一种动态约束下改进型动态运动基元的技能学习方法

本发明公开了一种动态约束下改进型动态运动基元的技能学习方法，涉及机器人动态运动规划与控制技术领域，从示范学习到新场景泛化分为两个步骤；首先，由人类专家提供演示轨迹，再由改进的DMPs进行编码；在执行阶段，通过优化DMP基函数的权重生成适配运动，新轨迹在遵循动态约束的同时，尽可能贴近初始基元；特别地，通过求解DMP方程的常微分方程，得到DMP表达式的离线版本，大幅降低计算成本；同时，创新性地构建了处理各类约束的统一权重优化框架，给出了DMP的非积分形式，与仅能适应不同目标的原始DMP相比，显著提升了适应性，避免了数值积分运算，提高了再现计算效率。