買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京通用人工智能研究院申請的專利面向狹窄場景的自適應遙操作法、計算機設備和存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119820583B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510300898.2，技術領域涉及：B25J9/16；該發明授權面向狹窄場景的自適應遙操作法、計算機設備和存儲介質是由焦子元;吳凡;張澤宇;劉航欣設計研發完成，并于2025-03-14向國家知識產權局提交的專利申請。

本面向狹窄場景的自適應遙操作法、計算機設備和存儲介質在說明書摘要公布了：本發明提供一種面向狹窄場景的自適應遙操作法、計算機設備和存儲介質，所述自適應遙操作法包括：運動數據處理，包括：讀取人手部的第一運動軌跡的數據，對所述數據進行濾波之后，將所述第一運動軌跡進行重定向處理，轉變為機械臂工作空間下的第二運動軌跡，在進行關節運動結算后對所述第二運動軌跡的數據進行插值平滑處理，得到所需的運動軌跡數據再將其輸出給所述機械臂；機械臂關節運動解算，包括：計算逆運動學，從而將所述機械臂工作空間下的運動軌跡轉變為關節空間下的多組關節配置，再對候選的所述關節配置進行篩選、優化得到最終控制所述機械臂的關節角度信息。本發明可實現遙操作過程中的自主避障。

本發明授權面向狹窄場景的自適應遙操作法、計算機設備和存儲介質在權利要求書中公布了：1.面向狹窄場景的自適應遙操作法，其特征在于，包括步驟： S1、運動數據處理，包括：讀取人手部的第一運動軌跡的數據，對所述數據進行濾波之后，將所述第一運動軌跡進行重定向處理，轉變為機械臂工作空間下的第二運動軌跡，在進行關節運動結算后對所述第二運動軌跡的數據進行插值平滑處理，得到所需的運動軌跡數據再將其輸出給所述機械臂； S2、機械臂關節運動解算，包括：計算逆運動學，從而將所述機械臂工作空間下的運動軌跡轉變為關節空間下的多組關節配置，再對候選的所述關節配置進行篩選、優化得到最終控制所述機械臂的關節角度信息，其中，采用模型預測路徑積分控制算法同時處理多條所述運動軌跡， 所述步驟S1包括步驟： 采用跟蹤器作為人體動作信號收集器，所述跟蹤器與對應的基站配合讀取出所述跟蹤器當前的坐標； 記人手的運動軌跡為，使用所述跟蹤器對人手進行追蹤的數據經數據處理后得到收集到的人手運動軌跡； 將人手工作空間中的所述人手運動軌跡進行重定向計算，轉換為機器人工作空間下的運動軌跡； 所述步驟S2包括步驟： 對所述機器人工作空間下的運動軌跡進行處理計算得到一批逆運動學解，記為，其中表示一組關節角度，對應所述機械臂的一個構型，B為處理所述機器人工作空間下的運動軌跡的總批次數，N為生成的所述逆運動學解的數量， 在所述逆運動學解中確定前后兩個時刻t-1和t的不同組關節配置之間的角度差異大小，t為正整數，記時刻t的第i組關節配置和時刻t-1的第j組關節配置之間的角度差異為，記ndof為所述機械臂的自由度，考慮到每一組所述關節配置為一個ndof維的數組，則也是一個ndof維的數組，其中第維是，則有時，在時刻t，所述第j組關節配置和第i組關節配置之間的關節角度差異量總和： ， 以及所述第j組關節配置和第i組關節配置之間的最大關節角度差異量： ， 上式中，等號右邊表示從ndof維的數組中選擇的最大值，其中，為取最大值函數， 所述步驟S2還包括步驟： 應用貪心算法采樣出路徑之后，通過選取不同初始關節角度配置的方法采樣多條路徑，得到，其中，M為采樣的路徑條數且為正整數，具體包括步驟： 首先，對所有所述初始關節角度配置進行評價，得到每個所述初始關節角度配置相對于機械臂當前關節角度的全部的逆運動學解的集合，包括：關節角度差異量總和即t=1時刻的、與最大關節角度差異量即t=1時刻的： ， ， 之后，從所述集合中抽取或者說選取初始關節角度，即M組初始時刻的關節配置的集合，以代表其中第m組在第一個時刻即t=1時刻的關節配置，m為整數，表達式為： , 上式表示從所述集合中選擇個元素，表示選取元素在所述集合中的索引值，其中，argmin為argmin函數、?是指在使目標函數達到最小值時的變量的取值，具體來說，?argminfx?表示當函數fx取得最小值時，變量x的取值， 之后進行貪心采樣計算，每次選取的全集為通過計算逆運動學求解出的時刻t的解集： , 其中，指時刻t-1采樣計算得到的第條軌跡中所選取的逆運動學解對應的索引值， 逐步采樣得到所有時刻所有軌跡的后，與抽取出的初始關節角度按時間先后進行拼接，就可以得到M條具有t個時刻關節配置的運動軌跡，即所述, 所述步驟S2還包括步驟： 使用模型預測路徑積分控制算法對所述中的每一條軌跡單獨進行優化：首先，根據所述路徑與動作采集間隔計算出近似關節角速度,再將所述近似關節角速度和代價函數、機械臂系統模型輸入模型預測路徑積分控制算法得到最優系統速度,將所述最優系統速度作時間上的積分得到即,再對所述優化后得到的M條軌跡分別進行評估，從中選出效果最好的一條軌跡， 其中， 所述近似關節角速度為模型預測路徑積分控制算法的控制初值,將模型預測路徑積分控制算法中定義的噪聲施加在其上面得到模型預測路徑積分控制算法的系統控制量 , 上式中，為給定的系統噪聲的協方差矩陣，代表以0為均值，以為方差的正態分布噪聲噪聲，R代表噪聲采樣的數量； , 其中，表示系統控制時間間隔； 通過加入噪聲，相當于將系統的控制量發散出了R種不同的控制量,進而通過所述機械臂系統模型就得到了R條不同的系統軌跡, 所述代價函數包括：過程代價以及終端代價，所述過程代價以及終端代價是針對所述中任一條軌跡而言的， 時刻t的所述過程代價 , 其中， , , 為約束項，對所述約束項施加的權重W取值范圍為6000-14000；，，為布爾值，且依次分別對應地代表是否出現所述機械臂與環境碰撞，所述機械臂發生自碰撞以及超出關節限制的情況，如果出現所述情況，則對應的所述布爾值為真，否則為假；為誤差項、用于保證所述機械臂對操作者手部的跟蹤情況；為所述機械臂的正向運動學，用以計算一組關節配置下對應的末端執行器的位置和姿態；為在時刻t追蹤人體并進行重定向得到的軌跡中的點坐標， 所述終端代價 , 上式中，表示所述中任一條軌跡時刻t的關節配置， 考慮噪聲項,其計算公式為： , 上式中，T代表矩陣轉置，為的逆矩陣，代表所計算的軌跡上所施加的噪聲， 則對于所述中任一條軌跡，加入所述噪聲項后的軌跡代價 , 進一步，得到所述中任一條軌跡對應的權值： , 其中，是模型預測路徑積分控制算法中的超參數，用于調整模型預測路徑積分控制算法的噪聲控制性能，代表所述中第條軌跡的軌跡代價值，代表所述中各條軌跡中的最小值， 進一步，計算出所述優化后得到的M條軌跡中第m條軌跡經過優化的控制量 , 進而通過所述機械臂系統模型方程得到優化后的軌跡,上式中為所述中第組控制量， 至此，將所述M條軌跡分別進行優化就得到優化過后的軌跡集合。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京通用人工智能研究院，其通訊地址為：100080 北京市海淀區頤和園路2號未來科技大廈東裙樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。