具身智能速查
60 分钟更新
具身智能速查阅读原文 · 追踪方法 · 连接实践
基础方法

动力学运动基元:学习运动行为的吸引子模型

Dynamical Movement Primitives: Learning Attractor Models for Motor Behaviors

仿真 + 实物代码待核实原文关键章节已核对

原文关键章节已核对

以下分析来自论文原文,保留实验条件与结果适用范围。

47 页 PDF · 2.6 MB归档日期 2026-10-04已核对方法、实验、结果与局限
从官方来源获取原文
原文依据范围

§2.1 · Table 1 · §3.1–3.4 · Figures 8–9,14 · §5

原文来源与版本用于研究核对。公开可获取不等于允许全文转载;本站提供中文分析和官方原文链接。

基于原文的中文分析

方法机制

从稳定弹簧阻尼系统出发,用相位驱动的可学习强迫项编码轨迹形状,分别构造点吸引子和周期吸引子;基函数权重可由示范回归。时间常数、目标和振幅控制执行变化,空间/相位耦合项支持障碍响应、停顿及多关节协调。

实验设置与硬件

文章系统整理理论并汇集仿真和机器人示例,包括30自由度人形网球/打鼓、Sarcos Slave七自由度手臂放杯与移动目标、障碍耦合、节律同步和动作识别。二维环形轨迹实验专门比较不同坐标系下目标变化造成的形状泛化。

结果及统计口径

作者展示同一放杯运动基元在目标移动及障碍接近时连续调节,无需中止重新生成整段计划。图14表明笛卡尔起终点某轴过近会放大或压塌轨迹环,采用局部坐标改变泛化形态;本论文没有统一跨任务成功率排行榜。

局限与风险

稳定性性质针对所定义动力系统及耦合条件,不自动保证机器人力矩可实现、无碰撞或安全。DMP产生运动学计划,需PD/逆动力学跟踪;坐标选择、接近零位移和额外耦合会改变性质,非通用视觉决策器。

复现建议

应先用表1方程拟合离散/周期轨迹,检查相位、时间缩放、端点和耦合,再接入低层控制;区分综述所引历史机器人结果与新量化实验。本次已视觉核对图14,未运行历史MATLAB实现。

这是原文分析,不是逐字全文译本,也不代表本站已复现实验。

实验标签与机器人

验证范围
仿真 + 实物
机器人型号
Sarcos Slave 7-DOF、30自由度人形机器人(正文未在此命名)

代码与训练

代码待核实 · 论文提供历史MATLAB下载入口;当前可用性与许可未核实。

用示范轨迹拟合强迫项;实际执行仍需底层跟踪控制器。

来源与分类证据

  • 作者机构保存的出版版:Neural Computation 25,328–373,2013;第3节仿真与硬件,图9为Sarcos Slave;脚注2为历史代码入口。

    查看一手来源
  • §2.1 Table 1; §3.1:弹簧阻尼、强迫项及运动学计划须低层控制器跟踪。

    查看一手来源
  • §3.2 Figure 9; §3.4 Figure 14:Sarcos放杯例和坐标系导致形状失真;PDF含一页库封面。

    查看一手来源