| 在汽车生产线中,机械臂执行长时程多阶段操纵任务时,开环动作生成策略容易受视觉感知误差、目标位姿偏移及局部抓取失败等因素影响,导致局部偏差沿任务链持续累积,任务完成率降低。针对该问题,提出一种面向机械臂长时程操纵的闭环重规划方法。该方法在前期训练的分层混合专家策略基础上,引入推理阶段的闭环执行机制,通过阶段重判别、短时域滚动动作执行与局部失败动作恢复,实现机械臂执行过程中的在线反馈修正。利用预训练的任务级专家网络作为实时状态重判别器,动态捕获局部执行异常并驱动动作级专家在受扰状态下进行局部重规划,赋予系统出错自愈能力。在 RoboTwin 仿真平台和 UR3真实机械臂平台上的验证结果表明,所提方法能有效抑制干扰,显著提升系统在汽车生产线实际作业中的执行鲁棒性。 |