Запечатлевая движение,
Создавая истории

Значительная проблема заключается в том, как роботы с параллельной проводной системой перемещаются и избегают динамических препятствий в ограниченных пространствах.

Исследовательская группа из Харьбинского института технологии (Шэньчжэнь) провела интересное исследование, статья с заголовком «Динамическое избегание препятствий для параллельных роботов с кабельным приводом и подвижными основаниями с помощью обучения с подкреплением на основе симуляции к реальности» была опубликована в журнале IEEE Robotics and Automation Letters, индексируемом в SCI и EI.

Исследовательская группа представит соответствующие результаты исследований на 2024 Международной конференции по интеллектуальным роботам и системам (ICRA).

Рисунок 1: Резюме исследования.

Фон исследования

Кабельные параллельные роботы (CDPR) — это новый тип параллельного робота, который использует кабели вместо жестких соединений для управления положением рабочего органа.

Эти роботы имеют простую структуру, низкую инерцию, большие рабочие зоны и хорошую динамическую производительность. Они прекрасно подходят для применения в производстве оборудования, медицинской реабилитации, аэрокосмической области и других сферах. Благодаря своей способности изменять геометрические конфигурации, они особенно хорошо подходят для выполнения задач в ограниченных условиях.

Рисунок 2: Параллельный робот с канатным приводом и 4 подвижными основаниями.

В ограниченных условиях CDPR могут сталкиваться с динамическими препятствиями, которые не учитываются методами планирования траектории, что требует выполнения действий по избежанию в реальном времени для обхода или преодоления препятствий. Из-за многомерного пространства состояний и ограничений, возникающих из-за множества кабелей и подвижной базы, эта задача является сложной.

Это исследование затрагивает эту проблему, предлагая алгоритм, который позволяет CDPR динамически избегать препятствий, избегая столкновений и возвращаясь на целевую траекторию по мере необходимости.

Рисунок 3: CDPR может столкнуться с динамическими препятствиями при планировании своей траектории.

Алгоритм избегания препятствий

Исследование предлагает контроллер избегания препятствий (ОП) на основе обучения с подкреплением (ОП) и интегрирует его в контроллер отслеживания траектории (ОТТ). Дизайн ОП основан на алгоритме Soft Actor Critic (SAC) и модуле внимания для решения задач избегания препятствий в реальном времени для CPDR с фиксированными кабелями, соединенными с движущейся базой.

Этот метод может обрабатывать множество ограничений и пространства состояний с высокой размерностью для CDPR, достигая динамического избегания препятствий в условиях динамических препятствий в реальном времени.

Рисунок 4: Контроллер избегания препятствий на основе алгоритма SAC.

RL-основной OAC был обучен в симуляторе Mujoco, используя две стратегии обучения: двухступенчатое обучение и одноступенчатое обучение.

Для двухступенчатой стратегии обучения OAC сходимость достигается за 50 000 циклов при времени обучения около 35 минут. При одноступенчатой стратегии обучения OAC сходимость достигается за 500 000 циклов, что занимает около 5,5 часов на обучение. Оба OAC в конечном итоге достигают почти идентичных результатов. Исследование показывает, что двухступенчатая стратегия обучения, использующая методы формирования вознаграждений, может ускорить обучение OAC.

Эксперименты в реальном мире

В реальной среде был протестирован обученный алгоритм OAC на основе RL.

Экспериментальная установка состояла из параллельного робота с кабельным приводом (CDPR) с четырьмя мобильными базами, соединенными четырьмя кабелями фиксированной длины. Использовались два типа препятствий: низкие препятствия высотой 0,32 метра и высокие препятствия высотой 0,92 метра.

Мобильная платформа CDPR смогла преодолевать более короткие препятствия, но была вынуждена объезжать более высокие преграды, чтобы избежать столкновений.

Во время эксперимента была развернута система захвата движения NOKOV для захвата положения и ориентации кабелей, мобильных баз и динамических препятствий в реальном времени.

Рисунок 5: Уклонительные маневры, выполненные CPDR при столкновении с препятствиями различной высоты.

Метод OAC на основе RL успешно направил CDPR на использование различных стратегий избегания для обхода препятствий различной высоты.

Библиография:

Y. Liu, Z. Cao, H. Xiong, J. Du, H. Cao и L. Zhang, "Динамическое избегание препятствий для параллельных роботов с канатным приводом и подвижными основаниями с использованием симуляционного обучения с подкреплением," в IEEE Robotics and Automation Letters, т. 8, № 3, с. 1683-1690, март 2023, doi: 10.1109/LRA.2023.3241801.