一种基于人手轨迹预测的机械臂路径重规划方法

    公开(公告)号:CN119795195A

    公开(公告)日:2025-04-11

    申请号:CN202510286742.3

    申请日:2025-03-12

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于人手轨迹预测的机械臂路径重规划方法,包括:步骤1,采集与机械臂协同工作人员的人手在三维空间中运动轨迹的图像,并根据图像识别出人手的运动位姿;步骤2,根据步骤1得到的人手的运动位姿,基于隐马尔可夫模型对人手的行为和轨迹进行建模,然后通过对于历史数据的学习,对人手的未来行动轨迹进行预测;步骤3,使用改进的快速探索随机树算法,为机械臂生成从当前位置到目标位置,且同时避开步骤2中预测到的人手的未来行动轨迹的机械臂路径。本发明所提出的基于人手预测的机械臂路径重规划方法不仅提高了人机交互的安全性,也显著增强了机器人系统的适应性和响应速度。

    一种基于分组协同决策机制的多机器人搜索方法

    公开(公告)号:CN117111612A

    公开(公告)日:2023-11-24

    申请号:CN202311137979.2

    申请日:2023-09-05

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于分组协同决策机制的多机器人搜索方法,包括定义机器人局部通信集合;使用栅格地图对机器人的搜索环境进行构建,将机器人的任务搜索区域划分为L1*L2个面积相同的栅格,将构建后的栅格地图与简化的生物启发神经网络进行融合,建立环境信息表示模型;将同一局部通信集合内机器人探测到的环境信息进行融合;将局部通信集合内的机器人分为多个搜索小组;确定每个搜索小组内部机器人的迭代决策顺序和决策过程,直至小组内机器人决策完毕;所有机器人运动至下一步并更新环境信息,直到整个任务区域搜索完毕。解决未知环境下由于通信受限导致多机器人难以对任务区域高效搜索的问题。

    复杂障碍物环境下基于DIBNN的多机器人协同区域搜索方法

    公开(公告)号:CN117270543A

    公开(公告)日:2023-12-22

    申请号:CN202311433663.8

    申请日:2023-10-31

    Applicant: 湖南大学

    Abstract: 本发明公开了一种复杂障碍物环境下基于DIBNN的多机器人协同区域搜索方法,提出了一种双重改进的生物启发神经网络DIBNN模型,包含两层改进的生物启发神经网络IBNN,将第一层IBNN与栅格地图状态进行结合,构建新的环境信息模型,将第二层IBNN与多机器人系统中最优机器人的位置信息结合;每个机器人根据第一层IBNN的神经元活性值决策出下一步运动位置,运动至新的位置并更新环境信息;在搜索过程中,如果某个机器人陷入局部死锁状态,则启动第二层IBNN,指导该机器人跳出局部死锁状态后继续由第一层IBNN的神经元活性值指导机器人进行区域搜索,直至整个任务区域搜索完毕。有效提高了多机器人区域搜索效率。

Patent Agency Ranking