优化人体接触运动演示中的力信号-计算机科学-机器人编程-人机交互.pdfVIP

优化人体接触运动演示中的力信号

††

JohannesHartwig,FabianViessmann,andDominikHenrich

ChairforAppliedComputerScienceIII(RoboticsandEmbeddedSystems),

UniversityofBayreuth,D-95440Bayreuth,Germany

{johannes.hartwig|fabian.viessmann}@uni-bayreuth.de

摘要对于非机器人编程专家来说，力引导可以是一种直观的输入方法，因

为接触任务的机器人编程越来越突出。然而，来自人类演示的不精确和噪

本声信号在直接复制动作或将其用作机器学习方法的输入时会带来问题。本

文探讨了优化力信号以更好地对应演示信号的人类意图的方法。我们比较

译了不同的信号滤波方法，并提出了一种峰值检测方法来处理信号中的首次

中接触偏差。这些方法的评估考虑了输入和人类预期信号之间的专门误差标

1准。此外，我们分析了关键参数对过滤方法的影响。对于单个动作的质量，

v根据误差标准可以提高至%。所提出的贡献可以改善机器人编程的可用

8性和人机交互。

0

6

5Keywords:演示编程，动能教学，混合运动/力控制，信号滤波，误差最

1

.小化

7

0

5

21介绍和相关工作

:

v

i由于当前的市场需求，利用协作机器人提高自动化中的灵活性和敏捷性

x

r是机器人技术的一个日益增长的趋势[1]。由于中小型企业在经济上的原因

a

缺乏机器人编程专家，使现有的任务专家能够轻松地对机器人系统进行编

程和重新配置至关重要[2,3]。这允许他们直接贡献他们的任务知识。因此，

一个面向未来的目标是改进机器人的编程易用性和人类与机器人之间的交

互[4]。利用示范编程（PbD）范式，特别是通过动力引导的方式，可以使人

类无需事先了解机器人编程知识就能对机器人轨迹进行编程[5]。因此，一

个人可以通过直接引导机器人并仅使用其领域知识来完成给定的任务来进

行机器人的轨迹编程。然而，具体任务只能通过轨迹编程部分充分解决，例

如当机器人任务包括打磨[6]、雕刻[7]或研磨复杂形状[8]时。此时，工具

与物体之间的持续接触变得至关重要，并且需要一种方法来指定随时间和空

†Theseauthorscontributedequally.

2JohannesHartwig,FabianViessmann,DominikHenrich

间变化施加的接触力。有可能实现这种位置和力的同时输入。例如，在装配

任务中，可以通过安装在支架下方的力/扭矩传感器测量[9]接触力，或者通

过从用户肌肉激活估计所需的机器人刚度的肌电腕带[10]。这里我们将使用

最突出的方法是附加一个力/扭矩传感器在用户的手动引导接触点和机器人

的工具之间[11–13]。这样，我们可以通过手引导测量