护理机器人技能学习方法数据集

本数据集利用惯性传感器原始数据设计一套基于学习方法的自适应人体位姿估计算法，以获得高精度、稳定的人体位姿。将目标跟踪中的状态信息融合方法引进用于解决多视觉传感器融合问题，建立一套基于多视觉传感器融合的人体运动捕捉方法，实现遮挡、曝光、视角受限等非理想环境下的稳定的人体位姿估计。采用分布式优化方法进行视觉与惯性传感器的融合，实现更加精确和稳定的人体位姿估计。发展数据驱动的多源信息融合理论与方法，并对表面肌电信号（Surfaceelectromyography,sEMG）和柔性力敏传感器进行融合，实现对人运动过程中的力信息的实时精确捕捉。采用模型与数据结合的方式实现具有稳定性保证的人工技能操作模型的学习。对于运动环境可变的复杂运动，采用运动分割和强化学习相结合的方法进行技能模型学习，使得所学习到的技能模型具备一定的泛化能力。对于所学技能结合运动规划算法与柔顺控制技术实现技能复现，进而提升机器人在医护环境中的适用性与安全性。