TY - JOUR A2 - Homma, Noriyasu AU - Arimoto, Suguru AU - Sekimoto, Masahiro AU - Tahara, Kenji PY - 2010 DA - 2010/07/04 TI - Iterative Learning without Reinforcement or Reward for Multijoint Movements:一个设计用来模仿人的机器人变得运动学冗余，其总自由度变得大于描述给定任务所需的物理变量数。运动冗余可以提高机器人的灵巧性和通用性，但也存在从任务空间到关节空间的逆运动学不适定性问题。这种不恰当的姿势最初是由伯恩斯坦发现的，他试图揭示中枢神经系统的秘密，以及骨骼运动系统如何与许多dfs以复杂的方式相互作用协调。在机器人研究的历史上，这种不恰当的状态还没有被直接解决，而是通过引入人工性能指标和通过最小化来确定唯一的逆运动学解来规避。本文针对伯恩斯坦的这一问题，提出了一种不使用任何人工指标、以自然的方式解决问题的新方法。首先，给出了在水平面上给定一条端点沿曲线运动的冗余机械臂的理想关节轨迹的唯一存在性;第二，这种唯一确定的运动最终可以通过迭代学习获得作为联合控制信号，而不需要强化或奖励。SN - 1687-9600 UR - https://doi.org/10.1155/2010/217867 DO - 10.1155/2010/217867 JF - Journal of Robotics PB - Hindawi Publishing Corporation KW - ER -