Intelligent control and impedance adjustment for efficient human-robot cooperation

Η αλληλεπίδραση ανθρώπου – ρομπότ είναι μια ερευνητική περιοχή που στοχεύει στον επιτυχή συνδυασμό των δυνατοτήτων ρομπότ και ανθρώπου. Τα ρομπότ μπορούν να βοηθήσουν τους ανθρώπους σε ζητήματα ακρίβειας, ταχύτητας και δύναμης. Επιπρόσθετα, τα ρομπότ μπορούν περιορίσουν συμπτώματα όπως το άγχος και η κούραση του χρήστη, βελτιώνοντας έτσι τις συνθήκες εργασίας του. Βέβαια, καθοριστικός παράγοντας στην υλοποίηση των παραπάνω είναι ο άνθρωπος, όπου μέσα από την εμπειρία και την τεχνογνωσία εκτέλεσης καθημερινών καθηκόντων, τη διαίσθηση του, την εύκολη μάθηση την κατανόηση και την προσαρμογή του με τις μεθόδους ελέγχου, μπορεί να εκπαιδεύσει ένα ρομπότ. Ο κορμός αυτής της διδακτορικής διατριβής χωρίζεται σε 3 μέρη: το πρώτο μέρος έχει να κάνει με την ασφάλεια ενώ στο δεύτερο μέρος αναλύονται οι τεχνικές ελέγχου αλληλεπίδρασης ανθρώπου – ρομπότ. Στο τρίτο μέρος, παρουσιάζονται τεχνικές βελτίωσης της αλληλεπίδρασης. Όσο αφορά την ασφαλή αλληλεπίδραση ανθρώπου-ρομπότ, προτείνεται μια προσέγγιση πολυστρωματικού πρόσθιας φόρτωσης νευρωνικού δικτύου (multilayer feedforward Neural Network) για τον εντοπισμό της σύγκρουσης ανθρώπου-ρομπότ καθώς και της αναγνώρισης του σχετικού συνδέσμου (link), λαμβάνοντας υπόψιν τα πρότυπα ασφαλείας. Η τοπολογία ενός νευρωνικού δικτύου σχεδιάζεται με βάση την δυναμική σύζευξης (coupled dynamics) του ρομπότ, η οποία εκπαιδεύεται με και χωρίς εξωτερικές επαφές σύμφωνα με τον αλγόριθμο του Levenberg-Marquardt που ανιχνεύει ανεπιθύμητες συγκρούσεις μεταξύ χειριστή και του εκάστοτε συνδέσμου του ρομπότ. Δυο αρχιτεκτονικές νευρωνικών δικτύων αναπτύσσονται: Η πρώτη εξαρτάται από τις θέσεις των αρθρώσεων και των αισθητήρων ροπής του ρομποτικού βραχίονα. Αυτή η αρχιτεκτονική είναι ιδιαίτερα ωφέλιμη σε συνεργατικά ρομπότ. Η δεύτερη αρχιτεκτονική βασίζεται μόνο στους αισθητήρες θέσης του ρομποτικού βραχίονα. Η δεύτερη μέθοδος μπορεί να εφαρμοστεί σε οποιοδήποτε βιομηχανικό ρομπότ. Τα πειραματικά αποτελέσματα αποδεικνύουν ότι οι προτεινόμενες μέθοδοι είναι ιδιαίτερα αποδοτικές και πολύ γρήγορες στον εντοπισμό συγκρούσεων σε ασφαλείς περιοχές, προσδιορίζοντας τον σύνδεσμο σε ολόκληρο τον χώρο εργασίας. Ανεξάρτητα (χωρίς συσχέτιση με άλλους συνδέσμους) νευρωνικά δίκτυα, ένα για κάθε άρθρωση, σχεδιάζονται και εκπαιδεύονται, χρησιμοποιώντας τα ίδια δεδομένα, και η απόδοση τους συγκρίνεται με τα εξαρτώμενα νευρωνικά δίκτυα ποσοτικά αλλά και ποιοτικά. Στο δεύτερο μέρος της διατριβής, παρουσιάζεται μια μέθοδος ελέγχου μεταβλητής εισόδου (variable admittance control) για την συνεργασία ανθρώπου – ρομπότ, εξαρτώμενη από την σύγχρονη (online) εκπαίδευση ενός νευρωνικού δικτύου. Η εικονική απόσβεση, η εικονική αδράνεια ή και οι δύο ρυθμίζονται και διερευνώνται για τη βελτίωση της συνεργασίας ανθρώπου-ρομπότ. Ο σχεδιασμός του μεταβλητού ελεγκτή αναλύεται καθώς επίσης και η επιλογή του νευρωνικού δικτύου, συμπεριλαμβανομένου των εισόδων και εξόδων του. Σε περίπτωση ρύθμισης μόνο της εικονικής αδράνειας ή μόνο της εικονικής απόσβεσης επιλέγεται ένα πολυστρωματικό πρόσθιας φόρτωσης νευρωνικό δίκτυο (multilayer feedforward Neural Network), όπου το σφάλμα (backpropagation error) λαμβάνεται υπόψιν κατά την εκπαίδευση του νευρωνικού δικτύου. Σε περίπτωση ρύθμισης τόσο της εικονικής απόσβεσης όσο και της εικονικής αδράνειας ταυτόχρονα, χρησιμοποιείται το επαναλαμβανόμενο νευρωνικό δίκτυο (RNN) Jordan συνοδευόμενος από τον αντίστοιχο αλγόριθμο μάθησης σε πραγματικό χρόνο. Υλοποιείται έμμεση εκπαίδευση του δικτύου με βάση το σφάλμα ταχύτητας μεταξύ της ταχύτητας αναφοράς του μοντέλου στην περίπτωση που ακολουθεί ελάχιστα απότομη τροχιά και της πραγματικής ταχύτητας του ρομπότ. Η προτεινόμενη απόδοση του ελεγκτή μεταβλητής εισόδου (variable admittance controller) διερευνάται πειραματικά και η γενίκευση της αξιολογείται με συνεργατικές εργασίες με τη βοήθεια πολλαπλών χειριστών του ρομποτικού βραχίονα KUKA LWR υπό διαφορετικές συνθήκες και εργασίες οι οποίες αξιοποιούνται στην εκπαίδευση του νευρικού δικτύου. Επιπλέον, γίνεται σύγκριση μεταξύ των παραλλαγών του ελεγκτή μεταβλητής εισόδου (variable admittance controller), όπου τόσο η εικονική απόσβεση όσο και η εικονική αδράνεια ρυθμίζονται ταυτόχρονα ή ξεχωριστά. Για τη βελτίωση της αλληλεπίδρασης ανθρώπου-ρομπότ, προτείνεται μια προσέγγιση για την αξιολόγηση της συνεργασίας ανθρώπου-ρομπότ με στόχο την επίτευξη υψηλών επιδόσεων. Τόσο το ανθρώπινο χέρι όσο και ο ρομποτικός βραχίονας μοντελοποιούνται ως μια κλειστή κινηματική αλυσίδα (closed kinematic chain) και τα κριτήρια αξιολόγησης της απόδοσης αναλύονται βάσει της δυνατότητας χειρισμού. Η επιλεγμένη εργασία είναι μια ευθεία κίνηση στην οποία το άκρο του ρομπότ οδηγείται από τον άνθρωπο μέσω ενός ελεγκτή εισόδου (admittance controller). Η καλύτερη θέση της επιλεγμένης εργασίας καθορίζεται με τη μεγιστοποίηση της ελάχιστης δυνατότητας χειρισμού κατά μήκος της διαδρομής. Τα κριτήρια αξιολόγησης για την απόδοση υιοθετούνται λαμβάνοντας υπόψη εργονομικές μεθόδους. Στην πειραματική διάταξη με τον βραχίονα KUKA LWR, πολλοί εθελοντές χειριστές επαναλαμβάνουν την καθορισμένη κίνηση και αξιολογούν εμπειρικά την παραπάνω προσέγγιση.