Χειρισμός ρομποτικού βραχίονα για την αρπάγη αντικειμένων

Abstract

Η παρούσα εργασία εστιάζει στην επίλυση του αντίστροφου κινηματικού προβλήματος του γνωστού ρομποτικού βραχίονα Franka Emika Panda. Ο εν λόγω βραχίονας αποτελείται από 7 βαθμούς ελευθέριας, όπου όλες οι αρθρώσεις είναι περιστροφικές. Επίσης στο άκρο εργασίας τοποθετείται μια αρπάγη για εφαρμογές τύπου pick and place. Η αντίστροφη κινηματική αποτελεί θεμελιώδους σημασίας πρόβλημα για κάθε ρομποτικό βραχίονα. Σκοπός είναι να βρεθούν οι κατάλληλες γωνίες των αρθρώσεων, ώστε το άκρο εργασίας να φθάσει σε μία επιθυμητή στάση(θέση και προσανατολισμός). Το εν λόγω πρόβλημα επιλύεται με τη χρήση ενός νευρωνικού δικτύου. Πιο συνήθεις τρόποι επίλυσης, είναι οι επαναληπτικές υπολογιστικές μέθοδοι που κάνουν χρήση του Ιακωβιανού πίνακα. Αποτελούν λύσεις ακριβείας, αλλά λόγω των υπολογιστικών αλγορίθμων που χρησιμοποιούνται είναι χρονοβόρες και όσες χρησιμοποιούν τον αντίστροφο Ιακωβιανό πίνακα εξαρτώνται από την αρχική θέση του βραχίονα και αν ο πίνακας είναι τετραγωνικός ή αν αντιστρέφεται ακόμη και αν είναι τετραγωνικός Επίσης, το αντίστροφο κινηματικό πρόβλημα επιλύεται και με τις αλγεβρικές μεθόδους που κάνουν χρήση τριγωνομετρικών εξισώσεων από το φυσικό μοντέλο του ρομπότ. Το μειονέκτημα αυτών των μεθόδων είναι η πολυπλοκότητα επίλυσης. Σε δύσκολα και περίπλοκα ρομποτικά συστήματα δεν είναι πάντα γνωστές. Ως εναλλακτικός τρόπος προτείνονται τα νευρωνικά δίκτυα. Είναι πιο γρήγορα από τις υπολογιστικές μεθόδους και επίσης δεν χρειάζεται να είναι γνωστό το φυσικό μοντέλο του συστήματος σε σχέση με τις αλγεβρικές. Ως είσοδος στο νευρωνικό δίκτυο εφαρμόζεται η επιθυμητή στάση του άκρου εργασίας και ως έξοδος λαμβάνονται οι γωνίες των αρθρώσεων. Στη εν λόγω εργασία δοκιμάστηκε η εν λόγω αρχιτεκτονική: Ένα δίκτυο το οποίο εκπαιδεύεται με είσοδο τη θέση και τον προσανατολισμό του άκρου εργασίας, και ως έξοδο, τις γωνίες των αρθρώσεων. Λόγω του ότι ένας ρομποτικός βραχίονας μπορεί να καταλήξει σε ένα σημείο με παραπάνω από ένα συνδυασμούς γωνιών των αρθρώσεων, στη παραγωγή των σημείων για την εκπαίδευση των δικτύων έχουν τεθεί περιορισμοί στις γωνίες των αρθρώσεων. Η παραγωγή του συνόλου δεδομένων έγινε τυχαία. Πιο αναλυτικά, για κάθε γωνία άρθρωσης που βρίσκεται σε ένα εύρος τιμών, επιλέγεται τυχαία μια τιμή για κάθε άρθρωση. Αυτές οι γωνίες περνάνε μέσα από την ευθεία κινηματική και έτσι παράγεται ένας πίνακας 4x4, όπου οι 3 πρώτες γραμμές και στήλες αποτελούν τον πίνακα προσανατολισμού και η τέταρτη στήλη έως την τρίτη γραμμή τη θέση(x, y, z) του άκρου εργασίας. Για την εκπαίδευση του δικτύου χρησιμοποιείται μια μετρική για τις γωνίες των αρθρώσεων. Μετά την εκπαίδευση το δίκτυο δοκιμάζεται εμπράκτως στο περιβάλλον εξομοίωσης του gazebo για μία εφαρμογή pick and place ενός κουτιού με συγκεκριμένη τροχιά άκρου εργασίας.