Thesis - RWTH Aachen University
Thesis - RWTH Aachen University
Thesis - RWTH Aachen University
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
2.3 Verfahren zur Koordination reaktiver Verhalten 29<br />
Heuristische Verfahren Heuristische Verfahren setzen allgemeingültige Regeln ein, die die Hindernisvermeidung<br />
garantieren können; jedoch können sie keine optimale Ausweichbewegung berechnen.<br />
In dieser Kategorie gehört das Verfahren in [PRG + 03] und [HSA95], das Epipolarlinien<br />
[Fau93] nutzt, um einen kollisionsfreien, kartesischen Pfad für den Greifer zu finden 14 . Der Ansatz<br />
berücksichtigt jedoch die Manipulatorsegmente nicht und kann nur mit zwei eye-to-hand Kameras<br />
verwendet werden. Er ist nur dann einsetzbar, wenn der Greifer und das Hindernis sichtbar sind und<br />
der Manipulator keine Verdeckungen im Bild verursacht.<br />
2.3 Verfahren zur Koordination reaktiver Verhalten<br />
Die Verhaltenskoordinierung oder Verhaltensselektion ist in der Literatur als Behaviour Coordination<br />
Problem oder Action Selection Problem bekannt und behandelt das Problem, wie verschiedene<br />
Verhalten miteinander koordiniert bzw. aktiviert werden müssen um eine gestellte Aufgabe zu lösen.<br />
Seien n Verhalten βi(�si) während der Durchführung einer Aufgabe aktiv. Zu jedem Verhalten<br />
ist ein Vektor �si zugeordnet, der die aus den Sensormessungen extrahierten Merkmalen zusammenfasst.<br />
Seien die aktiven Verhalten mit der Funktion Bj = (βj1, βj2, . . . , βjnj ) zusammengefasst und<br />
S = (�s1, �s2, . . . , �sn) T die Matrix der jeweils relevanten Stimuli �si . � R = (�r1, �r2, . . . , �rn) T fasst die<br />
Ausgabevektoren der einzelnen Verhalten zusammen. Dann ist:<br />
�R = Bj(S) (2.15)<br />
Nach Arkin [Ark98] ergibt sich dann die auszuführende Aktion �ρ des Roboters zu:<br />
�ρ = C(G · � R) (2.16)<br />
Hierbei kann G als eine Diagonalmatrix von Gewichtungsfaktoren aufgefasst werden, welche die<br />
jeweils aktuelle Priorität oder Anwendbarkeit (Applicability) der einzelnen Verhalten beschreibt.<br />
⎛<br />
g1<br />
⎜ 0<br />
G = ⎜<br />
⎝ .<br />
0<br />
g2<br />
.<br />
. . .<br />
. . .<br />
. ..<br />
0<br />
0<br />
.<br />
⎞<br />
⎟<br />
⎠<br />
0 0 . . . gn<br />
C ist die Koordinierungsfunktion. Ihre Aufgabe ist die Bestimmung einer resultierenden Ausgabe<br />
aus der Menge aller n gewichteten Verhaltensausgaben. Die genauen Werte der Funktion C und der<br />
Matrix G sind im Allgemeinen von der jeweilig aktuellen Situation abhängig und müssen dementsprechend<br />
anhand der aktuellen Sensordaten neu berechnet werden.<br />
Die Verhaltenskoordinierung umfasst den Entwurf der Diagonalmatrix G und der Koordinierungsfunktion<br />
C. Dafür werden verschiedene Ansätze vorgeschlagen, die sich grob in zwei Klassen, Arbitration-<br />
und Command Fusion-Mechanismen, einteilen lassen (Abbildung 2.17). Pirjanian gibt in<br />
[Pir99] einen guten Überblick über die wichtigsten Verfahren der Verhaltenskoordinierung.<br />
14 Das Verfahren benötigt zwei eye-to-hand Kameras und basiert auf folgendem Prinzip: Ein Pfad hat zwei Projektionen<br />
auf den Bildflächen der Kameras, eine für die linke Kamera und eine für die rechte. Eine ausreichende Bedingung<br />
für einen kollisionsfreien Pfad ist, dass mindestens eine seiner zwei Bildprojektionen nicht durch Hindernisse verläuft<br />
[HA94]. Wenn dies jedoch der Fall ist, dann genügt es, die Stützstellen einer der beiden Pfadprojektionen entlang den<br />
Epipolarlinien außerhalb der Hindernisse im Bild zu verschieben. Dadurch entsteht ein kollisionsfreier Pfad im Raum, der<br />
durch bildbasiertes Visual Servoing ausgeführt werden kann.