Thesis - RWTH Aachen University

2.2 Reaktive Verhalten für Manipulatoren 25
Abbildung 2.14: SOM mit sphärigartiger Topologie zur Schätzung der Kameraorientierung relativ
zum Objekt.
analysiert und interpretiert sie, indem er Verallgemeinerungsoperatoren anwendet [DRE + 99]. Danach
muss der Roboter in der Lage sein, in ähnliche Situationen ähnliche Handlungsweisen aufzurufen
[ERZD01].
Die PbD-Ansätze können nach ihrer Abstraktionsebene klassifiziert werden [DRE + 99]. Das Ziel kann
dabei sein, entweder elementare Fertigkeiten bzw. Verhalten zu lernen oder eher abstraktes, aufgabenspezifisches
Know-How zu erlangen 13 . In der ersten Kategorie wird ein Abbildungsmechanismus
benötigt, um die Beziehungen zwischen Aktuatoraktionen und Sensordaten zu erlernen. Diese Aufgabe
übernehmen in den meisten Fällen neuronale Netze. Diese PbD-Verfahren werden hauptsächlich
eingesetzt, um die Abbildung von Kraftvektoren und Momente auf Roboterbewegungen zu erlernen
[KD96] [KH95]. Weitere Anwendungen im Bereich der elementaren Fertigkeiten umfassen die
Ultraschall-basierte Navigation von mobilen Plattformen [CS00], [YYW03]. Der Einsatz von PbD
Verfahren ist jedoch nicht geeignet, um Visual Servoing zu erlernen. Der Roboter lernt zwar bildgestützte
Imitationsbewegungen durchzuführen, wie in [AYH00], [ZRDZ02] und [JU02], kann aber
die Bewegung nicht generalisieren. Das ist darauf zurückzuführen, dass das Erlernen von Kamera-
Roboterarm-Bewegungen eine große Anzahl von Beispielen erfordert, wenn es über eine Nachahmung
hinausgehen soll. Diese Beispiele können nicht auf praktikable Weise von einem Benutzer generiert
werden. Auch die Erfassung der Daten ist problematisch, denn sie erfordert eine große Anzahl
von Sensoren.
2.2.2 Reaktive Hindernisvermeidung für Manipulatoren
Die reaktive Hindernisvermeidung hat als Aufgabe, sowohl für den Greifer als auch für die Segmente
des Manipulators Ausweichbewegungen zu berechnen, um sie vor Kollisionen zu schützen. Der
Forschungsbereich ist mit der Pfadplanung eng verwandt (siehe Abschnitt 2.4.2). Er unterscheidet
sich jedoch bezüglich der Reaktivität. Die meisten Pfadplanungsalgorithmen gehen davon aus, dass
die Umgebung entweder bekannt oder mit Sensorik genau erfasst ist und sich während der Manipulationsphase
nicht ändert. Wenige Planungsansätze berücksichtigen auch eine nur teilweise bekannte
Arbeitsumgebung, die aber bei mobilen Manipulatoren oft vorkommt. In diesem Fall muss der Roboter
reaktiv neu erfasste Hindernisse vermeiden; eine ständige Neuplanung ist zu aufwendig.
13 Da man bei der Akquisition von aufgabenspezifischem Know-How von einer Menge vorhandener elementarer Fertigkeiten
ausgeht, die nicht erlernt werden [ERZD01], wird diese Gruppe von PbD-Ansätzen hier nicht weiter behandelt.