多机器人边界型螺丝术需要及时协调机器人团队成员。符号运动规划（SMP）可以提供具有高级时间逻辑任务要求的机器人运动规划可提供正确的解决方案。本文旨在为多机器人系统（MRS）的安全可靠的SMP开发一个框架，以满足受时间逻辑受限约束的复杂边界初级任务。首先提出了一个分散的SMP框架，它保证了MRS的复杂边界泛粉任务的正确性和并行执行。然后通过参考地形中的机器人的遍历和视线来构造计算信任模型。信任模式预测每个机器人团队在执行任务计划时的潜在行为的可信度。探索了最值得信赖的任务和运动计划，并使用Dijkstra搜索策略来保证横向纵向初级初级的可靠性。 ROS Gazebo中实施了机器人仿真，以展示所提出的框架的有效性。
translated by 谷歌翻译
本文提出了一种新型的固定时间积分滑动模式控制器，以用于增强物理人类机器人协作。所提出的方法结合了遵守入学控制的外部力量和对整体滑动模式控制（ISMC）不确定性的高度鲁棒性的好处，从而使系统可以在不确定的环境中与人类伴侣合作。首先，在ISMC中应用固定时间滑动表面，以使系统的跟踪误差在固定时间内收敛，无论初始条件如何。然后，将固定的后台控制器（BSP）集成到ISMC中，作为标称控制器，以实现全局固定时间收敛。此外，为了克服奇异性问题，设计并集成到控制器中，这对于实际应用很有用。最后，提出的控制器已被验证，用于具有不确定性和外部力量的两连锁机器人操纵器。结果表明，在跟踪误差和收敛时间的意义上，所提出的控制器是优越的，同时，可以在共享工作区中遵守人类运动。
translated by 谷歌翻译
身体机器人的合作需要严格的安全保证，因为机器人和人类在共享工作区中工作。这封信提出了一个新颖的控制框架，以处理针对人类机器人互动的基于安全至关重要的位置的约束。所提出的方法基于入学控制，指数控制屏障功能（ECBF）和二次计划（QP），以在人与机器人之间的力相互作用期间达到合规性，同时保证安全约束。特别是，入学控制的配方被重写为二阶非线性控制系统，并且人与机器人之间的相互作用力被视为控制输入。通过使用欧洲央行-QP框架作为外部人类力量的补偿器，实时提供了用于入学控制的虚拟力反馈。因此，安全轨迹是从建议的低级控制器进行跟踪的建议的自适应入学控制方案中得出的。拟议方法的创新是，拟议的控制器将使机器人能够自然流动性遵守人类力量，而无需违反任何安全限制，即使在人类外部力量偶然迫使机器人违反约束的情况下。在对两链平面机器人操纵器的仿真研究中，我们的方法的有效性得到了证明。
translated by 谷歌翻译
在多机器人系统（MRS）边界型螺丝中，确定在每个步骤中选择矫枉术的哪个点以及机器人的位置是值得信赖的至关重要的，以便能够有效地执行螺丝。在本文中，我们为MRS开发了一种基于贝叶斯优化的基于计算可靠性模型（CTM）以选择umotwatch点。 CTM可以通过参考机器人的情境意识信息，例如传输性和视线，为矫枉过正点的MRS提供实时可信赖评估。评估可以量化每个机器人在横向纵向中保护其机器人团队成员的可信度。可靠性评估可以为工作区中的每个机器人生成动态成本图，并帮助获得最值得信赖的边界泛粉路径。我们所提出的基于贝叶斯的CTM和运动计划可以减少数据收集中工作空间的探索数，提高CTM学习效率。它还使MRS能够处理多机器人界限初级任务的动态和不确定的环境。 ROS Gazebo中实施了机器人仿真，以展示所提出的框架的有效性。
translated by 谷歌翻译