原文信息
轮椅机械臂式辅助机器人的示教轨迹分割方法
A demonstration trajectory segmentation approach for wheelchair-mounted assistive robots
扫描二维码阅读原文
https://ietresearch.onlinelibrary.wiley.com/doi/full/10.1049/cit2.12358
对示教轨迹分割并学习其中所含的基本动作是辅助机器人学习指定任务的一个有效途径。轨迹分割的精度直接影响到机器人后续能否在非结构化环境下灵活地再现所学任务。为了能在原始示教轨迹时间尺度不一的情况下更加准确地分割示教轨迹，本文重点在贝塔过程自回归隐式马尔科夫模型（Beta Process Autoregressive HMM，BP-AR-HMM）和广义的时间规整算法（Generalized Time Warping, GTW）的基础上，提出一种新颖的示教轨迹分割方法，从而准确地分割出示教轨迹所含的基本动作并为后续任务的泛化打下基础。
正文导读
图1所示的轮椅机械臂式辅助机器人（Wheelchair Mounted Robotic Arm, WMRA）是一种典型的辅助机器人，可以帮助老年人和残疾人完成各种日常家居任务并实现独立自主地生活。WMRA因同时兼顾了智能轮椅的移动性和机械臂的灵活操作性，而受到广大用户的青睐，具有广泛应用价值与需求。但受限于用户自身运动机能的欠缺，灵活地操作这种机器人仍是一个难题。
鉴于此，众多学者提出基于示教方法（learning from demonstration, LfD）来学习各种用户指定任务。其中，重点研究内容之一是如何通过对示教轨迹分割并学习其中所含的基本动作，从而便于机器人后续对基本动作重组并在非结构化环境下灵活地再现所学任务。为了能在原始示教轨迹时间尺度不一的情况下更加准确地分割示教轨迹，本文提出图2所示的示教轨迹自动分割方法。首先，获取同一任务在不同场景下的多条示教轨迹信息；其次，对获取的示教轨迹逐一进行欧拉角突变处理、滤波处理、GTW对齐处理和标准化处理等预处理步骤，解决原始示教轨迹存在的数值突变、锯齿形波动和时间尺度不一等问题；然后，采用BP-AR-HMM算法对处理后的示教轨迹进行自动分割并提取其中的基本动作；最后，根据分割所得基本动作的属性建立相应示教技能任务库。
在实验环节，以WMRA完成抓取水杯任务为例，在任意三个位置处按照“到达水杯、张开手指、抓取水杯、握住水杯、抬起水杯、搬运水杯、放下水杯、松开手指”的操作流程进行示教并记录相应的轨迹，然后采用本文提出的方法对轨迹进行预处理和分割并获得如图3所示的结果。
从图3可以看出，这三个子图间的分割结果十分相似，均将示教轨迹分割成8个条形段，并且不同条形段的颜色次序关系以及宽度信息都高度相似。同时，结合示教流程进行相关动作属性的分析，具体结果如图4所示。从该图可明显看出该算法能成功地分割出轨迹中所含的所有基本动作。
为进一步评价轨迹分割的准确度，本文还以人工分割点为标准，从坐标偏差值（即偏差=算法分割点坐标值-人工分割点坐标值）和偏差率（即偏差率=偏差/总时间长度）两方面对本文所提分割方法展开定量评价，相应结果记录在表1中。
从该表可看出，所有轨迹分割点处的平均偏差值均小于2，而最大绝对偏差值仅为5；平均绝对偏差率均小于0.65%，而最大绝对偏差率为1.67%。这就表明本文所提分割方法具有较高的分割精度，并且整个轨迹分割点处的精度均呈现出一致性。
作者简介
迟明善，山东交通学院，副教授，研究方向：机器人技能学习方法。
刘亚欣，哈尔滨工业大学，副教授，研究方向：机器人视觉感知与自主操作。
张强，山东交通学院，教授，研究方向：自主导航与控制。
曾超，利物浦大学，研究员。研究方向：机器人灵巧操作技能学习与控制
期刊简介
CAAI Transactions on Intelligence Technology (CAAI TRIT) 《智能技术学报》（英文刊）是由中国人工智能学会和重庆理工大学共同创办的英文季刊，系中国人工智能学会会刊，是中国人工智能界创办的第一本综合性AI国际学术期刊，由英国工程技术学会IET和Wiley共同出版。
2023 CiteScore (Scopus): 11
2023 Journal Citation Indicator (Clarivate): 1.21
2023 Journal Impact Factor (Clarivate): 8.4
期刊主页
https://ietresearch.onlinelibrary.wiley.com/journal/24682322
声明：本文由作者受邀供稿。欢迎转发至朋友圈，如需转载，请在公众号内给我们留言。
WILEY
MaterialsViews
Wiley旗下材料科学类期刊官方微信平台
推送材料科研资讯｜访谈材料大咖新秀
分享撰稿投稿经验｜关注最新招聘信息
点击“分享”，给我们一点鼓励吧~
