本技术提供一种机器人异常动作检测方法、装置、系统以及存储介质，属于动作检测技术领域，方法包括:导入原始关节轴序列数据，通过原始关节轴序列数据构建时空图；构建训练模型，通过时空图对训练模型进行模型分析得到检测模型；导入待检测关节轴序列数据，通过检测模型对待检测关节轴序列数据进行检测得到机器人异常动作的检测结果。本发明实现了对异常动作的快速定位与检测，也实现了较高地响应速度和检测精度，有效地降低了伤害风险，能够满足工业场景的精度和时间性能要求。

 本技术提供了一种多机械臂协同运动规划方法，可以应用于多机械臂协同控制领域，该方法包括:将多个机械臂各自的动作值和观察值输入动作预测模型的编码器，得到多个机械臂各自的中间动作值和参考中间动作值，观察值表征机械臂执行动作操作后的状态信息，参考中间动作值为多个机械臂均处于预设状态下机械臂的动作值；将多个机械臂各自的中间动作值、参考中间动作值、观察值、部分可观察值分别输入与多个机械臂各自对应解码器，得到多个机械臂各自的目标动作值，部分可观察值为机械臂处于预设状态下的状态信息；控制多个机械臂按照各自的目标动作值运动，以对发动机的缸盖执行装配任务，激励函数包括与装配任务中与各阶段对应的子激励函数。

 本技术提供了一种基于宽度学习模型的机器人柔顺轴孔装配方法，所述方法包括:通过力矩传感器获取末端执行器与环境的接触信息；在仿真训练中对宽度学习模型进行初始化训练，得到初始孔位搜索模型，并通过增量学习对所述初始孔位搜索模型进行动态泛化，以更新得到最新孔位搜索模型；基于所述接触信息和机器人的末端位置，并通过所述最新孔位搜索模型进行孔位搜索，得到最优孔位置；基于所述最优孔位置，并通过仿人柔顺控制算法控制所述机器人进行装配操作，完成轴孔装配任务。通过本文，使得机器人能够在不同环境和力反馈条件下自动调整自身参数，机器人具备与环境的仿人柔顺交互能力，有利于提升轴孔装配任务的成功率。

 本技术提供了一种基于结构化动作空间的多机械臂运动规划强化学习训练方法、机械臂运动规划方法。该基于结构化动作空间的多机械臂运动规划强化学习训练方法包括:获取多机械臂的样本状态位姿和针对多机械臂所需执行的样本任务对应的任务目标坐标；将状态位姿和任务目标坐标输入至预设分层强化模型的高层学习模块，得到离散关节动作值；将状态位姿、任务目标坐标和离散关节动作值输入至预设分层强化模型的低层学习模块，得到连续关节动作值；基于离散关节动作值和连续关节动作值调整多机械臂的位姿，得到多机械臂的调整位姿；基于多机械臂的调整位姿确定奖励值；基于奖励值调整预设分层强化模型的低层学习模块，得到经训练的分层强化模型。

本技术公开了一种基于改进RRT算法的机械臂路径规划方法，首先以合向量的形式生成节点，有利于快速找到路径；其次使用动态步长一定程度上使得算法避免了在复杂障碍物环境下难以找到路径的问题，防随机树逆生长避免了后期节点过多而导致的大量计算；进一步，基于三角剪枝策略在初始路径的基础上有效减少了路径代价，并使用三次B样条曲线对剪枝后的路径光滑处理，降低了机械臂的抖动，减少机械臂运动过程中而产生的磨损。通过改进RRT算法降低了路径距离且优化了路径质量，避免盲目采样的同时提高了规划效率。

本文公开了一种基于分数阶反馈的机械臂减振控制方法，包括以下步骤:构建机械臂的动力模型；获取当前位置的力矩，建立电机力矩变化方程；构建分数阶微分反馈的综合控制器；进行频率响应分析，获取反馈控制低通滤波器频率响应函数；在开环控制下测试机械臂振动响应特性，分析振动频率特性；构建反馈控制器；基于截取反馈控制器的特定长度以及FFT快速算法，获取分数阶反馈控制器。本申请利用反馈控制实现低通滤波作用，从而进行减振。另一方面对分数阶反馈控制器截取有限长度，既兼顾了减振性能，降低成本。同时FFT算法用于分数阶反馈控制器实现，大大降低了计算量，提高了计算效率，降低了计算时延及反馈控制时延。

本技术公开一种面向大型复杂构件的机器人轨迹自适应修正方法，包括变形区域识别及配准处理、轨迹自适应修正和姿态自适应修正。本发明通过结合离线编程和现场扫描点云的方法进行轨迹和姿态的自适应修正。解决了大型构件离线加工程序与现场构件难以匹配的难题，取代了人工手动修轨迹，并且结合刚性配准和非刚性配准，提高了现场数据和离线数据配准的计算速度。本发明通过刚性配准结合非刚性配准的方法，将局部变形量大的部分识别并进行配准，快速进行模型修正；通过轨迹知识库的工艺规则快速匹配对应的修正方案，实现轨迹自适应功能；通过修正轨迹点的可达性检查，实现姿态自适应功能。最终实现整套轨迹和位姿的输出。

本技术公开了一种蛇型运动机构，包括多个关节，多个所述关节之间串联活动连接，相邻的所述关节之间通过光致伸缩部件驱动连接，所述光致伸缩部件配置有激光传输发射部件。所述光致伸缩部件由光致伸缩材料制成；所述光致伸缩部件的形状呈圆柱体。相邻的所述关节之间设置有阻尼驱动弹簧；所述阻尼驱动弹簧的形状呈螺旋形；所述阻尼驱动弹簧套置在所述光致伸缩部件上。该蛇型运动机构采用了全新的驱动方式，从根本上取消了钢丝驱动的方式，彻底消除了钢丝需要电机带动，造价昂贵，钢丝易拉断，钢丝驱动控制蛇型运动机构不稳定，钢丝的干涉和耦合复杂等缺陷，为医疗机器人中蛇型运动机构的驱动方式开创了全新的发展方向。

本文章的一种管状工件加工平台，属于加工平台领域，包括平台板，平台板上设有放置盘，放置盘能转动；放置盘上滑动连接有两个活动组件；活动组件包括:活动板，活动式卡设在放置盘上，能沿放置盘滑动；转动柱，转动连接在活动板上；抵接盘，连接在转动柱上，抵接盘处于转动柱的一端端部且位于两个活动板之间；卡头，固定在抵接盘上，与管状工件的内壁相适配；其中一个活动板上安装有用于驱动对应的转动柱转动的伺服电机；放置盘上转动连接有螺纹杆，螺纹杆上设有两段螺纹段，两段螺纹段分别与两个活动板螺纹连接。该加工平台能调整工件的位置，而且通过伺服电机和转动柱可以直接转动工件使工件翻面，节约步骤。

 一种基于深度学习的多机器人柔性物体伺服方法，包括:1、搭建多机协同操作柔性物体装配场景；2、确认柔性物体位置以及抓取点，控制双机器人协同抓取柔性物体；3、双机器人协同柔性物体伺服成多组形状，并记录柔性物体的点云信息和机器人末端位置信息；4、特征提取器提取点云信息的特征向量，并训练形变控制模块；5、收集一组随机生成的形状点云信息并导入到形变控制模块中，输出运动指令，控制双机器人协同抓取柔性物体，并将物体形状伺服到目标形状。本技术设计了一套基于深度学习、柔性物体形状伺服和多机协同控制的框架，提高了机器人对不同材料可形变零件的形状伺服的泛化性，提升柔性部件形状伺服作业任务的复杂度和精确度。