ISKANJE IN SINTEZA NOVIH ROBOTSKIH GIBANJ V HIERARHIČNI BAZI VZORČNIH TRAJEKTORIJDeniša, Miha (Avtor) Ude, Aleš (Mentor) učenje preko demonstracijhierarhična bazapodajni robotskigibirazpoznava gibovsodelovalni gibidinamični elementarni gibistatističnoposploševanjeS staranjem prebivalstva in vedno hitrejšim tempom življenja povpraševanje po robotskem humanoidnem domačem pomočniku narašča. Hkrati potreba po prilagodljivih robotskih celicah narašča tudi v srednjih in majhnih podjetjih, v katerih proizvajajo manjše serije produktov in klasična vpeljava robotskih celic ni primerna. V nasprotju z uporabo robotskih manipulatorjev v industrijskih okoljih, ki izvajajo ponavljajoče se gibe, je potrebno ob vpeljavi avtonomnih robotov v spreminjajoče se okolje premagati veliko število ovir. V tem doktorskem delu obravnavamo tri aspekte uporabe robotov v nestrukturiranem okolju. Ročno programiranje robota za vsako nalogo ni mogoče, saj se naloge in okoliščine v domačih okoljih pogosto spreminjajo. Ena od možnih metod za pridobivanje novih gibov je učenje iz človekovih demonstracij [6, 7, 8]. Ta način temelji na opazovanju demonstratorja, ki zna uspešno izvesti želeno nalogo. Vendar je lahko demonstriranje večjega števila gibov za vsako verzijo želene naloge zamudno. V pristopu, predlaganem v doktorskem delu, demonstracije, zajete preko žičnega vodenja robota (angl.: kinesthetic guiding)[17, 18, 19], zapišemo v hierarhično bazo vzorčnih gibov. Baza temelji na dvojiškem drevesu [45, 46], z dodanimi grafi prehodov na vsakem nivoju. Grafi prehodov označujejo možne prehode med grozdi oz. vozlišči na posameznih nivojih in temeljijo na grafih gibanja [42, 43, 44]. Z iskanjem novih poti v grafu [79] lahko poiščemo nove poti in posledično sintetiziramo nove robotske gibe. Za združitev morebitnih delnih poti, ki niso direktno povezane, smo uporabili princip dinamičnih elementarnih gibov (angl.: Dynamic Movement Primitives { DMPs). Z iskanjem novih trajektorij zmanjšamo potrebo po velikem številu demonstracij. če robot izvaja naloge v nestrukturiranem okolju, obstaja verjetnost nepredvidenih kontaktov z okolico. Sile, ki se ob tem pojavijo, lahko škodujejo okolici ali robotu samemu. Morebitne sile so še posebno nevarne, če pride do nepredvidenega stika s človekom. Minimiziranje sil ob kontaktih je možno na več načinov. Minimiziranje sile ob kontaktih lahko dosežemo s pasivnimi pristopi: preko lažje in mehke konstrukcije samega robota [51, 52, 54] ali preko motorjev z elastičnimi elementi [55]. če se robota obda z mrežo taktilnih senzorjev [48, 49, 50], lahko kontakte aktivno zazna in primerno reagira. Med slabostmi takšnega pristopa je visoka cena senzorjev ter pripadajoča zakasnitev meritev. Neželene sile ob kontaktih lahko občutno zmanjšamo tudi preko aktivne regulacije navorov. Podajno obnašanje robota dosežemo, če dejanske navore primerjamo s teoretičnimi [59, 60, 61]. Vendar za tak pristop poleg senzorjev navora potrebujemo tudi dinami čni model naloge, ki jo želimo izvesti. V doktorskem delu predlagamo pristop aktive regulacije navora, ki pa ne potrebuje matematično določenih dinamičnih modelov želene naloge. Predlagamo uporabo podajnih elementarnih gibov, ki so pridobljeni preko demonstracij in ponovne izvedbe zajetih gibov na robotu. Zajeti niz podajnih gibov razširimo in prilagodimo preko uporabe hierarhične baze ali statističnega posploševanja. Tretja tema, ki jo obravnavamo v doktorskem delu, je sodelovanje robota s človekom. Za uspešno sodelovanje je potrebno najprej razpoznati trenutno človeško gibanje in nato sintetizirati ter izvesti primerni robotski gib. Izvedbo sodelovalnih nalog so med drugim opravili s pomočjo skritih Markovskih modelov (angl.: Hidden Markov Models - HMM) [67, 68]. Ben Amor idr. [69] so na podlagi dinamičnih elementarnih gibov razvili interaktivne elementarne gibe (angl.: Interactive Primitves - IPs). Za sintezo sodelovalnih gibov so bili uporabljeni tudi elementarni gibi, ki temeljijo na verjetnosti [30, 70, 71]. Yamane idr. [45, 72] so zajete sodelovalne gibe zapisali v dvojiško drevo, ki so ga nato uporabili za razpoznavo ter sintezo primernega giba. Podoben pristop predlagamo v našem doktorskem delu. Dva človeka izvedeta niz sodelovalnih gibov, ki jih zajamemo in zapišemo v sodelovalno hierarhično bazo. Osnovni del baze, ki vsebuje človeške gibe, uporabimo za sprotno razpoznavo trenutnega človeškega giba. Dodatni del baze, ki vsebuje pripadajoče robotske gibe, uporabimo za sintezo primernega robotskega giba. Vsi predlagani pristopi uporabe hierarhične baze so bili ovrednoteni preko številnih eksperimentov, ki so pokazali uporabnost baze na vseh treh omenjenih področjih.20172017-12-27 10:50:09Doktorsko delo/naloga99158sl