09.02.2013 Aufrufe

Thesis - RWTH Aachen University

Thesis - RWTH Aachen University

Thesis - RWTH Aachen University

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

74 4.1 Bildgestützte Zielführung<br />

(Trajectory) beinhaltet dagegen zusätzliche Information bezüglich der zeitlichen Ausführung der Bewegung;<br />

hier ist die erwünschte Position und Geschwindigkeit des Roboters zu jedem Zeitpunkt eindeutig<br />

definiert [Cra89]. Damit der Roboterarm einen Pfad, den ein Verhalten ermittelt hat, abfahren<br />

kann, muss er ihn in eine Trajektorie transformieren, die er dann mit Hilfe eines Trajektoriereglers 2<br />

ausführt. Der resultierende Gesamtpfad wird anschließend mit dem Trajektorieregler, der in Anhang<br />

C.1 zusammengefasst ist, ausgeführt.<br />

s<br />

Steuerungskomponente<br />

Merkmalsextraktion<br />

Pfad<br />

Trajektorieregler<br />

Bildvorverarbeitung<br />

zum Abgleich mit den<br />

virtuellen Kameras<br />

Gelenk−<br />

geschwindig−<br />

keiten<br />

∆θ<br />

Positionsdaten<br />

θ<br />

Aufnahme<br />

Abbildung 4.1: Komponenten eines Verhaltens.<br />

Die Steuerungskomponenten der Verhalten sind entweder explizit programmiert oder mit neuronalen<br />

Netzen erlernt. Das Lernen hat dabei die Vorteile, dass es die Anpassung an interne und externe<br />

Änderungen ermöglicht und die Integration von Wissen, insbesondere für den Fall eines schwer zu<br />

modellierenden Systems, vereinfacht. In der vorliegenden Arbeit kommen beide Ansätze zum Einsatz:<br />

zwei bildgestützte Verhalten, die Zielführung und die Hindernisvermeidung des Greifers, wurden mit<br />

künstlichen neuronalen Netzen erlernt während zwei weitere, die Hindernisvermeidung der Gelenke<br />

und das Pfadplanungsverhalten, explizit programmiert wurden. Diese Verhalten werden auch in den<br />

nächsten Unterkapiteln detailliert vorgestellt 3 .<br />

4.1 Bildgestützte Zielführung<br />

Ein Großteil der Aufgaben eines mobilen Manipulators erfordert das Erreichen mit dem Greifer einer<br />

objektspezifischen Zielposition an einem Objekt, um dieses anschließend robust zu greifen und zu<br />

manipulieren. Der Roboterarm muss eine Türklinke von oben greifen, um beim Herunterdrücken sein<br />

eigenes Gewicht auszunutzen, während das Zielobjekt im Testszenario an dem roten Griff senkrecht<br />

zur gelben Basis gegriffen werden sollte, um einen rutschfreien Griff zu gewährleisten. Der Annäherungsvorgang<br />

sollte auch objektspezifisch sein und den Greifer entlang eines stetigen Pfades zur<br />

Zielposition führen, da ein solcher Pfad robust auszuführen und zu regeln ist. Weiterhin macht ein<br />

glatter, objektspezifischer Pfad das Verhalten des mobilen Manipulators für die mit ihm interagierenden<br />

Menschen voraussehbar und erleichtert dadurch den Umgang mit dem Roboter.<br />

2 Alternativ werden bei der Koordination von mehreren Verhalten die berechneten Pfade der Fertigkeiten an die vermittelnde<br />

Ebene weitergeleitet, um dort miteinander interpoliert und anschließend ausgeführt zu werden.<br />

3 Die theoretischen Grundlagen, die den implementierten Fertigkeiten zugrunde liegen, sind im Anhang C zusammen-<br />

gefasst.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!