Core Concepts
In dieser Studie wird ein Verfahren zur Generierung von Wischbewegungen entwickelt, das die Kontaktkräfte auf verschiedenen Oberflächen und unterschiedliche Aufgabendefinitionen berücksichtigt. Dazu wird ein neuronales Netzwerk verwendet, das die Übergänge der Kontaktsensordaten vorhersagt und an die aktuellen Oberflächeneigenschaften angepasst werden kann.
Abstract
In dieser Studie wird ein lernbasierter Ansatz zur Steuerung von Wischbewegungen für Roboter mit geringer Steifigkeit entwickelt. Dabei werden folgende Aspekte berücksichtigt:
Verschiedene Oberflächenmaterialien: Das System kann mit unterschiedlichen Oberflächen wie Schaum, Pappe, Plastik usw. umgehen, indem es die Oberflächeneigenschaften in einem parametrischen Bias des neuronalen Netzes repräsentiert.
Unterschiedliche Aufgabendefinitionen: Durch Anpassung der Verlustfunktion kann das System verschiedene Ziele wie gleichmäßige Kraftverteilung oder gezielte Kraftanwendung auf Teilbereiche der Oberfläche umsetzen.
Roboter mit geringer Steifigkeit: Das System wurde für einen Roboter mit geringer Steifigkeit (MyCobot) entwickelt, der im Vergleich zu hochsteifen Robotern ungenauere Bewegungen ausführt. Durch das lernbasierte Vorgehen kann der Roboter trotzdem geeignete Wischbewegungen ausführen.
Das Kernkonzept besteht darin, ein neuronales Netzwerk (Tactile Transition Network with Parametric Bias, TTNPB) zu trainieren, das den Übergang der Kontaktsensordaten bei Anwendung eines Steuereingangsvektors vorhersagt. Durch Anpassung des parametrischen Bias kann das Netzwerk an verschiedene Oberflächenmaterialien angepasst werden. Während des Betriebs wird der parametrische Bias online aktualisiert, um die aktuellen Oberflächeneigenschaften zu erkennen.
Zur Steuerung der Wischbewegung wird dann eine Optimierung des Steuereingangsvektors durchgeführt, um verschiedene Aufgabendefinitionen zu erfüllen, die über Verlustfunktionen der Kontaktsensordaten spezifiziert werden.
Die Experimente zeigen, dass das System in der Lage ist, auf verschiedenen Oberflächen und unter unterschiedlichen Aufgabendefinitionen geeignete Wischbewegungen auszuführen, auch wenn der zugrunde liegende Roboter eine geringe Steifigkeit aufweist.
Stats
Die Kontaktkraft in z-Richtung sollte möglichst nahe an einem Referenzwert von 200 liegen.
Die Standardabweichung der Kontaktkraft in y-Richtung sollte minimiert werden.
Die Kontaktkraft in z-Richtung sollte möglichst nur auf der rechten Seite des Sensors und nicht auf der linken Seite angreifen.
Quotes
"Durch Anpassung der Verlustfunktion kann das System verschiedene Ziele wie gleichmäßige Kraftverteilung oder gezielte Kraftanwendung auf Teilbereiche der Oberfläche umsetzen."
"Durch das lernbasierte Vorgehen kann der Roboter trotzdem geeignete Wischbewegungen ausführen."