体重感知机器人机械手

作者坦尼娅Kuruvilla,2022年3月21日

7次查看(过去30天)|0个赞|0个评论

            在今日的帖子里,
            何塞阿根廷
            和我们谈论了一个感知算法开发专为机器人机械手决定抓住物体的重量。交给你了,何塞. .
           

            机器人的手,更正式称为机器人机械手,在机器人社区是一个活跃的研究领域。在这个博客中,我们将介绍一个感知算法开发专为机器人机械手决定抓住物体的重量。总的来说,关于环境的机器人操作的更多信息,将导致更多功能更健壮的算法。这项研究是目前发表的附带的文件开发的Bio-robotics实验室在大学根据墨西哥。在这个博客中,我们将简要介绍提供技术方面的研究和如何使用这些算法在任何机器人项目。

灵感(服务机器人)

            这个重量估算系统的灵感来自一个联赛的“机器人足球世界杯”竞争。国内服务机器人参与这种竞争的任务是找到家居用品和检索多个位置。然而,一些对象(如罐可以看起来一样但会不同…他们可以是空的!这是一个人类可以很容易地确定后捡起来,然而机器人需要帮助学习如何识别这些常见的对象的不同状态。知道一个物体的重量会赞美,否则可能会只感知算法基于视觉输入。然而,重量估计研究不仅适用于服务机器人。类似的算法也同样有价值的任何自治系统应用人机交互,制造业、建筑、医疗设备和军事应用。

从现有传感器的新见解

            这时你可能会问自己,如果你真的需要知道的东西的重量被机器人抓住,为什么不直接添加一个负载传感器你的机器人吗?(如你的浴室磅秤的)。

            你可以。但本研究的目的是证明你不需要添加任何更多的设备或机器人的复杂性。相反,您可以使用现有的信息从你的机器人关节,和一些数学,几乎得到相同的结果。简化一些,如果你知道你的机器人组件的重量,你应该能够教会机器人如何量化携带多余的体重。
           

            这就是您需要实现这个虚拟传感器:

机器人参数(几何、质量和惯性的机器人组件)
联合传感器信息(每个机器人关节力矩和位置)

实现

            这就是算法的解释变得更复杂。发现系统中的错误(错误),多余的重量成正比,我们首先必须计算的预期状态系统在给定配置。然后基于预期的扭矩机械手的配置,我们可以计算机械手关节上的对象施加的扭矩。这是健壮的,有必要使用一个最佳的状态估计方法。在这个实现中,滑模观测器是合成使用机械手的参数来重构必要的干扰项。如果你是怎么导出数学感兴趣,你可以参考出版。简而言之,结合滑模观察人士估计,需要一个系统模型来预测系统输出,然后他们拿这样的预测和测量正确的估计。这些模型通常会得到状态空间表示法,但使算法更加可重用文件发布开发使用刚体树特性。MATLABRBT对象封装一个机器人的参数,使常见的运动学和动力学算法实现和公用事业。完整的系统最终被结合滑模观测器的一个低通滤波器,和转换的错误检测到使用机器人几何上看到下面的仿真软件模型。万博1manbetx

建模与仿真

            算法首先使用模拟测试之前开发的一个真正的机器人。为此,机器人结构是进口的Simscape多体能够和机器人之间的相互作用的物理模型组件。模拟工厂允许离散分配的额外重量抓住对象通过使用一个变量质量组件。使用这种模拟,算法设计者可以评估性能参数的估计精度,稳定时间,甚至为鲁棒性测试分配像传感器量化误差来源。出于测试目的,仿真堆栈也有一个机器人关节控制器。根据用例和机器人算法适应,关节控制器子系统可以绕过在模拟使用理想的致动器,或自定义控制器从其他来源,如专用ROS节点可以集成。必须牢记的一件事体重估计量,实现它的时候,它依赖于从把握位置设置一个精确的距离测量第一个关节运动链。这意味着重量估算精度取决于机器人抓取指定距离内的物体始终关节。

使用和可重用性

            本研究协作不可或缺的一部分是为机器人提供一个可重用的包社区。该算法可以调整任何通过导入机器人机械手的工作描述MATLAB。这可以通过导入现有URDF文件或直接创建一个刚体树对象。然后有必要选择最近的联合终端执行器的旋转轴线垂直于重力向量。这些信息和更新的刚体树,该算法可以进行新的机器人平台和测试可以生成活性氧节点对所需的子系统,以重量估算融入复杂机器人系统。我们希望您发现本研究回顾有用,如果你有兴趣学习更多,演示文件可用的吗出版。