面向复杂任务约束的多臂可重构机器人自学习优化协调控制方法

可重构机器人是一类具有标准模块与接口，可以根据不同的任务要求对自身构形进行重新组合与配置的机器人，其在重构后可以组成以“多臂/肢协调”为特征的多臂可重构机器人，相比于固定构形的单臂机器人具有更加显著的优越性。针对从事空间作业任务的多臂可重构机器人系统，本团队从面向复杂任务约束的可重构机器人构形优化与开/闭链自动建模角度对多臂可重构机器人的动力学问题展开深入探索。同时，对多臂可重构机器人系统的移动步态与协同装配柔顺协调优化控制方法进行研究。在现有研究成果基础上，以自学习优化、脱策强化学习及非零和博弈为理论工具，解决面向复杂任务约束的多目标协同构形优化、开/闭链混合动力学自动建模、面向高效移动搬运的最优步态协调控制以及闭链装配下的多臂协调自学习最优柔顺控制等问题。

项目产品的技术指标如下：所提出的控制方法使多臂可重构机器人系统在自由空间的稳态位置误差≤0.01rad，稳态速度误差≤0.1rad/s；在执行协调作业任务中，稳态位置误差≤0.02rad，稳态速度误差≤0.2rad/s，末端执行器接触力误差≤1N。团队针对本项目研究内容已授权发明专利7件，发表论文50余篇，构建了较为完整的专利技术保护布局，最大限度地为多臂可重构机器人系统自学习协调优化控制提供有力的技术支持。