Esineiden Kuljettaminen Kohteeseen

Link: http://robotics.cs.iastate.edu/ResearchBatting2D.shtml

Lennon kohteen, kuten pallon tai neliön, kohdistus kohteeseen on taitava manööri, joka vaatii paljon käytäntöä ihmisen oppimiseksi. Robotille tämä tehtävä haastaa sen havaitsemisen, suunnittelun ja hallinnan siinä määrin, että tarvitaan täysi koordinointi vain murto-osassa sekuntia. Tehtävään liittyy objekti, joka heitetään kahden linkin robottihaaraan, johon on kiinnitetty lepakko, ja käsivarren liikettä suunnitellaan osumaan esineeseen polkua pitkin kohteeseen.

Vaikutusdynamiikka mittaa muutoksen lepakon ja objektin liikkeessä, mikä saa aikaan kohteen vaikutuksen jälkeisen tilan, jota voidaan arvioida kohteena olevan lennon rajoituksen mukaan. Tässä työssä tarkastellaan kaksiulotteista vaikutusta, jossa robotin varren ja kohteen reitit rajoittuvat pystysuoraan tasoon. Tämän jälkeen kehitetään käänteisen iskun ongelman ratkaisu, jossa kohteen haluttu jälkivaikutusreitti tavoitteen läpi johtaa haluttuun muutokseen sen liikkeessä törmäyksen aikana ja lopulta batting-liikkeeseen, joka on tarpeen muutoksen aikaansaamiseksi. Alla oleva video näyttää tulokset eri lyöntitapauksista.

Batting-järjestelmä

Vetotehtävän onnistuneeksi toteuttamiseksi on toteutettava useita ylimääräisiä lävistyskomponentteja, kuten manipulaattorin kinematiikka, lentomekaniikka ja kohteen liikearviointi. Alla oleva kuva havainnollistaa, miten nämä komponentit toimivat yhdessä batting-järjestelmässä:

Tarkastellaan jokaisen esineen ammusmekaniikkaa, jossa vetämisen ja Magnuksen aerodynaamiset vaikutukset arvioidaan lähelle tilan estimointia ja joita käytetään ennustamaan kohteen liikerataa ennen iskua ja sen jälkeen. Lisäksi robotin varren kinematiikka yhdessä Impact Dynamicsin kanssa lisää rajoituksia liikesuunnittelualgoritmille, joka tuottaa jatkuvasti halutun yhteishankkeen robotin varrelle.

Liikkeen estimointi

Tietokoneen visio on olennainen osa battitoimintoa, joka on välttämätön, jotta robotti havaitsee kohteen sijainnin ja suunnan käsittelemällä kuvia kamerasta, kun taas liikkeen estimointia tarvitaan kohteen nopeuksien seuraamiseksi. Hybridiliikkeen estimaattori toteutetaan käyttämällä objektin suunnan pienimmän neliösumman sovitusta ja laajennettua Kalman-suodatinta, joka ottaa huomioon vetämisen ja Magnuksen aerodynaamiset voimat. Aerodynamiikkaan osallistuminen mahdollistaa kohteen sijaintiradan tarkan ennustamisen ennen vaikutusta ja sen jälkeen, mikä on ratkaisevan tärkeää robotin suorittamaan tehtävän kunnioitettavalla onnistumisasteella. Samaan aikaan objektin suunnan pienimmän neliösumman sovittaminen antaa arvion kulmanopeudesta, kun se on eriytetty. Tämä mahdollistaa kulmanopeuden mallin puuttumisen,

Kitkavaikutus 2D: ssä

Lavan ja kohteen välinen vaikutus on mallinnettu impulssilla, kun otetaan huomioon Coulombin kitka-laki. Energialähtöistä palauttamista käytetään siten, että lyhyen vaikutusjakson aikana kineettinen energia siirretään osittain lepakon ja kohteen välillä ja häviää osittain lämmön, valon, äänen ja muiden energiamuotojen välillä. Lisäksi, kun Coulombin lain mukaan harkitaan kitkaa, kahden kohteen välinen kosketustila muuttuu niiden nopeuksien ja fysikaalisten parametrien mukaan, jolloin tuloksena on liukuvien, kiinnittyvien ja käänteisten liukuvien objektien yhdistelmä. Alla olevassa kuvassa näkyy iskun hetki sekä kaksi erilaista vaikutusta impulssikäyrillä. Objektit liukuvat aluksi, missä ensimmäisessä tapauksessa ne siirtyvät kiinni, ja toisessa tapauksessa ne siirtyvät käänteiseen liukumaan.

Vaikutusten suunnittelu

Robottivarren liikkeen suunnittelussa on määriteltävä lepakon sijainti ja nopeus halutun iskun lopputuloksen tyydyttämiseksi, kääntämällä ne nivelasentoihin ja nopeuksiin käänteisen kinematiikan avulla ja toistamalla tämä prosessi, jotta robotin liike pidetään ajan tasalla ja tarkkana. Lisäksi on varmistettava, että robotti ei ylitä koko nivelen asennon, nopeuden ja kiihtyvyyden rajoja koko käden liikkeessä. Nämä rajoitukset yhdessä muiden kanssa muodostavat yhteensä kuusitoista rajoitusta käsivarren tilojen tilalle, jotka voivat suorittaa tehtävän. Monet näistä rajoituksista etenevät algoritmin useiden syklien aikana, kun varren nivelreitit on jaettu yhteen muodostaakseen kvartaalisten polynomien spline.

 

Lisätietoja on seuraavissa asiakirjoissa:

Leave a Reply

Your email address will not be published. Required fields are marked *