面向机器人在未知居家场景中执行复杂操作任务的需求，本研究提出了一种基于概率模型的示教学习方法PRIMP（全称：PRobabilistically-Informed Motion Primitives）与基于工作空间密度的机械臂轨迹规划算法Workspace-STOMP。进而，通过学习物品可供性，在虚拟环境中模拟倒水、舀水等动作，得到机器人完成特定任务所需的关键末端六维位姿，从而生成全新操作轨迹，引导机器人操纵物品。所提出的算法提升了类人操作轨迹生成效率、新环境中避障成功率及任务完成度。

【相关论文】

[1] Ruan, S., Liu, W., Wang, X., Meng, X. and Chirikjian, G.S., 2024. PRIMP: PRobabilistically-Informed Motion Primitives for Efficient Affordance Learning from Demonstration. IEEE Transactions on Robotics. doi: 10.1109/TRO.2024.3390052  

https://ieeexplore.ieee.org/document/10502164