Thesis - RWTH Aachen University

44 2.6 Spezielle Systemarchitekturen für mobile Manipulation und verwandte Ansätze
Wichert Blase Fu Brunner Hashi. TAURO3 Mobiler Manipulator
[WN01]
√
[BP98]
-
[FSZ00]
-
[BAH94]
-
[HNI01]
-
√
Jahr
Architektur 3 Ebenen
2001-03
√
1998
-
2000
-
1994
-
2001
√
2003-04
√
2 Ebenen
hybrid
Sensorik Kameras
Laserscanner
Künst. Haut
Hindernis- Greifer
vermeidung Segmente
Verhaltens- ungewichtet
fusion gewichtet
Lern- Verhalten
fähigkeit Verhaltensfusion
Objektspezifisches Greifen
Virtuelle Umgebung
-
-
√
√
√
√
-
√
-
-
-
√
-
-
-
√
-
-
√
-
√
-
√
-
-
-
-
-
√
-
-
√
-
-
-
√
-
-
√
-
√
√
√
-
-
-
-
-
√
-
-
√
-
-
√
-
-
√
√
√
-
-
-
?
-
-
-
√
-
-
√
√
√
√
√
√
√
√
Tabelle 2.3: Eigenschaften und Vergleich von Systemen zur mobilen Manipulation sowie von weiteren
verwandten Systemen ( √ : eingesetzt, ○: möglich, aber nicht benutzt, -: nicht vorhanden, ?: keine
Angaben). TAURO 3 ist der in dieser Arbeit realisierte mobile Manipulator.
wird; für die Fertigkeiten selbst findet kein Training statt. In [KVZ + 04] gibt es keine Angaben über
eine Hindernisvermeidungskomponente für den Manipulator. Weiterhin wird nicht erwähnt, ob das
System die Fusion der Ausgaben von unterschiedlichen Fertigkeiten unterstützt.
Der mobile Manipulator von Wichert et al. hat einen ähnlichen Aufbau wie Cora, verfügt jedoch zusätzlich
über einen 2D Laserscanner [vWKN + 02]. Der Manipulator setzt die Stereokamera und den
Laserscanner ein, um die Position der Hindernisse im Raum zu bestimmen [WN01], [WNvWK02].
Eine Planungskomponente berechnet einen kollisionsfreien Anfangspfad im Gelenkraum, der von
dem Reactive Plan Executor als Vorgabe für die reaktive Steuerung des Manipulators benutzt wird.
Dieser fusioniert nach dem Superposition-based Command Fusion-Prinzip die Pfade von der Planungskomponente
und von zwei vektorfeldbasierten Hindernisvermeidungsmodulen, ohne sie jedoch
zu gewichten. Der Roboter kann acht unterschiedliche Aufgaben ausführen, wie das Greifen oder
das Ablegen eines Objektes, und zehn unterschiedliche Objekte erkennen. Für jedes Objekt ist ein
Griff definiert, der Roboterarm führt jedoch keine objektspezifische Trajektorie aus, um zum Ziel zu
gelangen. Außerdem werden die Hindernisvermeidungsverhalten nur auf Gelenke angewendet, die
für das Erreichen des Zieles nicht verwendet werden; dadurch beschränken sich die Bewegungsmöglichkeiten
des Manipulators bei der Hindernisvermeidung. Das System verfügt auch nicht über die
Möglichkeit zu lernen. Somit werden die Parameter der verwendeten Algorithmen durch aufwendiges
Experimentieren gesetzt. Weiterhin ist keine deliberative Planungsebene im System vorhanden:
diese ist durch eine Mensch-Maschine Schnittstelle ersetzt. Daher kann der Roboter keine komplexe
Aufgaben selbstständig lösen.
Für die bildgestützte Zielführung eines stationären Manipulators in einer eye-in-hand Konfiguration
trainieren Blase et al. [BP98] RBF-Netze, um Objekte anhand des optischen Flusses zu lokalisie-