CN114986525B - 一种基于多模态信息的机器人手持示教装置与方法 - Google Patents

Abstract

本发明公开了一种基于多模态信息的机器人手持示教装置与方法，包括手持示教笔和皮肤张力测量手环，所述手持示教笔包括第一微处理器、第一无线通信模块、第一电源模块、惯性测量单元、力传感器、触发按钮、可替换尖端和辅助安装法兰；所述皮肤张力测量手环包括第二微处理器、第二无线通信模块、第二电源模块、柔性电阻和信号转换模块，所述第一电源模块向所述第一微处理器、所述第一无线通信模块和所述惯性测量单元供电。优点在于：示教装置示教效率高，耗时短，精度高，对操作人员安全友好；操作人员在示教过程中只需要佩戴皮肤张力测量手环，手握手持示教笔进行示教，不需要与机器人直接接触。

Description

一种基于多模态信息的机器人手持示教装置与方法

技术领域

本发明涉及机器人示教技术领域，尤其涉及一种基于多模态信息的机器人手持示教装置与方法。

背景技术

随着机器人技术的发展，越来越多的工业机器人被应用于各个行业，在很大程度上减少了人工成本，提高了生产效率，而编程是赋予机器人完成指定生产任务能力的关键步骤。目前，常用的机器人编程方式分为离线编程和示教编程。离线编程指在计算机虚拟环境中对机器人进行编程并对编程结果进行可视化仿真验证，验证通过后即可生成机器人控制指令使机器人跟踪仿真中的参考轨迹。离线编程可以示教出精细复杂的轨迹，方便对编程结果进行仿真验证，同时编程过程不依赖于机器人本体，但是离线编程要求操作人员具有一定的编程水平，耗时较长，难以实时调整示教轨迹。而示教编程主要又分为示教器示教和拖动示教。示教器示教指操作人员使用示教器人工示教出期望轨迹。示教器示教虽然可以快速示教简单的轨迹，但是难以示教路径点多、形状复杂的轨迹，且示教过程繁琐。拖动示教指操作人员手动拖引机器人末端示教出期望轨迹。直接拖动机器人末端有助于操作人员示教出复杂的轨迹，但是在示教过程中机器人的机械惯性会对操作人员的示教精度产生影响。

近年来，基于多模态信息对机器人进行示教的方法逐渐兴起，这种方法不仅对机器人的运动信息进行示教，还对力、刚度等信息进行示教，在提高机器人柔性作业能力的同时，使机器人能够根据环境变化自适应地调整示教轨迹，在更多复杂的环境中完成作业。

目前关于手持示教装置示教，例如中国专利号：CN201610369020.5，名称：一种工业机器人新型示教装置，该发明公开了一种工业机器人新型示教装置。该装置包括机器人和手持示教器；该发明的示教方法具体为：将机器人和手持示教器固定放置，计算出示教器初始位置和姿态，然后按下示教器的执行按钮，控制示教器在空间模拟机器人运动，同时示教器通过超精密惯性导航元件记录机器人末端位置和姿态信息，运动完毕后按下确认按钮，控制器将示教数据保存为加工文件，最后机器人读取加工文件完成示教路径。该发明的示教装置与方法灵活简便，使操作人员可以高效安全地示教。然而，该发明的示教装置与方法具有一定的局限性，只考虑运动信息而没有考虑多模态信息，使操作人员不能转移柔性作业技能到机器人上，限制了机器人的柔性作业能力。

发明内容

针对上述存在的问题，本发明提出一种基于多模态信息的机器人手持示教装置与方法，以缩短机器人示教时间，提高示教的效率和精度，对操作人员更加安全友好，同时对运动、力和刚度信息进行示教建模，使机器人可以轻松复现和泛化多模态信息轨迹，提高了机器人柔顺作业能力，且使机器人在环境改变导致位置跟踪误差增大时，自适应地调整示教的刚度轨迹以减小位置跟踪误差，不需要操作人员的重复示教，提升了示教的鲁棒性。

为了实现上述目的，本发明采用了如下技术方案：一种基于多模态信息的机器人手持示教装置与方法，包括手持示教笔和皮肤张力测量手环，所述手持示教笔包括第一微处理器、第一无线通信模块、第一电源模块、惯性测量单元、力传感器、触发按钮、可替换尖端和辅助安装法兰；所述皮肤张力测量手环包括第二微处理器、第二无线通信模块、第二电源模块、柔性电阻和信号转换模块。

在上述的基于多模态信息的机器人手持示教装置中，所述第一电源模块向所述第一微处理器、所述第一无线通信模块和所述惯性测量单元供电；所述第一微处理器读取所述惯性测量单元实时测量的三维加速度信号和三维角速度信号；所述力传感器实时测量作用于所述手持示教笔末端的六维力/力矩信号；所述触发按钮用于确定操作人员示教过程的起始时间和停止时间；所述辅助安装法兰用于将所述手持示教笔上端安装在机器人末端；

所述第二电源模块为所述第二微处理器、第二无线通信模块和所述信号转换模块供电；所述柔性电阻受外力产生形变时，自身电阻值也会发生改变；所述信号转换模块实时将所述柔性电阻的电阻变化值转换为皮肤张力信号；所述第二微处理器实时读取皮肤张力信号，并通过第二无线通信模块向第一无线通信模块发送皮肤张力信号。

在上述的基于多模态信息的机器人手持示教装置中，所述第一微处理器通过第一无线通信模块实时接收皮肤张力信号，向工控机实时发送三维加速度信号、三维角速度信号和皮肤张力信号；工控机经过坐标系转换和积分运算，将接收到的三维加速度信号和三维角速度信号转换为所述手持示教笔末端的位姿信息，将皮肤张力信号通过转换算法转换为人体手臂末端刚度信息，读取所述力传感器测量的六维力/力矩信号，并将位置、力和刚度信息进行时间同步处理，运行基于多模态信息的算法生成控制命令传输给机器人。

在上述的基于多模态信息的机器人手持示教装置中，所述第一微处理器、第一无线通信模块、第一电源模块和惯性测量单元安装在所述手持示教笔内部，所述力传感器安装在所述手持示教笔中部，所述触发按钮安装在所述手持示教笔上部，所述可替换尖端安装在所述手持示教笔末端，所述辅助安装法兰安装在所述手持示教笔顶部。

在上述的基于多模态信息的机器人手持示教装置中，所述第二微处理器、第二无线通信模块和信号转换模块安装在所述皮肤张力测量手环外侧，所述第二电源模块安装在所述皮肤张力测量手环内部，所述柔性电阻安装在所述皮肤张力测量手环内侧，所述皮肤张力测量手环与人体皮肤接触部分由柔性可伸缩材料制成。

一种基于多模态信息的机器人手持示教方法，包括以下步骤：

S1、标定与初始化：使用所述辅助安装法兰将所述手持示教笔上端和机器人末端机械固连，进行示教过程前的标定与初始化；

S2、示教：解除所述手持示教笔和机器人固连，开始示教，按住触发按钮，控制所述手持示教笔末端沿着任务需求轨迹移动，与环境发生交互，完成示教后，松开触发按钮；

S3、建模：使用动态运动原语模型对多模态示教数据分别进行建模，得到位置、刚度和力动态运动原语模型；

S4、复现：使用所述辅助安装法兰将所述手持示教笔上端和机器人末端机械固连，结合动态运动原语模型和刚度自适应算法生成参考轨迹，设计柔顺控制器对轨迹进行复现。

在上述的基于多模态信息的机器人手持示教方法中，步骤S1中标定具体为：

(1-1)用手握住所述手持示教笔下端，在手臂肌肉最小激活程度和高激活程度的情况下分别令机器人对手臂末端施加随机扰动，在扰动过程中工控机读取所述力传感器测量的机器人末端的力F_cal和机器人测量的末端位移Δx_cal，构建二者之间的动态关系为：

其中，是人体手臂阻抗模型，m_e，d_e和k_e分别表示系统的惯性、阻尼和刚度参数，i，j∈{x，y，z}；

(1-2)通过最小二乘法拟合出手臂末端刚度矩阵K_e的各个分量

(1-3)记手臂肌肉最小激活程度的情况下得到的手臂末端刚度矩阵为通过下式可求得手臂最小关节刚度矩阵

其中，J_a(q)为手臂雅可比矩阵，是J_a(q)的伪逆，q为手臂关节角度向量，F_ext为外力，K_j为手臂关节刚度矩阵，p_co(α)为肌肉共收缩系数；

(1-4)使用下式计算手臂肌肉激活程度α：

α＝σf_ten

其中f_ten为皮肤张力，σ为预定义常数，皮肤张力f_ten可由所述皮肤张力测量手环2测量得到；

(1-5)使用下式计算肌肉共收缩系数p_co(α)：

其中，ρ₁和ρ₂为手臂肌肉共收缩系数的参数；

(1-6)记手臂肌肉高激活程度的情况下得到的手臂末端刚度矩阵为通过下式可求得手臂肌肉共收缩参数ρ₁和ρ₂：

所述步骤S1中的初始化具体为：

(1-7)固定所述手持示教笔和机器人不动，工控机计算出所述手持示教笔末端在机器人坐标系下的位姿作为所述手持示教笔末端的初始位姿。

在上述的基于多模态信息的机器人手持示教方法中，所述步骤S2具体为：

(2-1)在示教过程中，工控机通过所述第一无线通信模块、第二无线通信模块和所述力传感器获取三维加速度信号、三维角速度信号、皮肤张力信号和六维力/力矩信号，将获取到的信号进行时间同步处理，经过坐标系转换和积分运算将同步后的三维加速度信号和三维角速度信号转换为所述手持示教笔1末端的位姿信息，使用刚度转换算法将同步后的皮肤张力信号转换为机器人末端的刚度信息；记录得到多模态示教数据{x_k，K_k，F_k}_{k＝[1，2，…，T]}，其中，x_k表示所述手持示教笔1末端的位姿信息，即机器人末端的位姿信息，K_k表示机器人末端的刚度信息，F_k表示机器人末端的力信息，T表示示教总时间步数；

所述刚度转换算法具体为：

(2-2)使用守恒协调转换公式将皮肤张力信号在线转换为手臂末端刚度矩阵：

(2-3)将手臂末端刚度矩阵K_e转换为机器人末端刚度矩阵K：

其中K_min和K_max分别代表机器人末端允许的最小和最大刚度值。

所述步骤S3中的动态运动原语模型表示如下：

其中，m代表系统刚度，n代表系统阻尼，g和ξ₀分别表示运动目标值和初始值，τ表示时间缩放常数，ξ₁和ξ₂分别表示运动轨迹的位置和速度，ξ₃表示系统相位变量，β是预设的正常数，ω_i表示权重，φ_i表示高斯基函数，h_i表示高斯基函数的宽度，c_i表示高斯基函数的中心，N表示选取的高斯基函数的数量；合理选取高斯基函数的中心c_i和高斯基函数的宽度h_i，使在时间维度上高斯基函数均匀分布，同时每个基函数的宽度相同；在上述参数的左上方标记x，K或F，分别表示位置、刚度或力动态运动原语模型中的参数。

在上述的基于多模态信息的机器人手持示教方法中，所述步骤S3具体为：

(3-1)给定示教轨迹{x_k，K_k，F_k}_{k＝[1，2，…，T]}，根据下式分别确定位置、刚度和力动态运动原语模型的函数^xf_target，^Kf_target和^Ff_target；

(3-2)通过下式分别求得位置、刚度和力动态运动原语模型的权重参数^xω，^Kω和^Fω。其中，^xω＝(^xω₁，^xω₂，…，^xω_N)^T，^Kω＝(^Kω₁，^Kω₂，…，^Kω_N)^T，^Fω＝(^Fω₁，^Fω₂，…，^Fω_N)^T；

在上述的基于多模态信息的机器人手持示教方法中，所述步骤S4具体为：

(4-1)设计笛卡尔空间下的阻抗控制器，令机器人工作在力控模式下，阻抗控制器设计如下：

其中，和x_t分别表示参考位置和当前位置，和分别表示参考速度和当前速度，表示参考刚度，表示参考阻尼，表示参考力，f_ct表示阻抗控制器生成的力控制命令用以控制机器人，t为当前时间步，

(4-2)将第t-1时间步的参考力代入力动态运动原语模型中，生成第t时间步的参考力

(4-3)读取机器人第t-1时间步的当前位置x_t-1，将机器人第t-1时间步的当前位置x_t-1代入位置动态运动原语模型中，生成第t时间步的参考位置和参考速度

(4-4)计算机器人第t-1时间步的位置误差计算第t-1时间步对应激活最大的高斯基函数的下标j为 其中y(·)是向上取整函数。计算新的刚度动态运动原语模型权重参数^Kω_pj＝(1+g|e_t-1|)^Kω_j，^Kω_p＝(^Kω_p1，^Kω_p2，…，^Kω_pN)^T，其中g为预设增益。

(4-5)将第t-1时间步的参考刚度与新的刚度动态运动原语模型权重参数^Kω_p代入刚度动态运动原语模型中，生成第t时间步的参考刚度计算第t时间步的参考阻尼其中γ为预设系数；

(4-6)工控机读取机器人的当前位置x_t和当前速度将当前位置xt和当前速度以及(4-2)到(4-5)计算得到的各项参数代入阻抗控制器中计算生成力控制命令f_ct，工控机将力控制命令f_ct输入机器人以完成控制；

(4-7)重复执行(4-2)到(4-6)，直到机器人完成轨迹复现。

与现有的技术相比，本发明的优点在于：

1、示教装置示教效率高，耗时短，精度高，对操作人员安全友好；操作人员在示教过程中只需要佩戴皮肤张力测量手环，手握手持示教笔进行示教，不需要与机器人直接接触。

2、示教方法提高了机器人柔顺作业能力；所述示教方法同时对多模态信息进行建模，将运动、力和刚度信息引入机器人作业中，使机器人能够更加柔顺地完成作业。

3、示教方法提高了机器人适应复杂动态环境的能力；所述示教方法使机器人能够在环境改变导致位置跟踪误差增大时，自适应地调整示教的刚度轨迹以减小位置跟踪误差。

附图说明

图1是本发明的手持示教笔示意图；

图2是本发明的手持示教笔内部结构示意图；

图3是本发明的皮肤张力测量手环示意图；

图4是本发明的整体流程示意图。

图中：1手持示教笔、1a第一微处理器、1b第一无线通信模块、1c第一电源模块、1d惯性测量单元、1e力传感器、1f触发按钮、1g可替换尖端、1h辅助安装法兰、2皮肤张力测量手环、2a第二微处理器、2b第二无线通信模块、2c第二电源模块、2d柔性电阻、2e信号转换模块。

具体实施方式

参照图1-4，一种基于多模态信息的机器人手持示教装置，装置包括手持示教笔1、皮肤张力测量手环2。手持示教笔1包括第一微处理器1a、第一无线通信模块1b、第一电源模块1c、惯性测量单元1d、力传感器1e、触发按钮1f、可替换尖端1g和辅助安装法兰1h。皮肤张力测量手环2包括第二微处理器2a、第二无线通信模块2b、第二电源模块2c、柔性电阻2d和信号转换模块2e。

第一电源模块1c为第一微处理器1a、第一无线通信模块1b和惯性测量单元1d供电。第一微处理器1a读取惯性测量单元1d实时测量的三维加速度信号和三维角速度信号。力传感器1e实时测量作用于手持示教笔1末端的六维力/力矩信号。触发按钮1f用于确定操作人员示教过程的起始时间和停止时间。辅助安装法兰1h用于将手持示教笔1上端安装在机器人末端。第二电源模块2c为第二微处理器2a、第二无线通信模块2b和信号转换模块2e供电。柔性电阻2d受外力产生形变后，自身电阻值也会发生改变，而且电阻变化值和形变量之间存在一定的关系。信号转换模块2e实时将柔性电阻2d的电阻变化值转换为皮肤张力信号。第二微处理器2a实时读取皮肤张力信号，并通过第二无线通信模块2b向第一无线通信模块1b发送皮肤张力信号。第一微处理器1a通过第一无线通信模块1b实时接收皮肤张力信号，向工控机实时发送三维加速度信号、三维角速度信号和皮肤张力信号。工控机经过坐标系转换和积分运算，将接收到的三维加速度信号和三维角速度信号转换为手持示教笔1末端的位姿信息，将皮肤张力信号通过转换算法转换为人体手臂末端刚度信息，读取力传感器1e测量的六维力/力矩信号，并将位置、力和刚度信息进行时间同步处理，运行基于多模态信息的算法生成控制命令传输给机器人。

第一微处理器1a、第一无线通信模块1b、第一电源模块1c和惯性测量单元1d安装在手持示教笔1内部，力传感器1e安装在手持示教笔1中部、触发按钮1f安装在手持示教笔1上部、可替换尖端1g安装在手持示教笔1末端，辅助安装法兰1h安装在手持示教笔1顶部。第二微处理器2a、第二无线通信模块2b和信号转换模块2e安装在皮肤张力测量手环2外侧，第二电源模块2c安装在皮肤张力测量手环2内部，柔性电阻2d安装在皮肤张力测量手环2内侧，皮肤张力测量手环2与人体皮肤接触部分由柔性可伸缩材料制成。

一种基于多模态信息的机器人示教方法，本发明方法的具体步骤为：

S1、标定与初始化：使用辅助安装法兰1h将手持示教笔1上端和机器人末端机械固连，进行示教过程前的标定与初始化。

S2、示教：解除手持示教笔1和机器人固连，开始示教，按住触发按钮1f，控制手持示教笔1末端沿着任务需求轨迹移动，与环境发生交互，完成示教后，松开触发按钮1f。

S3、建模：使用动态运动原语模型对多模态示教数据分别进行建模，得到位置、刚度和力动态运动原语模型。

S4、复现：使用辅助安装法兰1h将手持示教笔1上端和机器人末端机械固连，结合动态运动原语模型和刚度自适应算法生成参考轨迹，设计柔顺控制器对轨迹进行复现。

步骤S1的标定具体为：

(1-1)用手握住手持示教笔1下端，在手臂肌肉最小激活程度和高激活程度的情况下分别令机器人对手臂末端施加随机扰动，在扰动过程中工控机读取力传感器1e测量的机器人末端的力F_cal和机器人测量的末端位移Δx_cal，构建二者之间的动态关系为：

其中，是人体手臂阻抗模型，m_e，d_e和k_e分别表示系统的惯性、阻尼和刚度参数，i，j∈{x，y，z}。

(1-2)通过最小二乘法拟合出手臂末端刚度矩阵K_e的各个分量

(1-3)记手臂肌肉最小激活程度的情况下得到的手臂末端刚度矩阵为通过下式可求得手臂最小关节刚度矩阵

其中，J_a(q)为手臂雅可比矩阵，是J_a(q)的伪逆，q为手臂关节角度向量，F_ext为外力，K_j为手臂关节刚度矩阵，p_co(α)为肌肉共收缩系数。

(1-4)使用下式计算手臂肌肉激活程度α：

α＝σf_ten

其中f_ten为皮肤张力，σ为预定义常数，皮肤张力f_ten可由皮肤张力测量手环2测量得到。

(1-5)使用下式计算肌肉共收缩系数p_co(α)：

其中，ρ₁和ρ₂为手臂肌肉共收缩系数的参数。

(1-6)记手臂肌肉高激活程度的情况下得到的手臂末端刚度矩阵为通过下式可求得手臂肌肉共收缩参数ρ₁和ρ₂：

步骤S1中的初始化具体为：

(1-7)固定手持示教笔1和机器人不动，工控机计算出手持示教笔1末端在机器人坐标系下的位姿作为手持示教笔1末端的初始位姿。

步骤S2具体为：

(2-1)在示教过程中，工控机通过第一无线通信模块1b、第二无线通信模块2b和力传感器1e获取三维加速度信号、三维角速度信号、皮肤张力信号和六维力/力矩信号，将获取到的信号进行时间同步处理，经过坐标系转换和积分运算将同步后的三维加速度信号和三维角速度信号转换为手持示教笔1末端的位姿信息，使用刚度转换算法将同步后的皮肤张力信号转换为机器人末端的刚度信息。记录得到多模态示教数据{x_k，K_k，F_k}_{k＝[1，2，…，T]}，其中，x_k表示手持示教笔1末端的位姿信息，即机器人末端的位姿信息，K_k表示机器人末端的刚度信息，F_k表示机器人末端的力信息，T表示示教总时间步数。

进一步地，刚度转换算法具体为：

(2-2)使用守恒协调转换公式将皮肤张力信号在线转换为手臂末端刚度矩阵：

(2-3)将手臂末端刚度矩阵Ke转换为机器人末端刚度矩阵K：

其中K_min和K_max分别代表机器人末端允许的最小和最大刚度值。

步骤S3中的动态运动原语模型表示如下：

其中，m代表系统刚度，n代表系统阻尼，g和ξ₀分别表示运动目标值和初始值，τ表示时间缩放常数，ξ₁和ξ₂分别表示运动轨迹的位置和速度，ξ₃表示系统相位变量，β是预设的正常数，ω_i表示权重，φ_i表示高斯基函数，h_i表示高斯基函数的宽度，c_i表示高斯基函数的中心，N表示选取的高斯基函数的数量。合理选取高斯基函数的中心c_i和高斯基函数的宽度h_i，使在时间维度上高斯基函数均匀分布，同时每个基函数的宽度相同。在上述参数的左上方标记x，K或F，分别表示位置、刚度或力动态运动原语模型中的参数。

步骤S3具体为：

(3-1)给定示教轨迹{x_k，K_k，F_k}_{k＝[1，2，…，T]}，根据下式分别确定位置、刚度和力动态运动原语模型的函数^xf_target，^Kf_target和^Ff_target。

(3-2)通过下式分别求得位置、刚度和力动态运动原语模型的权重参数^xω，^Kω和^Fω。其中，^xω＝(^xω₁，^xω₂，…，^xω_N)^T，^Kω＝(^Kω₁，^Kω₂，…，^Kω_N)^T，^Fω＝(^Fω₁，^Fω₂，…，^Fω_N)^T。

步骤S4具体为

(4-1)设计笛卡尔空间下的阻抗控制器，令机器人工作在力控模式下，阻抗控制器设计如下：

其中，和x_t分别表示参考位置和当前位置，和分别表示参考速度和当前速度，表示参考刚度，表示参考阻尼，表示参考力，f_ct表示阻抗控制器生成的力控制命令用以控制机器人，t为当前时间步，

(4-2)将第t-1时间步的参考力代入力动态运动原语模型中，生成第t时间步的参考力

(4-3)读取机器人第t-1时间步的当前位置x_t-1，将机器人第t-1时间步的当前位置x_t-1代入位置动态运动原语模型中，生成第t时间步的参考位置和参考速度

(4-4)计算机器人第t-1时间步的位置误差计算第t-1时间步对应激活最大的高斯基函数的下标j为 其中y(·)是向上取整函数。计算新的刚度动态运动原语模型权重参数^Kω_pj＝(1+g|e_t-1|)^Kω_j，^Kω_p＝(^Kω_p1，^Kω_p2，…，^Kω_pN)^T，其中g为预设增益。

(4-5)将第t-1时间步的参考刚度与新的刚度动态运动原语模型权重参数^Kω_p代入刚度动态运动原语模型中，生成第t时间步的参考刚度计算第t时间步的参考阻尼其中γ为预设系数。

(4-6)工控机读取机器人的当前位置x_t和当前速度将当前位置x_t和当前速度以及(4-2)到(4-5)计算得到的各项参数代入阻抗控制器中计算生成力控制命令f_ct，工控机将力控制命令f_ct输入机器人以完成控制。

(4-7)重复执行(4-2)到(4-6)，直到机器人完成轨迹复现。

步骤S4中刚度动态运动原语模型的稳定性证明如下：

当t→∞，^Kξ₃→0，因为机器人的位置误差e_t-1是有界的，所以新的刚度动态运动原语模型权重参数^Kω_p也是有界的，此时f(^Kξ₃)→0，刚度运动轨迹的位置^Kξ₁收敛到目标点^Kg，证明完成。

Claims (2)

1.一种基于多模态信息的机器人手持示教装置，包括手持示教笔(1)和皮肤张力测量手环(2)，其特征在于，所述手持示教笔(1)包括第一微处理器(1a)、第一无线通信模块(1b)、第一电源模块(1c)、惯性测量单元(1d)、力传感器(1e)、触发按钮(1f)、可替换尖端(1g)和辅助安装法兰(1h)；所述皮肤张力测量手环(2)包括第二微处理器(2a)、第二无线通信模块(2b)、第二电源模块(2c)、柔性电阻(2d)和信号转换模块(2e)；

所述第一电源模块(1c)向所述第一微处理器(1a)、所述第一无线通信模块(1b)和所述惯性测量单元(1d)供电；所述第一微处理器(1a)读取所述惯性测量单元(1d)实时测量的三维加速度信号和三维角速度信号；所述力传感器(1e)实时测量作用于所述手持示教笔(1)末端的六维力/力矩信号；所述触发按钮(1f)用于确定操作人员示教过程的起始时间和停止时间；所述辅助安装法兰(1h)用于将所述手持示教笔(1)上端安装在机器人末端；

所述第二电源模块(2c)为所述第二微处理器(2a)、第二无线通信模块(2b)和所述信号转换模块(2e)供电；所述柔性电阻(2d)受外力产生形变时，自身电阻值也会发生改变；所述信号转换模块(2e)实时将所述柔性电阻(2d)的电阻变化值转换为皮肤张力信号；所述第二微处理器(2a)实时读取皮肤张力信号，并通过第二无线通信模块(2b)向第一无线通信模块(1b)发送皮肤张力信号；

所述第一微处理器(1a)通过第一无线通信模块(1b)实时接收皮肤张力信号，向工控机实时发送三维加速度信号、三维角速度信号和皮肤张力信号；工控机经过坐标系转换和积分运算，将接收到的三维加速度信号和三维角速度信号转换为所述手持示教笔(1)末端的位姿信息，将皮肤张力信号通过转换算法转换为人体手臂末端刚度信息，读取所述力传感器(1e)测量的六维力/力矩信号，并将位置、力和刚度信息进行时间同步处理，运行基于多模态信息的算法生成控制命令传输给机器人；

所述第一微处理器(1a)、第一无线通信模块(1b)、第一电源模块(1c)和惯性测量单元(1d)安装在所述手持示教笔(1)内部，所述力传感器(1e)安装在所述手持示教笔(1)中部，所述触发按钮(1f)安装在所述手持示教笔(1)上部，所述可替换尖端(1g)安装在所述手持示教笔(1)末端，所述辅助安装法兰(1h)安装在所述手持示教笔(1)顶部；

所述第二微处理器(2a)、第二无线通信模块(2b)和信号转换模块(2e)安装在所述皮肤张力测量手环(2)外侧，所述第二电源模块(2c)安装在所述皮肤张力测量手环(2)内部，所述柔性电阻(2d)安装在所述皮肤张力测量手环(2)内侧，所述皮肤张力测量手环(2)与人体皮肤接触部分由柔性可伸缩材料制成。

2.一种基于多模态信息的机器人手持示教方法，其特征在于，包括以下步骤：

S1、标定与初始化：使用辅助安装法兰(1h)将手持示教笔(1)上端和机器人末端机械固连，进行示教过程前的标定与初始化；

S2、示教：解除所述手持示教笔(1)和机器人固连，开始示教，按住触发按钮(1f)，控制所述手持示教笔(1)末端沿着任务需求轨迹移动，与环境发生交互，完成示教后，松开触发按钮(1f)；

S3、建模：使用动态运动原语模型对多模态示教数据分别进行建模，得到位置、刚度和力动态运动原语模型；

S4、复现：使用所述辅助安装法兰(1h)将所述手持示教笔(1)上端和机器人末端机械固连，结合动态运动原语模型和刚度自适应算法生成参考轨迹，设计柔顺控制器对轨迹进行复现；

步骤S1中标定具体为：

(1-1)用手握住所述手持示教笔(1)下端，在手臂肌肉最小激活程度和高激活程度的情况下分别令机器人对手臂末端施加随机扰动，在扰动过程中工控机读取力传感器(1e)测量的机器人末端的力F_cal和机器人测量的末端位移Δx_cal，构建二者之间的动态关系为：

其中，是人体手臂阻抗模型，m_e，d_e和k_e分别表示系统的惯性、阻尼和刚度参数，i,j∈{x,y,z}；

(1-2)通过最小二乘法拟合出手臂末端刚度矩阵K_e的各个分量

(1-3)记手臂肌肉最小激活程度的情况下得到的手臂末端刚度矩阵为通过下式可求得手臂最小关节刚度矩阵

其中，J_a(q)为手臂雅可比矩阵，是J_a(q)的伪逆，q为手臂关节角度向量，F_ext为外力，K_j为手臂关节刚度矩阵，p_co(α)为肌肉共收缩系数；

(1-4)使用下式计算手臂肌肉激活程度α：

α＝σf_ten

其中f_ten为皮肤张力，σ为预定义常数，皮肤张力f_ten可由皮肤张力测量手环(2)测量得到；

(1-5)使用下式计算肌肉共收缩系数p_co(α)：

其中，ρ₁和ρ₂为手臂肌肉共收缩系数的参数；

(1-6)记手臂肌肉高激活程度的情况下得到的手臂末端刚度矩阵为通过下式可求得手臂肌肉共收缩参数ρ₁和ρ₂：

所述步骤S1中的初始化具体为：

(1-7)固定所述手持示教笔(1)和机器人不动，工控机计算出所述手持示教笔(1)末端在机器人坐标系下的位姿作为所述手持示教笔(1)末端的初始位姿，

步骤S2具体为：

(2-1)在示教过程中，工控机通过第一无线通信模块(1b)、第二无线通信模块(2b)和力传感器(1e)获取三维加速度信号、三维角速度信号、皮肤张力信号和六维力/力矩信号，将获取到的信号进行时间同步处理，经过坐标系转换和积分运算将同步后的三维加速度信号和三维角速度信号转换为手持示教笔(1)末端的位姿信息，使用刚度转换算法将同步后的皮肤张力信号转换为机器人末端的刚度信息；记录得到多模态示教数据{x_k,K_k,F_k}_{k＝[1,2,…,T]}，其中，x_k表示所述手持示教笔(1)末端的位姿信息，即机器人末端的位姿信息，K_k表示机器人末端的刚度信息，F_k表示机器人末端的力信息，T表示示教总时间步数；

刚度转换算法具体为：

(2-2)使用守恒协调转换公式将皮肤张力信号在线转换为手臂末端刚度矩阵：

(2-3)将手臂末端刚度矩阵K_e转换为机器人末端刚度矩阵K：

其中K_min和K_max分别代表机器人末端允许的最小和最大刚度值；

步骤S3中的动态运动原语模型表示如下：

其中，m代表系统刚度，n代表系统阻尼，g和ξ₀分别表示运动目标值和初始值，τ表示时间缩放常数，ξ₁和ξ₂分别表示运动轨迹的位置和速度，ξ₃表示系统相位变量，β是预设的正常数，ω_i表示权重，φ_i表示高斯基函数，h_i表示高斯基函数的宽度，c_i表示高斯基函数的中心，N表示选取的高斯基函数的数量；合理选取高斯基函数的中心c_i和高斯基函数的宽度h_i，使在时间维度上高斯基函数均匀分布，同时每个基函数的宽度相同；在上述参数的左上方标记x,K或F，分别表示位置、刚度或力动态运动原语模型中的参数；

步骤S3具体为：

(3-1)给定示教轨迹{x_k,K_k,F_k}_{k＝[1,2,…,T]}，根据下式分别确定位置、刚度和力动态运动原语模型的函数^xf_target，^Kf_target和^Ff_target；

(3-2)通过下式分别求得位置、刚度和力动态运动原语模型的权重参数^xω，^Kω和^Fω；其中，^xω＝(^xω₁,^xω₂,…,^xω_N)^T，^Kω＝(^Kω₁,^Kω₂,…,^Kω_N)^T，^Fω＝(^Fω₁,^Fω₂,…,^Fω_N)^T；

步骤S4具体为：

(4-1)设计笛卡尔空间下的阻抗控制器，令机器人工作在力控模式下，阻抗控制器设计如下：

其中，和x_t分别表示参考位置和当前位置，和分别表示参考速度和当前速度，表示参考刚度，表示参考阻尼，表示参考力，f_ct表示阻抗控制器生成的力控制命令用以控制机器人，t为当前时间步，

(4-2)将第t-1时间步的参考力代入力动态运动原语模型中，生成第t时间步的参考力

(4-3)读取机器人第t-1时间步的当前位置x_t-1，将机器人第t-1时间步的当前位置x_t-1代入位置动态运动原语模型中，生成第t时间步的参考位置和参考速度

(4-4)计算机器人第t-1时间步的位置误差计算第t-1时间步对应激活最大的高斯基函数的下标j为 其中y(·)是向上取整函数；计算新的刚度动态运动原语模型权重参数^Kω_pj＝(1+g|e_t-1|)^Kω_j，^Kω_p＝(^Kω_p1,^Kω_p2,…,^Kω_pN)^T，其中g为预设增益；

(4-5)将第t-1时间步的参考刚度与新的刚度动态运动原语模型权重参数^Kω_p代入刚度动态运动原语模型中，生成第t时间步的参考刚度计算第t时间步的参考阻尼其中γ为预设系数；

(4-6)工控机读取机器人的当前位置x_t和当前速度将当前位置x_t和当前速度以及(4-2)到(4-5)计算得到的各项参数代入阻抗控制器中计算生成力控制命令f_ct，工控机将力控制命令f_ct输入机器人以完成控制；

(4-7)重复执行(4-2)到(4-6)，直到机器人完成轨迹复现。