基于模糊行為和神經(jīng)網(wǎng)絡(luò)的機(jī)器人視覺伺服控制方案

　　提出一種新的機(jī)器人視覺伺服控制方法，該方法參照人的抓取動(dòng)作，首先根據(jù)物體在圖像中的位置信息，利用模糊邏輯將機(jī)器人的手爪移動(dòng)到物體附近，然后再根據(jù)物體當(dāng)前圖像和參考圖像之差，利用局部神經(jīng)網(wǎng)絡(luò)對(duì)手爪的位姿進(jìn)行精確調(diào)整。整個(gè)過程無需機(jī)器人和攝像機(jī)的標(biāo)定，能有效利用人的控制經(jīng)驗(yàn)，伺服速度快，控制精度高。仿真結(jié)果說明本方法的有效性。

　　引言（Introduction）

　　將神經(jīng)網(wǎng)絡(luò)應(yīng)用到機(jī)器人的視覺伺服，可省去基于圖像雅可比矩陣方法中復(fù)雜的攝像機(jī)標(biāo)定和矩陣求逆操作。但神經(jīng)網(wǎng)絡(luò)的控制精度和學(xué)習(xí)速度與學(xué)習(xí)樣本的數(shù)量和網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性密切相關(guān)，單靠一個(gè)神經(jīng)網(wǎng)絡(luò)很難普適整個(gè)機(jī)器人工作空間，為此文［1］采用一個(gè)全局BP網(wǎng)和一個(gè)局部BP網(wǎng)分別適用于機(jī)器人的全局工作空間和局部工作空間，以減少學(xué)習(xí)樣本和網(wǎng)絡(luò)節(jié)點(diǎn)，提高每個(gè)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率；文［2］用若干自適應(yīng)線性神經(jīng)元逼近相應(yīng)的局部圖像雅可比矩陣，而由一個(gè)自組織映射網(wǎng)根據(jù)機(jī)械手的當(dāng)前位置來決定哪一個(gè)神經(jīng)元被激活；文［3］用多個(gè)CMAC組成分層結(jié)構(gòu)，由管理層根據(jù)輸入參數(shù)選擇一個(gè)執(zhí)行層，以控制部分任務(wù)空間里的機(jī)器人動(dòng)作；文［4］則用一系列局部神經(jīng)網(wǎng)絡(luò)對(duì)對(duì)應(yīng)示教軌跡點(diǎn)鄰域進(jìn)行近似。

　　以上研究均采用了分級(jí)控制的思想，但由于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的固有缺陷，全局網(wǎng)的設(shè)計(jì)存在一些不足：一方面全局網(wǎng)的覆蓋范圍大，相應(yīng)的尋優(yōu)空間大，使得權(quán)值的學(xué)習(xí)可能陷入局部極小，進(jìn)而影響到局部神經(jīng)網(wǎng)路的選擇，甚至控制誤差的收斂；另一方面，人在機(jī)器人控制中的一些先驗(yàn)知識(shí)卻沒能被網(wǎng)絡(luò)學(xué)習(xí)所利用。而模糊邏輯恰能很好地表述和記憶人的經(jīng)驗(yàn)知識(shí)，從而有效地引導(dǎo)機(jī)器人的操作［5，6］。文［5］根據(jù)運(yùn)動(dòng)目標(biāo)在手眼中的面積等圖像特征判斷目標(biāo)離手眼的距離，進(jìn)而將攝像機(jī)的控制分為接近和對(duì)準(zhǔn)兩個(gè)階段，并分別運(yùn)用模糊邏輯和模糊神經(jīng)網(wǎng)絡(luò)完成這兩個(gè)階段的控制；文［6］首先將機(jī)械手的各種操作分解為接近、對(duì)中、抓取等基本行為，并針對(duì)各基本行為總結(jié)相應(yīng)的模糊控制規(guī)則，以減少整個(gè)操作的模糊控制規(guī)則數(shù)量，實(shí)現(xiàn)了基于行為的機(jī)械手視覺伺服控制。

　　本文以機(jī)器人的智能抓取作業(yè)為研究背景，針對(duì)工件形狀和手爪抓取姿態(tài)已知而工件位姿未知的情況，首先用模糊視覺伺服控制器進(jìn)行機(jī)器人手爪的初步定位，然后利用局部神經(jīng)網(wǎng)絡(luò)對(duì)手爪的位姿作精確調(diào)整。整個(gè)控制過程模仿了人的操作行為，控制速度快，控制精度高。六自由度機(jī)器人的數(shù)字仿真結(jié)果說明算法的有效性。

　　2 機(jī)器人視覺伺服實(shí)現(xiàn)方案（Scheme for Robot Visual Servoing Control）

　　2.1 視覺伺服系統(tǒng)的結(jié)構(gòu)（Structure of Visual Servoing System）

　　為完成對(duì)工件的智能抓取，本文采用圖1所示系統(tǒng)結(jié)構(gòu)。其中六自由度關(guān)節(jié)機(jī)器人可達(dá)到三維空間的任意位姿；CCD1為固定安裝在工作現(xiàn)場(chǎng)中的數(shù)字?jǐn)z像機(jī)，能在較大范圍內(nèi)獲取工件質(zhì)心的位置；CCD2安裝在手爪上，與手爪的相對(duì)位姿固定，可以近距離且準(zhǔn)確地觀察工件的擺放姿態(tài)。

　　2.2 智能抓取中的模糊行為（Fuzzy Behavior in Intelligent Grasp ） 人在抓取遠(yuǎn)處物體時(shí)，首先需要利用眼睛觀察物體的方位，但接下來并不是立刻調(diào)整好手部的姿態(tài)然后一步到位將物體抓住，而是首先將手移到物體附近，待看清物體的準(zhǔn)確姿態(tài)后再調(diào)整手部的姿態(tài)，最后將物體準(zhǔn)確抓取。

　　同樣的控制思想可應(yīng)用到機(jī)器人的智能抓取作業(yè)中，使機(jī)器人的控制變得容易。首先，在手爪的初步定位中，因不涉及手爪姿態(tài)的控制，所以完全可以只靠機(jī)器人的三個(gè)自由度（如圖1中的21，θθ和3θ）的運(yùn)動(dòng)來實(shí)現(xiàn)，而控制變量的減少可以大大簡(jiǎn)化控制器的設(shè)計(jì)。其次，由于完全模仿人的動(dòng)作，許多人的控制經(jīng)驗(yàn)可以被充分利用。例如，在圖1的配置中，根據(jù)工件在CCD1拍攝的圖像中的位置（假設(shè)已通過鏡像調(diào)整到與人的視覺同向），就可以總結(jié)如下的控制策略：

　　如果工件在圖像的上方，那么二關(guān)節(jié)下壓或三關(guān)節(jié)上抬；

　　如果工件在圖像的左方，那么一關(guān)節(jié)左轉(zhuǎn)。 顯然，這些控制規(guī)則都是用模糊語(yǔ)言描述的。這種基于模糊行為的視覺伺服方法能幫助機(jī)器人進(jìn)行大致定位，其間機(jī)器人各關(guān)節(jié)的運(yùn)動(dòng)變化規(guī)律明確、合理且可控，從而有效避免了神經(jīng)網(wǎng)絡(luò)方法中學(xué)習(xí)的盲目性和輸出軌跡的不可預(yù)測(cè)性。

　　但基于模糊邏輯的方法卻不太適合于機(jī)器人手爪的精確位姿控制。因?yàn)榫_的位姿控制需要機(jī)器人六個(gè)自由度的協(xié)調(diào)配合，其控制隨機(jī)器人各關(guān)節(jié)當(dāng)前位置的不同而不同，很難由人進(jìn)行總結(jié)。所以本文就智能抓取這一階段任務(wù)選用了基于局部神經(jīng)網(wǎng)絡(luò)的視覺伺服方法。

　　2.3 智能抓取中的局部神經(jīng)網(wǎng)絡(luò)（Local Neural Network in Intelligent Grasp）

　　2.4 系統(tǒng)整體實(shí)現(xiàn)方案（Implementation Scheme for the Whole System）

　　系統(tǒng)的整體實(shí)現(xiàn)方案如圖1所示。整個(gè)智能抓取操作分手爪的初步定位和精確定位等兩步進(jìn)行。

　　2.4.1 手爪的初步定位（Initial Position of the Grasper）

　　手爪的初步定位由基于模糊行為規(guī)則的視覺伺服控制器完成。鑒于手眼CCD2的視線范圍有限，本方案首先通過安裝在機(jī)器人基座正上方的固定攝像機(jī)CCD1對(duì)整個(gè)工作空間場(chǎng)景進(jìn)行觀察。由于CCD1的軸

　　4 結(jié)論（Conclusion）

　　本文針對(duì)機(jī)器人的智能抓取作業(yè)，提出一種能總結(jié)人的模糊操作經(jīng)驗(yàn)的視覺伺服新方法。本方法將機(jī)器人的抓取操作分成模糊初步定位和神經(jīng)網(wǎng)絡(luò)精確調(diào)整兩個(gè)階段來完成，具有控制規(guī)律易獲取，控制誤差能收斂，控制速度快以及控制精度高等特點(diǎn)。通過對(duì)六自由度機(jī)器人智能抓取任務(wù)的仿真說明所提方法的有效性。