Thesis - RWTH Aachen University

24 2.2 Reaktive Verhalten für Manipulatoren
unterteilt. Ein hierarchisches Kohonen Netz steuert die grobe Bewegung an, bis der Roboterarm in
der Nähe des Objektes ist. Danach führen für die Region um das Objekt trainierte BP Netze anhand
der Aufnahmen der eye-in-hand Kameras die feine Manipulationsbewegung aus. Jedoch kann auch
dieses Verfahren keine objektspezifische Trajektorien zum Greifen ausführen.
Trainingsphase
Piagets
Circular
Motion
q
s
q
J
Ausführungsphase
si
( s, q, J )
SOM
ss q J
Abbildung 2.13: Visual Servoing mit Hilfe von SOMs.
q = q + J
neu +
(s i −s s )
Einen interessanten Ansatz zur Positionsbestimmung eines Objektes stellen Wunsch et al. [WWH97]
vor. Sie verwenden ein modifiziertes Kohonen Netz mit einer vordefinierten Topologie, so dass die
Neuronen Positionen um das Objekt entsprechen und dadurch die aktivierten Neuronen die Orientierung
des Objektes relativ zur Kamera angeben (siehe Abbildung 2.14). Während eines Greifvorgangs
können bei jedem Schritt die sichtbaren Merkmalen aus der Menge aller trainierten Merkmale als
Eingang für das SOM gewählt werden, um dadurch das Problem der Verdeckungen zu lösen und
den Greifer im kartesischen Raum zu führen. Im kartesischen Raum operiert auch das System Grip-
See [BKM + 98], [BKM + 99], das zwei eye-to-hand Kameras auf einem Kamerakopf verwendet. Hier
kommen zwei SOM-ähnliche Netze [WS93] zum Einsatz. Das eine steuert das Fokussieren der Kameras
zu einem Punkt im Raum an und das zweite erlernt anhand der Position des Kamerakopfes die
entsprechende kartesische Greiferposition, die der Roboterarm annehmen muss. In beiden Verfahren
sind für das Objekt entsprechende Griffpositionen definiert, es werden jedoch keine objektspezifische
Pfade zur Zielposition am Objekt ermittelt.
Teach-In von Robotern Bis vor kurzem war das klassische Teach-In die häufigste angewandte
Programmiermethode für Manipulatoren in der industriellen Praxis. Herkömmliche Teach-In Verfahren
basieren auf der Aufzeichnung von zeitlichen Zustandsfolgen während eines Vorführungsvorgangs.
Damit lassen sich einfache lineare Programmsequenzen generieren [Dil94]. In seiner einfachsten
Form werden die bei Vorführungen entstehenden Roboterbewegungen einfach abgespeichert, bei
Bedarf aufgerufen und möglichst genau wiederholt.
Programmieren durch Vormachen (Programming by Demonstration, PbD) stellt eine Erweiterung
des Teach-Ins dar. Ein Benutzer demonstriert die Lösung einer Aufgabe und der Roboter beobachtet,