仪器仪表学报

作者：林金亮，苏永彬，刘暾东

单位：林金亮,1.厦门大学萨本栋微米纳米科学技术研究院厦门361005； 2.闽西职业技术学院信息工程学院龙岩364021,,苏永彬,厦门大学萨本栋微米纳米科学技术研究院厦门361005,,刘暾东,厦门大学萨本栋微米纳米科学技术研究院厦门361005,td@xmu.edu.cn,

关键词：机器人;人工势场法;平滑避障;演示学习;高斯混合模型

针对传统避障算法在处理机器人重构轨迹时无法保证轨迹相似性和平滑性的问题，提出了一种基于动态人工势场的机器人重构轨迹平滑避障方案。首先采用高斯混合模型和高斯混合回归来对采样的轨迹进行建模和重构，分别构建吸引子的引力势场和障碍物的斥力势场，在空间中叠加出一个V形延伸的势场，将轨迹限制在演示区域内，从而提高轨迹的相似性。在此基础上采用动态人工势场法来引导避障轨迹的生成，通过设计吸引子的运动方式和障碍物的斥力模型来实现轨迹的跟踪和避障。最后，提出了一种基于sigmoid函数的正向-逆向融合规划策略，将正向规划轨迹的后半段和逆向规划轨迹的后半段融合在一起，进一步提高轨迹的平滑性。为验证方案的有效性，分别进行了人类手写字母数据集的仿真实验和六轴机器人的轨迹避障实物实验。实物实验表明，使用该方案生成的避障轨迹平均曲率仅为0.035cm-1，平均跟踪误差仅为2.96cm，相较于快速扩展随机树法分别降低了20.1%和66.9%，相较于动态运动基元算法分别降低了28.5%和20.8%。本研究实现了保留机器人重构轨迹形状和特征下的轨迹平滑避障，在避障过程中能够同时兼顾轨迹相似性和平滑性，使得基于演示学习技术控制的机器人能够更加灵活地应用在复杂工业场景中。

来源：2025年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第9期