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