Тип работы:
Предмет:
Язык работы:


МОДЕЛИРОВАНИЕ УПРАВЛЕНИЯ ДВИЖЕНИЕМ ПАЛЬЦЕВ С ЗАВИСИМЫМИ СОЕДИНЕНИЯМИ АНТРОПОМОРФНОГО РОБОТА AR-601M ПРИ ЗАХВАТЕ ОБЪЕКТОВ

Работа №35941

Тип работы

Дипломные работы, ВКР

Предмет

программирование

Объем работы92
Год сдачи2019
Стоимость0 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
180
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 3
1. ОБЗОР ЛИТЕРАТУРЫ 6
2. ОПИСАНИЕ РОБОТА AR-601M И ЕГО ПАЛЬЦЕВ 53
3. МОДЕЛИРОВАНИЕ ДВИЖЕНИЯ ПАЛЬЦЕВ РОБОТА 55
3.1 Модель зависимого соединения 55
3.2 Определение значений параметров зависимых соединений 56
3.3 Решение проблем прямой и обратной кинематики для пальцев 60
3.4 Расчет рабочих пространств пальцев 62
3.5 Описание кинематики манипулятора и рабочего пространства 64
4. ЗАХВАТ ОБЪЕКТОВ 67
4.1 Типовые решения 67
4.2 Выбранное решение 68
4.3 Моделирование среды и объектов для захвата 69
4.4 Апробация захвата объектов 71
ЗАКЛЮЧЕНИЕ 74
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 75
ПРИЛОЖЕНИЕ

Развитие робототехники обусловлено желанием облегчить работу или полностью заменить человека в разнообразных областях деятельности. В настоящее время наблюдается интенсивное развитие гуманоидных роботов [60]. Возможности использования гуманоидных роботов широки, включая как самостоятельную деятельность, так и совместную деятельность с группой людей. Проводятся различные исследования с целью создать максимально правдоподобную копию человека, с идентичной походкой, движениями рук и интеллектом. На данный момент достигнуты значительные успехи в различных направлениях их разработки, например, в передвижении [61]. Тем не менее, у современных гуманоидных роботов отсутствует полный набор возможностей, соответствующий функционалу человека. Поэтому необходимо развивать их комплексно, улучшать движения их рук, ног, зрение и интеллект.
Анализ существующих применений гуманоидных роботов приводит к выделению такого необходимого навыка как ловкая манипуляция различными объектами рукой робота. Соответственно ставится задача решения нахождения захвата различных объектов гуманоидным роботом, представляющая собой отдельный раздел исследования в робототехнике. Актуальность проблемы обусловлена следующими причинами. Различные среды применения гуманоидных роботов располагают разными объектами с различными характеристиками, например, такими как вес, форма, размер. Для осуществления успешного взаимодействия с ними необходимо учесть все эти параметры. Также необходимо учесть условия окружающей среды, в которой будет происходить манипуляция объектом. Таким условием может быть, например, степень загромождённости сцены захвата [62] (т.е. участка пространства с расположенными на нем объектами для манипуляций) и взаимные окклюзии объектов [63]. Объекты могут обладать различными качественными характеристиками их поверхности. Влажная поверхность
объекта может способствовать проскальзыванию объекта в руке. У легкодеформируемой поверхности объекта, например, губки, при увеличении прикладываемой силы к объекту во время его захвата степень его деформации будет увеличиваться. По этим причинам для подобных объектов необходимо найти баланс между прикладываемой силой и сохранением формы объекта. Для осуществления надежного захвата необходимо учитывать описанные условия.
Существуют различные подходы к решению задачи захвата объектов различных форм и размеров. Разнообразие подходов способствовало появлению таких решений обозначенной задачи как soft hands [20] или underactuated hands [15]. Количество пальцев, используемых в представленных разработках, может совпадать с количеством пальцев человеческой руки или быть меньшим.
Движения пальцев рук робота могут быть основаны на полном контроле всех составляющих фаланг пальца или полном контроле только части их них, с зависимым контролем оставшейся части. Каждый из подходов имеет свои достоинства и недостатки. В случае контроля всех фаланг пальца движения становятся более точными и ловкими, увеличивая вероятность осуществления надежного и робастного захвата. Такой подход к контролю движения обладает одним существенным недостатком. Необходимость использования одного двигателя для каждой из фаланг каждого пальца гуманоидной руки приводит к увеличению стоимости и энергопотребления, размеры руки и пальцев способны существенно увеличиться для расположения всей оснастки. Увеличение размеров роботизированных пальцев приводит к ухудшению надежности захвата объектов, так как во время проведения захвата они способны существенно изменить сцену захвата изменением положения расположенных на ней объектов по причине ошибочных касаний во время манипуляций.
Второй способ управления робототехническими пальцами заключается в
использовании зависимых соединений. Принцип их использования заключается
в организации некоторой механической связи части фаланг между собой в цепь
4
таким образом, что приведение в движение одной фаланги цепи приводит в движение все зависимые фаланги. Подобный принцип движения обеспечивает возможность приведения конца пальца в некоторую точку (в нашем случае желаемая точка контакта пальца с объектом), аналогично полному контролю всеми фалангами пальца, но с меньшими затратами. Такой подход к контролю пальцев позволяет уменьшить необходимое количество двигателей для обеспечения управления, таким образом, являясь экономически более выгодным по сравнению с первым подходом. Однако подход с использованием зависимых соединений обладает и недостатками, заключающимися в том, что с помощью таких соединений сложнее осуществить надежный захват по причине того, что в данном подходе фаланги пальцев при сгибании пальца прикладывают суммарно меньше усилий к поддержанию объекта во время его захвата и удерживания.
Целью проведения исследования, описанного в данной работе, является моделирование движения пальцев с зависимыми соединениями гуманоидного робота AR-601M.
Проведение исследования включает в себя выполнение следующих задач:
• Составление математической модели пальца с зависимыми соединениями
• Проведение экспериментов для определения параметров, характеризующих движение зависимых соединений пальцев робота AR- 601M
• Проведение апробации захвата объектов в симуляции
Объектом исследования является рука антропоморфного робота, предметом исследования - захват пальцами робота.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Эта работа посвящена моделированию движений пальцев с зависимыми соединениями гуманоидного робота AR-601M. Для проведения этого исследования были выполнены следующие работы: экспериментальным путем определены параметры, характеризующие движение зависимых соединений пальцев робота; решены задачи прямой и обратной кинематики для пальцев робота и его манипулятора; вычислены их рабочие пространства. Применение результатов моделирования движений пальцев с зависимыми соединениями было осуществлено с помощью апробации захвата объектов, проведенной путем выполнения задачи pick and place в симуляции с использованием 5 синтетических объектов.
На данный момент работа обладает недостатком, заключающимся в расчете целевой точки, необходимой для достижения кистью робота для захвата объектов, эмпирическим путем. Дальнейшие усовершенствования работы должны быть направлены на создание и программную имплементацию функционала автоматического расчета целевой точки с помощью инструментов технического зрения.


[1] A metric for comparing the anthropomorphic motion capability of artificial hands [Text] / T. Feix, J. Romero, C. H. Ek [et al.] // IEEE Transactions on Robotics. — 2013. — Feb. — Vol. 29, no. 1. — P. 82-93.
[2] Bullock, I. A hand-centric classification of human and robot dexterous manipulation [Text] / Ian Bullock, Raymond Ma, Aaron M. Dollar // Haptics, IEEE Transactions on. — 2013. — 04. — Vol. 6. — P. 129-144.
[3] Extrinsic dexterity: In-hand manipulation with external forces [Text] / N.
C. Dafle, A. Rodriguez, R. Paolini [et al.] // 2014 IEEE International Conference on Robotics and Automation (ICRA). — [S. l.: s. n.], 2014. — May. — P. 1578-1585.
[4] A simple ontology of manipulation actions based on hand-object relations [Text] / F. W org otter, E. E. Aksoy, N. Kr uger [et al.] // IEEE Transactions on Autonomous Mental Development. — 2013. — June. — Vol. 5, no. 2. — P. 117134.
[5] Single-grasp object classification and feature extraction with simple robot hands and tactile sensors [Text] / A. J. Spiers, M. V. Liarokapis, B. Calli, A. M. Dollar // IEEE Transactions on Haptics. — 2016. — April. — Vol. 9, no. 2. — P. 207-220.
[6] Real-time classification of hand motions using ultrasound imaging of forearm muscles [Text] / N. Akhlaghi, C. A. Baker, M. Lahlou [et al.] // IEEE Transactions on Biomedical Engineering. — 2016. — Aug. — Vol. 63, no. 8. — P. 1687-1698.
[7] Human hand motion analysis and synthesis of optimal power grasps for a robotic hand [Text] / Francesca Cordella, Loredana Zollo, Antonino Salerno [et al.] // International Journal of Advanced Robotic Systems. — 2014. — Vol. 11, no. 3. — P. 37. — https://doi.org/10.5772/57554.
[8] Bicchi, A. Robotic grasping and contact: a review [Text] / A. Bicchi, V. Kumar // Proceedings 2000 ICRA. Millennium Conference. IEEE International Conference on Robotics and Automation. Symposia Proceedings (Cat. No.00CH37065). — Vol. 1. — [S. l.: s. n.], 2000. — April. — P. 348-353 vol.1.
[9] Ferrari, C. Planning optimal grasps [Text] / C. Ferrari, J. Canny // Proceedings 1992 IEEE International Conference on Robotics and Automation. — [S. l.: s. n.], 1992. — May. — P. 2290-2295 vol.3.
[10] Automatic grasp planning using shape primitives [Text] / A. T. Miller, S. Knoop, H. I. Christensen, P. K. Allen // 2003 IEEE International Conference on Robotics and Automation (Cat. No.03CH37422). — Vol. 2. — [S. l.: s. n.], 2003. — Sep. — P. 1824-1829 vol.2.
[11] Data-driven grasp synthesis—a survey [Text] / Jeannette Bohg, Antonio Morales, Tamim Asfour, Danica Kragic // IEEE Transactions on Robotics. — 2014. — Vol. 30. — P. 289-309.
[12] Borst, C. A fast and robust grasp planner for arbitrary 3d objects [Text] /
C. Borst, M. Fischer, G. Hirzinger // Proceedings 1999 IEEE International Conference on Robotics and Automation (Cat. No.99CH36288C). —Vol. 3. — [S. l.: s. n.], 1999. — May. — P. 1890-1896 vol.3.
[13] Roa, M. A. Grasp quality measures: review and performance [Text] / M aximo A. Roa, Raul Suarez // Autonomous Robots. — 2015. — Jan. —Vol. 38, no. 1. — P. 65-88. — Access mode: https://doi.org/10.1007/s10514-014-9402-3.
[14] Visual grasp planning for unknown objects using a multifingered robotic hand [Text] / V. Lippiello, F. Ruggiero, B. Siciliano, L. Villani // IEEE/ASME Transactions on Mechatronics. — 2013. — June. — Vol. 18, no. 3. — P. 1050-1059.
[15] Odhner, L. U. Open-loop precision grasping with underactuated hands inspired by a human manipulation strategy [Text] / L. U. Odhner, R. R. Ma,A. M.
Dollar // IEEE Transactions on Automation Science and Engineering. — 2013. — July. — Vol. 10, no. 3. — P. 625-633.
[16] Robotic grasping of novel objects. [Text] / Ashutosh Saxena, Justin Driemeyer, Justin Kearns, Andrew Y. Ng // Advances in Neural Information Processing Systems 19: Proceedings of the 2006 Conference. — [S. l.: s. n.], 2006. — 01. — P. 1209-1216.
[17] Power grasp planning for anthropomorphic robot hands [Text] / M. A. Roa, M. J. Argus, D. Leidner [et al.] // 2012 IEEE International Conference on Robotics and Automation. — [S. l.: s. n.], 2012. — May. — P. 563-569.
[18] Lin, Y. Robot grasp planning based on demonstrated grasp strategies [Text] / Yun Lin, Yu Sun // The International Journal of Robotics Research. — 2015. — 01. — Vol. 34. — P. 26-42.
[19] Learning a real time grasping strategy [Text] / S. El-Khoury, J. J. Bryson, A. Billard // 2013 IEEE International Conference on Robotics and Automation. — [S. l.: s. n.], 2013. — May. — P. 593-600.
[20] Grasping with soft hands [Text] / M. Bonilla, E. Farnioli, C. Piazza [et al.] // 2014 IEEE-RAS International Conference on Humanoid Robots. — [S. l.: s. n.],
2014. — Nov. — P. 581-587.
[21] Learning of grasp selection based on shape-templates [Text] / Alexander Herzog, Peter Pastor, Mrinal Kalakrishnan [et al.] // Auton. Robots. — 2014. — Vol. 36. — P. 51-65.
[22] Chalon, M. Online in-hand object localization [Text] / M. Chalon, J. Reinecke, M. Pfanne // 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems. — [S. l.: s. n.], 2013. — Nov. — P. 2977-2984.
[23] Sahbani, A. An overview of 3d object grasp synthesis algorithms [Text] / Anis Sahbani, S El-Khoury, Philippe Bidaud // Robotics and Autonomous Systems. — 2012. — 03. — Vol. 60. — P. 326-336.
[24] Lenz, I. Deep learning for detecting robotic grasps [Text] / Ian Lenz, Honglak Lee, Ashutosh Saxena // International Journal of Robotics Research. —
2013. — 01. — Vol. 34.
[25] Jiang, Y. Efficient grasping from RGBD images: Learning using a new rectangle representation [Text] / Ying Jiang, Stephen Moseson, Ashutosh Saxena // 2011 IEEE International Conference on Robotics and Automation. — 2011. — P. 3304-3311.
[26] Bohg, J. Learning grasping points with shape context [Text] / Jeannette Bohg, Danica Kragic // Robotics and Autonomous Systems. — 2010. — 04. — Vol.
58. — P. 362-377.
[27] Miller, A. T. Examples of 3d grasp quality computations [Text] / A. T. Miller, P. K. Allen // Proceedings 1999 IEEE International Conference on Robotics and Automation (Cat. No.99CH36288C). — Vol. 2. — [S. l.: s. n.], 1999. — May. — P. 1240-1246 vol.2.
[28] Tang, D. Real-time articulated hand pose estimation using semi- supervised transductive regression forests [Text] / D. Tang, T. Yu, T. Kim // 2013 IEEE International Conference on Computer Vision. — [S. l.: s. n.], 2013. — Dec. — P. 3224-3231.
[29] Latent regression forest: Structured estimation of 3d articulated hand posture [Text] / D. Tang, H. J. Chang, A. Tejani, T. Kim // 2014 IEEE Conference on Computer Vision and Pattern Recognition. — [S. l.: s. n.], 2014. — June. — P. 37863793.
[30] Xu, C. Efficient hand pose estimation from a single depth image [Text] / C. Xu, L. Cheng // 2013 IEEE International Conference on Computer Vision. — [S. l.: s. n.], 2013. — Dec. — P. 3456-3462.
[31] Sridhar, S. Interactive markerless articulated hand motion tracking using RGB and depth data [Text] / Srinath Sridhar, Antti Oulasvirta, Christian Theobalt // Proceedings of the 2013 IEEE International Conference on Computer Vision. — [S. l.: s. n.], 2013. — 12. — P. 2456-2463.
[32] Fast and robust hand tracking using detection-guided optimization [Text] / Srinath Sridhar, Franziska Mueller, Antti Oulasvirta, Christian Theobalt // Computer Vision and Pattern Recognition (CVPR) 2015. — 2016. — 02.
[33] Model-based hand pose estimation via spatial-temporal hand parsing and 3D fingertip localization [Text] / Hui Liang, Junsong Yuan, Daniel Thalmann, Zhengyou Zhang // The Visual Computer. — 2013. — 06. — Vol. 29.
[34] Robust 3d hand pose estimation in single depth images: From single-view CNN to multi-view CNNs [Text] / Liuhao Ge, Hui Liang, Junsong Yuan, Daniel Thalmann // 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). — 2016. — P. 3593-3601.
[35] Kira p, F. Hierarchically constrained 3d hand pose estimation using regression forests from single frame depth data [Text] / Furkan Kira c, Yunus Kara, Lale Akarun // Pattern Recognition Letters. — 2014. — 12. — Vol. 50.
[36] Non-parametric hand pose estimation with object context [Text] / Javier Romero, Hedvig Kjellstr om, Carl Henrik Ek, Danica Kragic // Image and Vision Computing. — 2013. — 08. — Vol. 31. — P. 555-564.
[37] A collaborative filtering approach to real-time hand pose estimation [Text] / C. Choi, A. Sinha, J. H. Choi [et al.] // 2015 IEEE International Conference on Computer Vision (ICCV). — [S. l.: s. n.], 2015. — Dec. — P. 2336-2344.
[38] Hand pose estimation and hand shape classification using multi-layered randomized decision forests [Text] / Cem Keskin, Furkan Kira p, Yunus Kara, Lale Akarun // European Conference on Computer Vision. — Vol. 7577. — [S. l.: s. n.], 2012. — 10. — P. 852-863.
[39] Oikonomidis, I. Full DOF tracking of a hand interacting with an object by modeling occlusions and physical constraints [Text] / I. Oikonomidis, N. Kyriazis, A. A. Argyros // 2011 International Conference on Computer Vision. — [S. l.: s. n.], 2011. — Nov. — P. 2088-2095.
[40] Tracking a hand manipulating an object [Text] / H. Hamer, K. Schindler, E. Koller-Meier, L. V. Gool // 2009 IEEE 12th International Conference on Computer Vision. — [S. l.: s. n.], 2009. — Sep. — P. 1475-1482.
[41] An object-dependent hand pose prior from sparse training data [Text] / H. Hamer, J. Gall, T. Weise, L. Van Gool // 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. — [S. l.: s. n.], 2010. — June. — P. 671-678.
[42] Object recognition and full pose registration from a single image for robotic manipulation [Text] / A. Collet, D. Berenson, S. S. Srinivasa, D. Ferguson // 2009 IEEE International Conference on Robotics and Automation. — [S. l.: s. n.], 2009. — May. — P. 48-55.
[43] Fast 3D recognition and pose using the viewpoint feature histogram [Text] / R. B. Rusu, G. Bradski, R. Thibaux, J. Hsu // 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems. — [S. l.: s. n.], 2010. — Oct. — P. 2155-2162.
[44] Tu-Hoa Pham, A. Kheddar, A. Q. Towards force sensing from vision: Observing hand-object interactions to infer manipulation forces [Text] / A. Qammaz Tu-Hoa Pham, A. Kheddar, A. A. Argyros // 2015 IEEE Conference on Computer
Vision and Pattern Recognition (CVPR). — [S. l.: s. n.], 2015. — June. — P. 2810 2819.
[45] Single image 3D object detection and pose estimation for grasping [Text] / M. Zhu, K. G. Derpanis, Y. Yang [et al.] // 2014 IEEE International Conference on Robotics and Automation (ICRA). — [S. l.: s. n.], 2014. — May. — P. 3936-3943.
[46] Grasping surfaces of revolution: Simultaneous pose and shape recovery from two views [Text] / C. J. Phillips, M. Lecce, C. Davis, K. Daniilidis // 2015 IEEE International Conference on Robotics and Automation (ICRA). — [S. l.: s. n.], 2015. — May. — P. 1352-1359.
[47] Cai, M. Understanding hand-object manipulation by modeling the contextual relationship between actions, grasp types and object attributes [Text] / Minjie Cai, Kris M. Kitani, Yoichi Sato // CoRR. — 2018. — Vol. abs/1807.08254. —1807.08254.
[48] Gil, P. Visual perception for the 3D recognition of geometric pieces in robotic manipulation [Text] / Pablo Gil, Carlos Mateo, Fernando Torres // International Journal of Advanced Manufacturing Technology. — 2015. — 08. — Vol. 83. — P. 1999-2013.
[49] Claudio, G. Vision-based manipulation with the humanoid robot Romeo [Text] / G. Claudio, F. Spindler, F. Chaumette // 2016 IEEE-RAS 16th International Conference on Humanoid Robots (Humanoids). — [S. l.: s. n.], 2016. — Nov. — P. 286-293.
[50] Collet, A. The MOPED framework: Object recognition and pose estimation for manipulation [Text] / Alvaro Collet, Manuel Martinez, Siddhartha Srinivasa // I. J. Robotic Res. — 2011. — 09. — Vol. 30. — P. 1284-1306.
[51] Achieving versatile manipulation tasks with unknown objects by supervised humanoid robots based on object templates [Text] / A. Romay, S. Kohlbrecher, D. C. Conner, O. von Stryk // 2015 IEEE-RAS 15th International
Conference on Humanoid Robots (Humanoids). — [S. l.: s. n.], 2015. — Nov. — P. 249-255.
[52] Humanoid robots object grasping and manipulation learning by demonstration [Text] / H. Ahmad, M. Muddassir [et al.] // 2017 3rd International Conference on Control, Automation and Robotics (ICCAR). — [S. l.: s. n.], 2017. — April. — P. 158-161.
[53] Godler, I. Robotic finger with coupled joints: A prototype and its inverse kinematics [Text] / I. Godler, K. Hashiguchi, T. Sonoda // 2010 11th IEEE International Workshop on Advanced Motion Control (AMC). — [S. l.: s. n.], 2010.
— March. — P. 337-342.
[54] Integrating mimic joints into dynamics algorithms - exemplified by the hybrid RECUPERA exoskeleton [Text] / Shivesh Kumar, Marc Simnofske, Bertold Bongardt [et al.] // Advances in Robot Kinematics 2018. — [S. l.: s. n.], 2017. — 06.
[55] A cortically-inspired model for inverse kinematics computation of a humanoid finger with mechanically coupled joints [Text] / Rodolphe Gentili, Hyuk Oh, Alissa Costabile, James A Reggia // Bioinspiration and Biomimetics. — 2016. —
5. — Vol. 11. — P. 036013.
[56] Bensalah, C. A new finger inverse kinematics method for an anthropomorphic hand [Text] / C. Bensalah, M. Abderrahim, J. G. Gomez // 2011 IEEE International Conference on Robotics and Biomimetics. — [S. l.: s. n.], 2011.
— Dec. — P. 1314-1319.
[57] Berceanu, C. Forward and Inverse Kinematics Calculation for an Anthropomorphic Robotic Finger [Text] / Cosmin Berceanu, Daniela Tarnita // New Trends in Mechanisms Science: Analysis and Design. — [S. l.]: Springer Publishing House, 2010. — 01. — P. 335-342. — ISBN: 978-90-481-9688-3.
[58] Samadani, A. A. Multi-constrained inverse kinematics for the human hand [Text] / Ali-Akbar Samadani, Dana Kulic, R.B. Gorbet // Conference proceedings:
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Conference. — 2012.
— 08. — Vol. 2012. — P. 6780-4.


Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ