研究课题简介

机器人示教学习

lfd 该项目提出了一种基于运动基元的示教学习方法–PRIMP: PRobabilistically-Informed Motion Primitives。根据机械臂末端六维位姿轨迹示教数据，建立了李群中的概率模型。在面对新场景执行相似任务时，根据关键位姿可快速生成全新轨迹。进而，为使机器人在具有未知障碍物的复杂环境中完成操作，提出了基于优化的Workspace-STOMP轨迹规划算法，帮助机器人实现了倒水、舀水、开关抽屉等动作。相比同类基于概率的示教学习方法轨迹生成效率提升5倍以上、轨迹相似程度提升2倍以上，提高了机械臂操作规划成功率及任务完成度。相关成果于2024年发表在 IEEE Transactions on Robotics (T-RO) 期刊上。详细内容.

相关论文

Ruan, S., Liu, W., Wang, X., Meng, X. and Chirikjian, G.S., 2024. PRIMP: PRobabilistically-Informed Motion Primitives for Efficient Affordance Learning from Demonstration. IEEE Transactions on Robotics. doi: 10.1109/TRO.2024.3390052. T-RO文章链接, 项目网站, MATLAB代码, Python代码

机器人路径规划

planning 该项目提出了“高速路图（Highway Roadmap, HRM）”的路径规划算法，主要运用几何方法解决了机器人路径规划中关键的“狭窄空间”和“高自由度”的问题。其核心基于无碰撞位形空间边界的参数化解析解。将机器人包络成椭球的集合，环境中的障碍物表示为具有光滑表面的严格凸体（例如超二次曲面）。通过计算完整的位形空间障碍物，构建分辨率可自适应调节的位形空间切片，为机器人了提供无碰撞环境的先验知识，在无碰撞区域内直接生成安全位形。研究了椭球的包络空间，使得机器人在有旋转的运动中也可以保证安全性，而无须进行额外的碰撞检测。进而，结合基于随机采样的路径规划算法，突破了高维问题中计算复杂度高的瓶颈，将所提的方法延伸到了多自由度的机器人上。相关研究成果首先于2018年在 International Workshop on the Algorithmic Foundations of Robotics (WAFR) 上进行了宣讲，其延伸版本于2023年发表在了 IEEE Transactions on Robotics (T-RO) 期刊上。

相关论文

Ruan, S., Poblete, K.L., Wu, H., Ma, Q. and Chirikjian, G.S., 2023. Efficient Path Planning in Narrow Passages for Robots with Ellipsoidal Components. IEEE Transactions on Robotics, 39(1), pp. 110-127. doi: 10.1109/TRO.2022.3187818. T-RO文章链接, 项目网站, C++代码
Ruan, S., Ma, Q., Poblete, K.L., Yan, Y. and Chirikjian, G.S., 2018. Path Planning for Ellipsoidal Robots and General Obstacles via Closed-form Minkowski Operations. In International Workshop on the Algorithmic Foundations of Robotics (pp. 3-18). Springer, Cham. PDF文章链接, 报告PPT

碰撞检测

collision “碰撞检测”是机器人算法中的核心之一，也是保证机器人安全运行的关键之一。如何准确且快速地得到两个物体间的接触状态和最短距离一直是该领域研究的热点问题。碰撞检测被广泛应用在物理仿真和机器人的运动规划等领域。例如，在规划机器人的运动路径时，往往需要充分地考虑机器人与周围环境和其自身组件间的碰撞问题，从而得到安全可行的最优路径。本项目的研究对象是两个具有平滑表面的凸体，研究涵盖了静态和连续这两类碰撞检测的问题。基于两物体碰撞空间的解析解，提出了解决此问题的CFC（Closed-Form Contact space）方法。该方法于2022年发表在了 IEEE Robotics and Automation Letters (RA-L) 期刊上，并在 IEEE IROS 会议上进行了宣讲。

相关论文

Ruan, S., Wang, X. and Chirikjian, G.S., 2022. Collision Detection for Unions of Convex Bodies with Smooth Boundaries using Closed-form Contact Space Parameterization. IEEE Robotics and Automation Letters, 7(4), pp.9485-9492. RA-L文章链接, 项目网站, C++代码, ROS软件包, MATLAB代码
Ruan, S.,Poblete, K.L., Li, Y., Lin, Q., Ma, Q. and Chirikjian, G.S., 2019, May. Efficient Exact Collision Detection between Ellipsoids and Superquadrics via Closed-form Minkowski Sums. In 2019 International Conference on Robotics and Automation (ICRA) (pp. 1765-1771). IEEE. PDF文章链接

传感器的标定

calibration 当机械臂末端连接了相机或者定位装置，如何确定其相对于末端的六维位姿（位置和姿态）一直是机器人学中重要的课题。该项目（主要参与者）主要研究了多机器人同时进行标定的问题，在数学上表示为“AXB=YCZ”。其中，A、B、C是三个已知位姿，而X、Y、Z是所求量。它们均为刚体运动群SE（3）中的元素。所提出的方法运用概率学的模型，将这些位姿表示为流形空间（manifold）中的Dirac Delta函数。进而，所求等式两侧的连乘运算可以转化为概率密度函数的卷积。该方法的优势在于在传感器数据不同步或有数据缺失时，仍能通过概率模型解得三个未知量，从而得到传感器的相对位姿。所提方法首先于2018年在 Robotics： Science and Systems (RSS) 会议上进行了宣讲，其延伸版本于同年发表在了 Autonomous Robots 期刊上。

相关论文

Ma Q., Goh Z., Ruan S. and Chirikjian G.S., 2018. Probabilistic approaches to the AXB=YCZ calibration problem in multi-robot systems. Autonomous Robots, 42(7), 1497-1520. PDF文章链接 MATLAB 代码

欧式运动的量化

“量化”研究的是人工智能领域中“信号到符号（Signal-to-Symbol）”的转换问题。该项目（主要参与者）基于“李群（Lie Group）”提出了由基本运动单元组成的“运动字母表（motion alphabet）”的概念。运用该方法，机器人连续的刚体运动可用一系列已定义好的离散的运动单元表示，提升了储存和搜索效率。该方法还可应用在运动群的采样方面，提升了采样的均匀程度。该项目成果于2019年发表在了 Research 期刊上。

相关论文

Wuelker, C., Ruan, S. and Chirikjian, G. S., 2019. Quantizing Euclidean motions via double-coset decomposition. Research, 2019, 1608396. PDF文章链接 MATLAB代码

计算运动学

该项目包含一系列课题。例如，研究了一个刚体被另一个刚体完全包含时的有限的运动形式，即“包含运动学（Kinematics of Containment，KC）”；对于旋转运动定义了一种新的参数化形式（Symmetric parameterization）；定义了一种新的机器人姿态变换群（Pose Change Group，PCG）（主要参与着）等。

相关论文

（包含运动学） Ruan, S., Ding, J., Ma, Q. and Chirikjian, G.S., 2019. The Kinematics of Containment for N-Dimensional Ellipsoids. Journal of Mechanisms and Robotics, 11(4), p.041005. doi:10.1115/1.4043458. PDF文章链接 MATLAB代码
（姿态转换群） Chirikjian G.S., Mahony R., Ruan S. and Trumpf J., 2018. Pose Changes From a Different Point of View. Journal of Mechanisms and Robotics, 10(2), p.021008. doi:10.1115/1.4039121. PDF文章链接 MATLAB代码报告PPT
（旋转运动参数化） Ruan S., Kim J.S. and Chirikjian G.S., 2016, December. Symmetrical rigid body parameterizations for humanoid robots. In 2016 IEEE International Conference on Robotics and Biomimetics (ROBIO) (pp. 1655-1661). IEEE. PDF文章链接报告PPT