结合力信息和机器学习算法对书法机器人进行研究,可以更好地体现书法风格,并为机器人在其他复杂任务中的提供较高的参考意义。当前书法机器人的应用以示教为主,为了提高机器人学习书法风格的能力,论文提出了一种结合力传感技术与学习算法的机器人书法方案,并通过实验进行了验证与分析。论文首先通过力传感器采集示范者书写汉字的接触力特征,获得书法竖直方向上的轨迹坐标,使用神经网络学习书法风格,最后结合细化算法与接触力特征,获取机器人书法过程中的轨迹,并结合以上技术完成了机器人书法云仿真平台的开发。论文主要研究内容有以下几点:(1)提出了处理示范者书法接触力信号的方法。该方法首先设计了一款固定在力传感器上的毛笔夹具,使用力传感器配合夹具采集力信号,并且使用多个拟合方程归纳接触力特征,经过参数对比,选用正弦方程来建立回归模型,对毛笔笔触进行了弹性分析,最终获取笛卡尔坐标系中Z方向的轨迹。(2)针对论文中使用的书法风格数据集特征较为复杂的特点,对传统Le Net-5卷积神经网络进行改进,并通过实验进行效果对比,证明了改进后的Le Net-5可以更好的学习书法风格。并基于Cycle GAN构建了不同书法风格之间的迁移模型,使用训练好的生成模型对汉字进行风格迁移。(3)基于细化算法提取了汉字骨架的像素坐标,再按照一定比例转换为实际坐标。基于Open CV对书法汉字进行了二值化、去噪和滤波等操作,并使用细化算法提取汉字的行笔轨迹,并转换为机器人笛卡尔坐标系中的XY平面轨迹,结合采集到的接触力特征,得到机器人末端轨迹。最后结合机器人的运动学与坐标系标定,生成对应的控制程序。(4)搭建机器人书法仿真云平台。将论文提出的机器人书法系统集成到平台中,基于React搭建了前端界面,基于Flask搭建了后端服务器,并通过实验,验证了论文提出的机器人书法方案的有效性。