人臂可达运动手部轨迹规划与臂构型学习

应用最小冲击优化理论与多层感知器建立虚拟数字人可达运动模型,研究了人臂可达运动中臂构型与末端手部轨迹的规划、复现问题,并与最小二乘法的轨迹进行了对比研究.搭建三维红外运动数据采集系统,采集约束下的人臂可达运动日常行为数据并分析人臂运动机理,基于最小冲击优化理论对人臂可达运动末端手部轨迹进行规划;建立人臂运动学模型,采用多层感知器的学习方法学习人臂可达运动中的拟人臂构型;最后建立人臂末端轨迹和臂构型数学模型,并搭建和显示虚拟数字人体三维模型,将人臂可达运动中末端轨迹与臂构型相结合,驱动虚拟数字人臂可达运动生成.发现使用多层感知器学习的人臂可达运动中人臂构型误差平均误差MAE为0.0532,均方根误差RMSE为0.0031;末端手部在约束可达运动中路径近似为直线,且速度大致呈单峰钟形曲线.结果表明:最小冲击优化理论的末端手部轨迹规划与多层感知器学习的人臂构型相结合可以很好地反映人臂可达运动机理,是一种研究约束下人臂可达运动复现的有效方法.