⚡ electrical engineering

A Minimum-Energy Control Approach for Redundant Mobile Manipulators in Physical Human-Robot Interaction Applications

Diese Arbeit stellt einen energieoptimierten Regelungsansatz für redundante mobile Manipulatoren in der physischen Mensch-Roboter-Interaktion vor, der experimentell an einer Stecknadel-Aufgabe nachweist, dass er im Vergleich zu einer Referenzmethode die gesamte kinetische Energie des Systems reduziert und die Leistung verbessert.

Ursprüngliche Autoren: Davide Tebaldi, Niccolò Paradisi, Fabio Pini, Luigi Biagiotti

Veröffentlicht 2026-03-27

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Davide Tebaldi, Niccolò Paradisi, Fabio Pini, Luigi Biagiotti

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Der schlafende Riese: Wie man Roboter hilft, sich zu bewegen, ohne den Menschen zu erschrecken

Stellen Sie sich vor, Sie arbeiten mit einem riesigen, starken Roboterarm zusammen, der auf einem schweren, fahrbaren Sockel sitzt. Dieser Roboter soll Ihnen helfen, eine schwere Aufgabe zu erledigen – zum Beispiel einen Stift in ein Loch zu stecken (ein sogenanntes "Peg-in-Hole"-Spiel). Aber hier ist das Problem: Der Roboter ist nicht fest an der Wand montiert, er kann sich frei bewegen.

Das ist wie bei einem Kletterer, der auf einem wackeligen Seil steht. Wenn der Kletterer (der Roboterarm) sich bewegt, muss das Seil (die mobile Basis) mitwackeln, um das Gleichgewicht zu halten. Wenn das Seil zu stark wackelt, wird es für den Menschen, der daneben steht, gefährlich und unangenehm.

Das Problem: Wer macht die schwere Arbeit?

In der Vergangenheit haben Roboter oft einfach so getan, als wären sie fest verankert. Wenn der Arm sich bewegen musste, hat der ganze Roboter (Basis + Arm) sich bewegt, oft ohne nachzudenken. Das ist wie bei einem Elefanten, der versucht, eine Perle aufzuheben: Er bewegt seinen ganzen riesigen Körper, nur um eine winzige Perle zu greifen. Das kostet enorm viel Energie und ist für jeden, der in der Nähe steht, beängstigend.

Die Forscher aus Modena und Verona wollten das ändern. Ihre Frage war: Wie können wir den Roboter so steuern, dass er die "schwerste" Bewegung (das schwere Fahrgestell) so wenig wie möglich benutzt und stattdessen den "leichteren" Arm mehr arbeiten lässt?

Die Lösung: Der "Energie-Spar-Modus"

Die Autoren haben einen neuen Kontroll-Algorithmus entwickelt. Man kann sich das wie einen sehr klugen Chauffeur vorstellen, der nur dann den Motor (die mobile Basis) startet, wenn es absolut notwendig ist.

Der alte Weg (Der Benchmark): Der Roboter entschied oft willkürlich, ob er sich bewegen sollte oder nicht. Manchmal bewegte er sich zu viel, manchmal zu wenig. Das war wie ein Fahrer, der ständig zwischen Gas und Bremse hin und her springt.
Der neue Weg (Minimum-Energy): Der neue Algorithmus berechnet ständig: "Was kostet weniger Energie? Den schweren Sockel zu bewegen oder nur den Arm?" Da der Sockel 115 kg wiegt (viel schwerer als der Arm), entscheidet der Algorithmus fast immer: "Bewege den Arm! Lass den Sockel stehen, es sei denn, es geht gar nicht anders."

Das Experiment: Das Loch-und-Stift-Spiel

Um das zu testen, haben die Forscher 27 Menschen gebeten, mit dem Roboter ein Spiel zu spielen: Ein Stift in verschiedene Löcher stecken. Sie haben drei verschiedene Methoden ausprobiert:

Methode A (Der "Lauf-Modus"): Der Roboter bewegt sich ständig mit, egal ob nötig oder nicht.
Methode B (Der "Schalter-Modus"): Der Mensch muss selbst entscheiden: "Jetzt fahre ich" oder "Jetzt greife ich". Das ist anstrengend für den Menschen, weil er ständig umschalten muss.
Methode C (Der neue "Energie-Spar-Modus"): Der Roboter entscheidet automatisch für sich selbst, wie er sich am effizientesten bewegt.

Was ist passiert? (Die Ergebnisse)

Die Ergebnisse waren beeindruckend und lassen sich so zusammenfassen:

Weniger Kraftaufwand für den Menschen: Bei der neuen Methode mussten die Menschen weniger Kraft aufwenden (ca. 22 % weniger als beim alten "Lauf-Modus"). Der Roboter half besser, weil er nicht gegen den Menschen "drückte".
Schneller und glatter: Der neue Roboter war schneller als der, bei dem der Mensch schalten musste. Er zögerte nicht, weil niemand den Schalter drücken musste. Die Bewegung war wie bei einem fließenden Fluss, während der alte Roboter manchmal wie ein hüpfender Hase wirkte (ruckartig).
Sicherheit: Da der schwere Sockel (der "Elefant") sich weniger bewegte, war die Situation für den Menschen viel sicherer. Weniger Bewegung des schweren Teils bedeutet weniger Schwung und weniger Gefahr, wenn man versehentlich in den Weg kommt.

Die große Metapher: Der Tanzpartner

Stellen Sie sich vor, Sie tanzen mit einem Partner.

Der alte Roboter war wie ein Partner, der Sie ständig herumwirbelt, auch wenn Sie nur einen kleinen Schritt machen wollen. Das macht Sie müde und unsicher.
Der Schalter-Roboter war wie ein Partner, der auf Sie wartet, bis Sie ihm sagen: "Okay, jetzt drehen wir uns!" Das ist anstrengend, weil Sie ständig指挥ieren müssen.
Der neue "Energie-Spar-Roboter" ist wie ein perfekter Tanzpartner. Er spürt sofort, was Sie wollen, und bewegt nur genau so viel, wie nötig ist, um den Tanz schön und sicher zu machen. Er schont seine eigenen Kräfte (Energie) und lässt Sie sich sicher fühlen.

Fazit

Diese Forschung zeigt, dass wir Roboter nicht nur stärker, sondern auch klüger machen können. Indem wir sie lehren, ihre eigene "Energie" intelligent einzuteilen (den schweren Sockel ruhig zu lassen und den leichten Arm arbeiten zu lassen), werden Roboter sicherere, schnellere und angenehmere Partner für uns Menschen – besonders in Situationen, in denen wir Körperkontakt haben, wie in der Pflege oder bei der Rehabilitation.

Kurz gesagt: Der Roboter lernt, nicht den ganzen Körper zu bewegen, wenn nur ein Finger reicht. Das ist gut für die Energiebilanz und noch besser für die Sicherheit des Menschen.

Titel: Ein Minimum-Energie-Ansatz zur Steuerung redundanter mobiler Manipulatoren in Anwendungen der physischen Mensch-Roboter-Interaktion

1. Problemstellung

Mobile Manipulatoren (bestehend aus einem mobilen Unterwagen und einem darauf montierten Roboterarm) eröffnen neue Möglichkeiten in der kollaborativen Robotik, insbesondere für Aufgaben, die mit feststehenden Armen nicht lösbar sind (z. B. Co-Transport oder Rehabilitation).
Das zentrale Problem bei der Steuerung solcher Systeme in der physischen Mensch-Roboter-Interaktion (pHRI) liegt in der Redundanz des Systems. Der mobile Unterwagen fügt zusätzliche Freiheitsgrade hinzu, was die inverse differentielle Kinematik (IDK) komplexer macht.

Herausforderung: Herkömmliche Ansätze nutzen oft Pseudoinverse der Jacobi-Matrix oder priorisierte Kontrolltechniken. Diese können zu ineffizienten Bewegungen führen, bei denen der schwerste Systemteil (der mobile Unterwagen) unnötig viel bewegt wird.
Folgen: Hohe kinetische Energie im System führt zu ruckartigen Bewegungen, erhöhtem menschlichem Kraftaufwand, längeren Ausführungszeiten und potenziellen Sicherheitsrisiken für den menschlichen Operator.

2. Methodik

Die Autoren schlagen einen neuen Regelungsansatz vor, der das IDK-Problem als Optimierungsproblem formuliert, um die gesamte kinetische Energie des mobilen Manipulators zu minimieren.

Systemarchitektur: Der Ansatz basiert auf einer virtuellen Admittanz-Dynamik, bei der der Mensch über Kräfte ( $f_h$ ) eine gewünschte Geschwindigkeit ( $v_d$ ) im Arbeitsraum vorgibt. Diese muss in Gelenkgeschwindigkeiten ( $\dot{q}_d$ ) für Arm und Basis umgewandelt werden.
Optimierungsproblem:
Das Ziel ist die Minimierung der kinetischen Energie $E_K$ :
$\min_{\dot{q}_{ad}, \dot{q}_{bd}} E_K = \frac{1}{2} \dot{q}_{ad}^T M_a(q_a) \dot{q}_{ad} + \frac{1}{2} \dot{q}_{bd}^T M_b \dot{q}_{bd}$
unter der Nebenbedingung der kinematischen Beziehung:
$J(q) \dot{q}_d = v_d$
Dabei sind $M_a$ und $M_b$ die Trägheitsmatrizen des Arms bzw. des mobilen Unterwagens.
Lösung: Das Problem wird analytisch gelöst, was zu einer dynamisch konsistenten Pseudoinversen ( $J_M^\dagger$ $J_{M}^{†}$ ) führt. Diese Gewichtung berücksichtigt explizit die Trägheit der Komponenten.
- Der Ansatz minimiert automatisch die Bewegung des schweren Unterwagens, wenn der Arm die Aufgabe erfüllen kann.
- Ein Nullraum-Projektor wird verwendet, um eine sekundäre Aufgabe (Vermeidung von Abweichungen von einer bevorzugten Konfiguration) zu erfüllen, ohne die primäre Energie-Minimierung zu stören.

3. Schlüssige Beiträge

Energie-Optimierung: Entwicklung einer geschlossenen Lösungsformel für das IDK-Problem, die die kinetische Energie des Gesamtsystems minimiert, anstatt nur die Gelenkgeschwindigkeiten zu minimieren.
Sicherheit und Komfort: Durch die Reduktion der Bewegung des schweren Unterwagens (115 kg) wird die Sicherheit bei physischer Interaktion erhöht und ein sanfteres Nutzererlebnis gewährleistet.
Automatisierung: Im Gegensatz zu "Switch"-Modi, bei denen der Nutzer zwischen Fahr- und Manipulationsmodus wechseln muss, erfolgt die Koordination hier vollständig automatisch und reaktionsschnell.

4. Experimentelle Ergebnisse

Die Methode wurde experimentell an einem mobilen Manipulator (UR10e Arm auf Robotnik RB-KAIROS+ Basis) im Rahmen einer "Peg-in-Hole"-Aufgabe (Stift-in-Loch) mit 27 Teilnehmern getestet und mit zwei Benchmark-Methoden verglichen:

Locomotion-Modus: Ständige Nutzung des Unterwagens.
Switch-Modus: Manuelles Umschalten zwischen Fahr- und Manipulationsmodus durch den Nutzer.
Vorgeschlagener Minimum-Energy-Ansatz.

Ergebnisse (Medianwerte über 27 Durchläufe):

Kinetische Energie ( $\bar{E}$ ): Der vorgeschlagene Ansatz reduzierte die gespeicherte kinetische Energie um ca. 66 % im Vergleich zum Locomotion-Modus und erreichte ein ähnliches Niveau wie der Switch-Modus, jedoch ohne manuelle Eingriffe.
Menschlicher Kraftaufwand ( $\bar{F}_h$ ): Der Kraftaufwand sank im Vergleich zum Locomotion-Modus um 22 % (Switch-Modus: 41 %).
Ausführungszeit ( $T_f$ ): Der Minimum-Energy-Ansatz war der schnellste (ca. 24 % schneller als der Switch-Modus und 11 % schneller als Locomotion), da keine Verzögerungen durch manuelle Umschaltungen oder ruckartige Bewegungen auftraten.
Bewegungsprofil: Der Ansatz erzeugte die glattesten Geschwindigkeitsverläufe und die geringsten Spitzenwerte, was die Sicherheit und den Komfort erhöht. Die Endpositionsgenauigkeit war vergleichbar mit dem Locomotion-Modus.

5. Bedeutung und Fazit

Der vorgestellte Ansatz demonstriert, dass eine energieoptimierte Regelung für mobile Manipulatoren in der pHRI entscheidende Vorteile bietet:

Effizienz: Deutlich kürzere Bearbeitungszeiten und geringerer Energieverbrauch.
Sicherheit: Durch die Minimierung der Bewegung schwerer Komponenten wird das Risiko von Kollisionen oder Verletzungen bei direktem Kontakt mit dem Menschen reduziert.
Benutzerfreundlichkeit: Der Nutzer muss keine komplexen Moduswechsel vornehmen; das System passt sich automatisch und intuitiv an die Aufgabe an.

Die Studie belegt, dass die Minimierung der kinetischen Energie als Optimierungsziel eine überlegene Alternative zu herkömmlichen kinematischen Ansätzen darstellt, insbesondere für Anwendungen, die eine sichere und flüssige physische Interaktion zwischen Mensch und Roboter erfordern.