的发散参数,以改善示教轨迹的分布,进而提高回归路径的质量。最后,通过UR5机器人采集的示教轨迹对所提出的方法进行了实验验证,评估了回归路径的相似性、特征保留和平滑性。结果表明,经过优化后得到的回归路径整体上与原始示教轨迹保持了较高的相似性,同时在保留原始轨迹的任务特征的基础上,减少了由于不利特征影响而出现的曲折和冗余,平滑性得到进一步提高。
关键词：协作机器人,示教学习,轨迹分割,高斯噪声发散,路径优化
基金资助：国家自然科学基金资助项目(51975444)。
