买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京通用人工智能研究院申请的专利面向狭窄场景的自适应遥操作法、计算机设备和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119820583B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510300898.2，技术领域涉及：B25J9/16；该发明授权面向狭窄场景的自适应遥操作法、计算机设备和存储介质是由焦子元;吴凡;张泽宇;刘航欣设计研发完成，并于2025-03-14向国家知识产权局提交的专利申请。

本面向狭窄场景的自适应遥操作法、计算机设备和存储介质在说明书摘要公布了：本发明提供一种面向狭窄场景的自适应遥操作法、计算机设备和存储介质，所述自适应遥操作法包括：运动数据处理，包括：读取人手部的第一运动轨迹的数据，对所述数据进行滤波之后，将所述第一运动轨迹进行重定向处理，转变为机械臂工作空间下的第二运动轨迹，在进行关节运动结算后对所述第二运动轨迹的数据进行插值平滑处理，得到所需的运动轨迹数据再将其输出给所述机械臂；机械臂关节运动解算，包括：计算逆运动学，从而将所述机械臂工作空间下的运动轨迹转变为关节空间下的多组关节配置，再对候选的所述关节配置进行筛选、优化得到最终控制所述机械臂的关节角度信息。本发明可实现遥操作过程中的自主避障。

本发明授权面向狭窄场景的自适应遥操作法、计算机设备和存储介质在权利要求书中公布了：1.面向狭窄场景的自适应遥操作法，其特征在于，包括步骤： S1、运动数据处理，包括：读取人手部的第一运动轨迹的数据，对所述数据进行滤波之后，将所述第一运动轨迹进行重定向处理，转变为机械臂工作空间下的第二运动轨迹，在进行关节运动结算后对所述第二运动轨迹的数据进行插值平滑处理，得到所需的运动轨迹数据再将其输出给所述机械臂； S2、机械臂关节运动解算，包括：计算逆运动学，从而将所述机械臂工作空间下的运动轨迹转变为关节空间下的多组关节配置，再对候选的所述关节配置进行筛选、优化得到最终控制所述机械臂的关节角度信息，其中，采用模型预测路径积分控制算法同时处理多条所述运动轨迹， 所述步骤S1包括步骤： 采用跟踪器作为人体动作信号收集器，所述跟踪器与对应的基站配合读取出所述跟踪器当前的坐标； 记人手的运动轨迹为，使用所述跟踪器对人手进行追踪的数据经数据处理后得到收集到的人手运动轨迹； 将人手工作空间中的所述人手运动轨迹进行重定向计算，转换为机器人工作空间下的运动轨迹； 所述步骤S2包括步骤： 对所述机器人工作空间下的运动轨迹进行处理计算得到一批逆运动学解，记为，其中表示一组关节角度，对应所述机械臂的一个构型，B为处理所述机器人工作空间下的运动轨迹的总批次数，N为生成的所述逆运动学解的数量， 在所述逆运动学解中确定前后两个时刻t-1和t的不同组关节配置之间的角度差异大小，t为正整数，记时刻t的第i组关节配置和时刻t-1的第j组关节配置之间的角度差异为，记ndof为所述机械臂的自由度，考虑到每一组所述关节配置为一个ndof维的数组，则也是一个ndof维的数组，其中第维是，则有时，在时刻t，所述第j组关节配置和第i组关节配置之间的关节角度差异量总和： ， 以及所述第j组关节配置和第i组关节配置之间的最大关节角度差异量： ， 上式中，等号右边表示从ndof维的数组中选择的最大值，其中，为取最大值函数， 所述步骤S2还包括步骤： 应用贪心算法采样出路径之后，通过选取不同初始关节角度配置的方法采样多条路径，得到，其中，M为采样的路径条数且为正整数，具体包括步骤： 首先，对所有所述初始关节角度配置进行评价，得到每个所述初始关节角度配置相对于机械臂当前关节角度的全部的逆运动学解的集合，包括：关节角度差异量总和即t=1时刻的、与最大关节角度差异量即t=1时刻的： ， ， 之后，从所述集合中抽取或者说选取初始关节角度，即M组初始时刻的关节配置的集合，以代表其中第m组在第一个时刻即t=1时刻的关节配置，m为整数，表达式为： , 上式表示从所述集合中选择个元素，表示选取元素在所述集合中的索引值，其中，argmin为argmin函数、‌是指在使目标函数达到最小值时的变量的取值，具体来说，‌argminfx‌表示当函数fx取得最小值时，变量x的取值， 之后进行贪心采样计算，每次选取的全集为通过计算逆运动学求解出的时刻t的解集： , 其中，指时刻t-1采样计算得到的第条轨迹中所选取的逆运动学解对应的索引值， 逐步采样得到所有时刻所有轨迹的后，与抽取出的初始关节角度按时间先后进行拼接，就可以得到M条具有t个时刻关节配置的运动轨迹，即所述, 所述步骤S2还包括步骤： 使用模型预测路径积分控制算法对所述中的每一条轨迹单独进行优化：首先，根据所述路径与动作采集间隔计算出近似关节角速度,再将所述近似关节角速度和代价函数、机械臂系统模型输入模型预测路径积分控制算法得到最优系统速度,将所述最优系统速度作时间上的积分得到即,再对所述优化后得到的M条轨迹分别进行评估，从中选出效果最好的一条轨迹， 其中， 所述近似关节角速度为模型预测路径积分控制算法的控制初值,将模型预测路径积分控制算法中定义的噪声施加在其上面得到模型预测路径积分控制算法的系统控制量 , 上式中，为给定的系统噪声的协方差矩阵，代表以0为均值，以为方差的正态分布噪声噪声，R代表噪声采样的数量； , 其中，表示系统控制时间间隔； 通过加入噪声，相当于将系统的控制量发散出了R种不同的控制量,进而通过所述机械臂系统模型就得到了R条不同的系统轨迹, 所述代价函数包括：过程代价以及终端代价，所述过程代价以及终端代价是针对所述中任一条轨迹而言的， 时刻t的所述过程代价 , 其中， , , 为约束项，对所述约束项施加的权重W取值范围为6000-14000；，，为布尔值，且依次分别对应地代表是否出现所述机械臂与环境碰撞，所述机械臂发生自碰撞以及超出关节限制的情况，如果出现所述情况，则对应的所述布尔值为真，否则为假；为误差项、用于保证所述机械臂对操作者手部的跟踪情况；为所述机械臂的正向运动学，用以计算一组关节配置下对应的末端执行器的位置和姿态；为在时刻t追踪人体并进行重定向得到的轨迹中的点坐标， 所述终端代价 , 上式中，表示所述中任一条轨迹时刻t的关节配置， 考虑噪声项,其计算公式为： , 上式中，T代表矩阵转置，为的逆矩阵，代表所计算的轨迹上所施加的噪声， 则对于所述中任一条轨迹，加入所述噪声项后的轨迹代价 , 进一步，得到所述中任一条轨迹对应的权值： , 其中，是模型预测路径积分控制算法中的超参数，用于调整模型预测路径积分控制算法的噪声控制性能，代表所述中第条轨迹的轨迹代价值，代表所述中各条轨迹中的最小值， 进一步，计算出所述优化后得到的M条轨迹中第m条轨迹经过优化的控制量 , 进而通过所述机械臂系统模型方程得到优化后的轨迹,上式中为所述中第组控制量， 至此，将所述M条轨迹分别进行优化就得到优化过后的轨迹集合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京通用人工智能研究院，其通讯地址为：100080 北京市海淀区颐和园路2号未来科技大厦东裙楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。