Thesis - RWTH Aachen University

2.6 Spezielle Systemarchitekturen für mobile Manipulation und verwandte Ansätze 45
ren. Das Zielobjekt erzeugt dann ein anziehendes und Hindernisse abstoßende virtuelle Vektorfelder,
die zu einem Feld interpoliert werden. Der Greifer wird durch den resultierenden Kraftvektor im
kartesischen Raum zum Ziel geführt. Zusätzlich werden die Segmente des Manipulators in der Endposition
auf Kollisionen mit Hindernissen überprüft. Eine Hindernisvermeidung für die Gelenke über
die gesamte Bewegung findet jedoch nicht statt. Das Verfahren berücksichtigt außerdem nicht die
Orientierung des Zielobjektes.
Eine interessante Arbeit über Hindernisvermeidung für stationäre Manipulatoren präsentieren Fu et
al. [FSZ00]. Sie setzen ein SOM-ähnliches Netz ein, um den Perception Control Manifold (PCM)
eines stationären Manipulators mit drei Freiheitsgraden zu erlernen. Der PCM entsteht aus der Erweiterung
des Gelenkraumes um den Merkmalsraum 24 . Das Netz lernt die Topologie des PCMs und
dessen Ausgangsneuronen werden mit Greiferpositionen assoziiert, die aus der bekannten Geometrie
des Manipulators leicht zu berechnen sind. Während der Ausführung eines Greifvorgangs werden
Neuronen, deren zugeordnete Gelenkstellungen von Hindernissen besetzt sind, entfernt. Danach wird
mit einem Gradientenabstiegsverfahren auf der Neuronen-Ebene nach einem Pfad zum Zielpunkt gesucht
(siehe auch Abschnitt 2.2.2). Interessant ist zusätzlich, dass das Training in einer virtuellen
Umgebung mit Daten aus virtuellen Kameras stattfindet. Zu den Nachteilen des Verfahrens zählt dass
es nicht mit einer eye-in-hand Konfiguration anwendbar ist und dass die Erweiterung auf mehr als
drei Freiheitsgrade schwierig ist. Beim Greifvorgang ist die Orientierung des Zielobjektes nicht berücksichtigt,
wodurch man das Objekt nicht aus einer vordefinierten Richtung greifen kann.
Das Konzept der aufgabenorientierten Roboter-Programmierung (Task Oriented Teleprogramming of
Robots) [BAH01], auch als TeleSensor Programming bekannt [BAH94],[BAHK95],[HLBS96], ist im
Rahmen des Projektes Rotex für Weltraumroboter entstanden. Um Totzeiten bei der Verbindung zwischen
Basisstation und Roboter in den Orbit zu kompensieren wird eine prädiktive Grafiksimulation
eingesetzt, die dem Operateur einen Überblick über die Ausführung der kommandierten Roboteroperationen
verschafft, sowie die Konsistenz des zurückgemeldeten Systemstatus mit der vorausberechneten
überprüft [BAH01]. Die Grafiksimulation kommt auch bei der bildbasierten Robotersteuerung
zum Einsatz, um die Sensormuster an der Soll-Position des Roboterarms nach dem Prinzip des Teaching
by Showing [BAH94], [HLBS96] zu generieren. Als Sensoren für die Ansteuerung des Manipulators
werden Laser, Kraft-Moment Sensoren und eine Stereokamera verwendet und in der Grafiksimulation
entsprechend simuliert. Damit das Konzept funktioniert, ist eine genaue Kalibrierung
des Systems erforderlich [BAH94]. Das vorgestellte Verfahren geht davon aus, dass Modell und reale
Umgebung exakt übereinstimmen. Das ist bei mobilen Manipulatoren, die in nur teilweise bekannten
Umgebungen operieren, nicht der Fall. Das System ist dadurch nicht in der Lage, mit Hindernissen
oder neuen Objektkonstellationen ohne die Unterstützung des Operateurs zurecht zu kommen.
Es werden keine Verhalten parallel angewendet oder ihre Koordination erlernt. Das System hat auch
keine Möglichkeit auf neue Information zu reagieren und einen existierenden Plan entsprechend anzupassen.
Diese muss der Operateur registrieren und eine neue Planung veranlassen.
Hashimoto et al. präsentieren in [HNI01] eine interessante Architektur mit drei Ebenen für das schnelle
Greifen mit einem stationären Manipulator. In der niedrigsten Ebene, dem Control Layer, sind
Geschwindigkeitsregler für den Roboterarm realisiert. Der Planning Layer entspricht der Verhaltensebene
der 3T-Architektur und generiert Pfade zum Verfolgen, Greifen und Behandeln von Objekten
sowie zur Hindernisvermeidung des Manipulators. Der Adaption Layer hat die Aufgabe, die verschiedenen
Pfade des Planning Layers anhand der aktuellen Sensordaten zu gewichten, zu fusionieren und
dementsprechend die Sollwerte des Control Layers einzustellen. Die Gewichtungen werden mit Hil-
24 Als Merkmal gilt die Pixelposition des Greifers im Bild.