Одна из основных проблем заключается в том, как параллельные роботы, работающие на кабелях, могут перемещаться в замкнутом пространстве и избегать динамических препятствий.
Исследовательская группа из Харбинского технологического университета (Шэньчжэнь) провела интересное исследование под названием « Динамическое предотвращение препятствий для параллельных роботов, работающих на кабелях с подвижной базой, с помощью моделирования до реального интенсивного обучения», опубликованное в индексном журнале SCI & EI « IEEE Robotics and Automation Letter».
Результаты будут представлены на Международной конференции по интеллектуальным роботам и системам (ICRA) в 2024 году.
Рисунок 1: Резюме исследования.
Предыстория исследования
Кабельный параллельный робот (CDPR) - это новый тип параллельного робота, который использует кабель вместо жесткого шатуна для управления положением конечного исполнительного устройства.
Эти роботы имеют простую структуру, низкую инерцию, большую рабочую площадь и хорошие динамические характеристики. Они идеально подходят для применения в производстве оборудования, медицинской реабилитации, аэрокосмической и других областях. Поскольку они могут изменять геометрию, они особенно подходят для выполнения задач в ограниченной среде.
Рисунок 2: Параллельный робот с канатной тягой с четырьмя подвижными постами.
В ограниченных средах CDPR может сталкиваться с динамическими препятствиями, которые не учитываются в методах планирования траектории, и поэтому для обхода или пересечения препятствий требуется уклонение в режиме реального времени. Это сложная задача из - за ограничений высокомерного пространства состояния и множества кабелей и движущихся фундаментов.
Это исследование решает эту проблему, предлагая алгоритм, который позволяет CDPR динамически уклоняться от препятствий, избегать столкновений и возвращать траекторию цели по мере необходимости.
Рисунок 3: CDPR может столкнуться с динамическими препятствиями при планировании своей траектории.
Алгоритм предотвращения препятствий
В исследовании предлагается контроллер предотвращения препятствий (OAC), основанный на интенсивном обучении (RL) и интегрированный в контроллер отслеживания траекторий (TTC). OAC разработан на основе алгоритма Soft Actor Critic (SAC) и модуля внимания для решения проблемы предотвращения препятствий в режиме реального времени с помощью CPDR кабеля фиксированной длины, подключенного к мобильной базе.
Этот метод может обрабатывать несколько связанных и высокоразмерных пространств состояния CDPR для достижения динамического предотвращения препятствий в динамической среде препятствий в реальном времени.
Рисунок 4: Контроллер предотвращения препятствий на основе алгоритма SAC.
RL OAC использует две стратегии обучения в симуляторе Mujoco: двухэтапное обучение и одноэтапное обучение.
Для двухэтапной стратегии обучения OAC сближается в течение 50 000 циклов, а время обучения составляет около 35 минут. Используя одноэтапную стратегию обучения, OAC сходится за 500 000 циклов, а время обучения составляет около 5,5 часов. Оба OAC в конечном итоге достигли почти одинаковых результатов. Исследования показывают, что двухэтапная стратегия обучения с использованием технологии формирования вознаграждения может ускорить обучение OAC.
Эксперименты в реальном мире
В реальном мире был протестирован обученный алгоритм OAC на основе RL.
Экспериментальная установка состояла из кабельного параллельного робота (CDPR) с четырьмя мобильными постами, соединенными четырьмя кабелями фиксированной длины. Использовались два типа препятствий: низкое препятствие высотой 0,32 м и высокое препятствие высотой 0,92 м.
Мобильная платформа CDPR способна преодолевать более короткие препятствия, но вынуждена обходить более высокие, чтобы избежать столкновения.
В ходе эксперимента была развернута система захвата движения NOKOV для захвата местоположения и направления кабеля, движущейся базы и динамических препятствий в режиме реального времени.
Рисунок 5: Действия CPDR по обходу при столкновении с препятствиями различной высоты.
Метод OAC, основанный на RL, успешно направляет CDPR на использование различных стратегий уклонения для навигации по препятствиям на разных высотах или вокруг них.
Ссылки:
Применение систем захвата движения в изучении технологии интегрированной внутренней позиционирования
Гибкий робот для реабилитации верхних конечностей с использованием технологии виртуальной реальности
Пожалуйста, свяжитесь с нами
-
Мы прилагаем все усилия для того, чтобы помочь вам в ваших запросах и предоставить полную информацию.
Поделитесь с нами своими проблемами, и мы быстро направим вас к наиболее эффективному решению.
-
-
- Объем захвата * m m m
-
Объекты для отслеживания *
- Количество целей (необязательно)
-
Тип камеры (по желанию)
-
Количество камер (необязательно)
- Отправить