Ime strani: ARRSProjekti / 2016 / Učenje in avtonomna adaptacija dvoročnih montažnih in servisnih nalog

Učenje in avtonomna adaptacija dvoročnih montažnih in servisnih nalog


Nazaj na seznam za leto 2016


Oznaka in naziv projekta

J2-7360 - Učenje in avtonomna adaptacija dvoročnih montažnih in servisnih nalog
J2-7360 - Learning and autonomous adaptation of dual arm assembly and service tasks

Logotipi ARRS in drugih financerjev

© Javna agencija za raziskovalno dejavnost Republike Slovenije

Projektna skupina

Vsebinski opis projekta

Večina nalog, ki jih opravlja človek, zahteva koordinirano gibanje obeh rok. Zato potrebujemo dvoročne robote povsod tam v industriji, kjer želimo nadomestiti delavca z robotom in kjer robot sodeluje s človekom v proizvodnem procesu. Dvoročna manipulacija je pomembna tudi za področje humanoidne in servisne robotike, saj na ta način delujejo ljudje. Dvoročni roboti zato lažje sodeluje s človekom kot klasične robotske roke. V zadnjem času je več proizvajalcev industrijskih robotov začelo razvijati dvoročne sisteme z namenom, da bi omogočili prodor robotike na nova področja uporabe. Vendar pa potrebujemo za uspešno uporabo dvoročnih robotskih sistemov nove postopke za robotsko učenje in vodenje, za kar v industriji in v tudi sicer v robotiki še ne obstajajo ustrezne rešitve. Glavni cilji raziskave so naslednji:

  1. Razviti učinkovite postopke učenja dvoročnih nalog na osnovi človekove demonstracije. Pri tem bomo za demonstracijo gibanja uporabili kinestetično vodenje in vodenje s haptičnimi vmesniki. Poleg trajektorij gibanja bomo zajemali tudi časovne poteke sil in navorov, ki pri tem nastanejo.
  2. Razviti postopke, ki omogočajo učinkovito in avtonomno prilagajanje dvoročnega koordiniranega gibanja glede na odstopanja, ki so lahko posledica nenatančnega prijemanja, odstopanja v geometriji predmetov ali nepopolno naučenih trajektorij gibanja. Znano je, da lahko že zelo majhne napake pri koordiniranem gibanju obeh rok privedejo do zelo velikih medsebojnih sil. Zato bomo razvili postopke, ki bodo prilagajali trajektorije na tak način, da bodo minimizirana odstopanja med izmerjenimi in želenimi silami. V ta namen bomo uporabljali iterativne učeče regulatorje (ILC, angl. "iterative learning control") in spodujevano učenje (RL, angl. "reinforcement learning"). Da bi pospešili konvergenco adaptacije in hkrati izkoristili prednosti brezmodelskih pristopov, bomo raziskali tudi kombinacijo obeh pristopov.
  3. Razvite postopke dvoročne manipulacije preizkusiti na praktičnih nalogah s področja avtomatizirane proizvodnje in na tipičnih opravilih v domačih okoljih. Razvite metode bomo preizkusili na večih industrijskih in servisnih nalogah, med njimi dvoročno vstavljanje čepa v odprtino, dvoročno sestavljanje avtomobilskega žarometa in nalogo dvoročnega brisanja kozarcev.

Pričakujemo, da bodo rezultati raziskave bistveno pripomogli k hitrejšemu uvajanju dvoročnih robotskih sistemov tudi v maloserijsko in obrtniško proizvodnjo, kjer je izrazita potreba po hitrem in enostavnem učenju dvoročnih robotov oziroma prilagajanju izvedbe naučenih nalog pod spremenjenimi vendar podobnimi pogoji v robotski celici. Prav tako bodo razviti algoritmi pripomogli k hitrejšemu uvajanju robotov kot pomočnikov v naših vsakdanjih okoljih ter k bolj učinkoviti uporabi tako imenovanih servisnih robotov pri nadomeščanju človeka v nevarnih operacijah v naravnih okoljih. Pri takšnih problemih je ključno, kako enostavno in učinkovito se lahko robot nauči nove dvoročne naloge.

© Javna agencija za raziskovalno dejavnost Republike Slovenije

Z uspešno izvedbo tega projekta bomo prispevali k rešitvi enega od najbolj aktualnih problemov moderne robotike z velikim ekonomskim potencialom: vpeljava dvoročnih robotov in vodenja po sili v industrijske procese in v servisne robote.

Delovni sklopi projekta

  • Delovni sklop DS1: Metode za učenje dvoročnih nalog s posnemanjem.
  • Delovni sklop DS2: Algoritmi za izvajanje in prilagajanje dvoročnih nalog.
  • Delovni sklop DS3: Implementacija in eksperimentalna evalvacija metod na praktičnih primerih

Bibliografske reference

  • A. Kramberger, A. Gams, B. Nemec, D. Chrysostomou, O. Madsen, and A. Ude (2017) Generalization of orientation trajectories and force-torque profiles for robotic assembly, Robotics and Autonomous Systems, vol. 98, pp. 333-346.
  • B. Nemec, M. Simonič, N. Likar, and A. Ude (2017) Enhancing the Performance of Adaptive Iterative Learning Control with Reinforcement Learning, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Vancouver, Canada, pp. 4728-4735.
  • A. Batinica, B. Nemec, A. Ude, M. Raković, and A. Gams (2017) Compliant Movement Primitives in a Bimanual Setting, 17th International Conference on Humanoid Robotics (Humanoids), Birmingham, UK, pp. 365-371.
  • A. Ude, R. Vuga, B. Nemec, and J. Morimoto (2016) Trajectory Representation by Nonlinear Scaling of Dynamic Movement Primitives, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Daejeon, South Korea, pp. 4728-4735.
  • B. Nemec, N. Likar, A. Gams, and A. Ude (2016) Bimanual Human Robot Cooperation with Adaptive Stiffness Control, 2016 IEEE-RAS 16th International Conference on Humanoid Robots (Humanoids), Cancun, Mexico, pp. 607-613.
  • A. Kramberger, A. Gams, B. Nemec and A. Ude (2016) Generalization of Orientational Motion in Unit Quaternion Space, 2016 IEEE-RAS 16th International Conference on Humanoid Robots (Humanoids), Cancun, Mexico, pp. 808-813.


Nazaj na seznam projektov po letih