Thesis - RWTH Aachen University

2 1.1 Mobile Manipulation
für Unterstützungsaufgaben in Umgebungen ohne speziell konzipierte Infrastruktur eingesetzt werden,
so müssen sie zielstrebig Gegenstände greifen und transportieren, Türen und Schränke öffnen
und schließen bzw. Schalter betätigen.
Um Objekte manipulieren zu können, wird ein Roboterarm auf die autonome mobile Plattform montiert.
Die ersten so genannten mobilen Manipulatoren [BFG + 97], [Bro90], [Has96] setzten abstandsmessende
Sensorik zur Ansteuerung der Aktuatorik ein. In aktuellen Forschungsarbeiten kommen
jedoch hauptsächlich Kameras aufgrund ihrer Leistungsfähigkeit als Sensoren zum Einsatz, wie in
[WN01], [MA99] oder [Kra01]. Kameras bieten den Vorteil, Information bezüglich der räumlichen
Struktur der Umgebung zu ermitteln, und können dadurch zur Lokalisierung und zum Greifen von
Objekten im Raum verwendet werden. Sie registrieren schnell Änderungen im Arbeitsbereich des
Roboters und ermöglichen eine direkte Reaktion der Aktuatoren. Zusätzlich sind Kameras vielfältig
anwendbar; sie können sowohl zur Identifikation und Positionsbestimmung von Objekten als auch
zur Steuerung bzw. Regelung der Bewegungen eingesetzt werden. Nachteilig wirkt sich dagegen die
Anfälligkeit der Bildqualität für Beleuchtungsunterschiede in einer alltäglichen Büroumgebung aus.
Kragic [Kra01] teilt die Vorgangsweise von mobilen Manipulatoren während der Ausführung einer
Aufgabe in bestimmten Phasen auf. Dabei muss der Roboter kollisionsfrei zu einem Zielort navigieren,
die Objekte am Einsatzort robust detektieren und lokalisieren und eine geeignete Anfangsposition
für den Greifvorgang bestimmen. Anschließend soll er das Zielobjekt, auch wenn von Hindernissen
umgeben, mit dem Manipulator erreichen und entsprechend seiner Aufgabenstellung greifen oder betätigen.
Dementsprechend können die wichtigsten Forschungsthemen der mobilen Manipulation in
den folgenden Punkten zusammengefasst werden:
• Aufteilung der Aufgabe in Planungsschritte für mobile Plattform und Manipulator (Aktionsplanung),
• Koordination von mobiler Plattform und Roboterarm,
• Pfadplanung und Navigation der Plattform,
• Objektdetektion und Objektlokalisierung,
• Berechnung eines robusten Griffes für das Objekt,
• Bildgestützte Führung des Roboterarmes an die Greifposition und
• schnelle Neuplanung im Fall eines Misserfolgs oder einer ungeeigneten Greifposition.
Besonders hohe Ansprüche stellt dabei die bildgestützte Führung des Roboterarmes zur Greifposition
an ein Zielobjekt. Einerseits müssen während des Greifvorgangs Kollisionen mit Hindernissen in
der näheren Umgebung des Manipulators vermieden werden. Dazu sollte der Roboterarm auf neue
Sensorinformationen, die die Position von detektierten Hindernissen angeben, reagieren und seine
Bewegungen entsprechend anpassen. Andererseits erfordert die Implementierung von bildgestützten
Verfahren die Realisierung einer nicht-linearen Abbildung der Bilddaten zu Roboterbewegungen sowie
eine genaue Kenntnis der Kinematik und Dynamik des Manipulators. Die Verfahren müssen den
Roboterarm zu einer objektspezifischen Endposition und Orientierung am Zielobjekt führen, um anschließend
das Objekt robust greifen und effektiv manipulieren zu können. Ist in diesen Verfahren
eine bildgestützte Hindernisvermeidung einbezogen, so erhöht sich die Komplexität des Gesamtsystems.
Aus diesem Grund beschränken sich viele implementierte Ansätze auf die Entwicklung von
Verfahren, die den Manipulator durch Rückkopplung von visuellen Daten zu einem gewünschten Ziel
bzw. Objekt führen (Visual Servoing) [HHC96], ohne Hindernisse zu berücksichtigen.