Adaptive Vision-Based Control of Redundant Robots with Null-Space Interaction for Human-Robot Collaboration

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat je een zeer flexibele, slimme robotarm hebt die net als een mens tien vingers heeft, maar dan in de vorm van gewrichten. Deze robot moet een specifieke taak uitvoeren, zoals een schroef vastdraaien of een object vasthouden. Maar er is een probleem: de robot werkt in een kamer waar niemand de afmetingen heeft opgemeten (de camera is "niet gekalibreerd"), en er lopen mensen rond die soms in de weg staan of onverwachte dingen doen.

Dit artikel beschrijft een nieuwe manier om zo'n robot te besturen, zodat hij niet alleen zijn eigen werk perfect doet, maar ook samenwerkt met mensen zonder in de war te raken.

Hier is de uitleg in simpele taal, met behulp van een paar creatieve vergelijkingen:

1. De "Twee-Wegs" Robot (De Taak en de Ruimte)

Stel je de robotarm voor als een slang. Een slang heeft veel gewrichten (hij is "redundant", wat betekent dat hij meer bewegingsmogelijkheden heeft dan strikt nodig is om van punt A naar punt B te gaan).

De Kop van de Slang (De Taakruimte): Dit is het puntje van de robotarm. Zijn enige doel is om precies op het juiste punt te komen (bijvoorbeeld om een schroef vast te draaien). Dit is de "hoofdtaak".
Het Lichaam van de Slang (De Nulruimte): Dit zijn de gewrichten in het midden. Omdat de slang zo flexibel is, kan hij zijn lichaam verdraaien en bewegen zonder dat de kop van de slang van zijn plek gaat.

De innovatie: De meeste robots zijn zo geprogrammeerd dat als je ze aanraakt, ze stoppen met hun werk of in de war raken. Dit nieuwe systeem laat de robot toe om zijn "kop" (de taak) perfect te laten doen, terwijl zijn "lichaam" (de gewrichten) vrij is om te bewegen als een mens erin duwt of hem helpt.

2. De "Onzichtbare Gids" (Visie zonder Kaart)

De robot kijkt door een camera, maar deze camera is niet goed afgesteld. Het is alsof je probeert te navigeren met een kaart die op de verkeerde schaal is getekend; je weet niet precies hoe ver iets weg is.

De Oplossing: In plaats van eerst urenlang de camera te kalibreren (de kaart te tekenen), leert de robot terwijl hij werkt. Het is alsof je in het donker loopt en je zintuigen direct aanpast aan de grond onder je voeten. De robot schat continu hoe ver de objecten zijn en past zijn bewegingen direct aan. Zodra hij de juiste positie heeft, is hij "geleerd" hoe de wereld eruitziet.

3. De "Dempings-veer" (Samenwerken met Mensen)

Dit is het meest interessante deel. Stel je voor dat de robotarm een veer is die je kunt indrukken.

Het Scenario: Een mens loopt de werkplek binnen en moet even een gereedschap pakken. De mens staat in de weg of de robot moet uitwijken om de mens niet te raken.
Hoe het werkt: De mens kan de robotarm (via een Augmented Reality-bril of een joystick) "duwen" of "trekken" om de gewrichten van de robot te verplaatsen.
Het Magische: Omdat de robot een speciale "dempings-veer" heeft in zijn gewrichten, geeft hij toe aan de duw van de mens. Hij verplaatst zijn lichaam om de mens ruimte te geven, maar zijn kop blijft precies op dezelfde plek om de schroef vast te draaien.
De Analogie: Het is alsof je een muzikant ziet die viool speelt. Als iemand langs loopt en de muzikant zachtjes aan de schouder raakt om te zeggen "draai je om", draait de muzikant zijn lichaam, maar zijn handen blijven perfect op de snaren spelen. De hoofdtaak (muziek maken) wordt niet onderbroken.

4. De Experimenten (De Proef)

De onderzoekers hebben dit getest met een robotarm en een HoloLens-bril (een bril die virtuele beelden in de echte wereld projecteert).

Proef 1: De robot moest naar een punt bewegen. Plotseling kwam er een mens in de weg die zich ongemakkelijk rekte. De operator (de mens achter de bril) zag dit en "duwde" virtueel op de gewrichten van de robot. De robot draaide zijn lichaam om de mens ruimte te geven, terwijl zijn hand perfect op het doel bleef gericht.
Proef 2: De robot volgde een rondje. Plots lag er een koffer op de grond die de robot zelf niet zag (buiten het zicht van de camera). De operator zag de koffer en gaf een signaal om de robotarm eromheen te bewegen. De robot deed dit soepel, zonder dat zijn hand van het rondje afweek.

Waarom is dit belangrijk?

Vroeger moest je robots heel strikt programmeren: "Ga hierheen, raak niets aan." Als er iets onverwachts gebeurde (een mens, een obstakel), viel de robot vaak uit of botste hij.

Met deze nieuwe methode wordt de robot flexibel en veilig. Hij kan samenwerken met mensen in een chaotische omgeving (zoals een fabriek of een ziekenhuis) zonder dat hij eerst maandenlang moet worden ingesteld. De mens kan op elk moment ingrijpen om de robot te helpen, en de robot luistert, maar blijft zijn eigen werk doen.

Kortom: Het is een robot die niet alleen "slim" is, maar ook "luistert" en "geeft toe", zodat mens en machine als een goed getraind duo kunnen werken, zelfs als de omgeving niet perfect is.

Each language version is independently generated for its own context, not a direct translation.

Hier is een gedetailleerde technische samenvatting van het artikel "Adaptive Vision-Based Control of Redundant Robots with Null-Space Interaction for Human-Robot Collaboration" in het Nederlands.

Titel

Adaptieve visiegebaseerde regeling van redundante robots met interactie in de nult ruimte voor mens-robot samenwerking.

1. Probleemstelling

Mens-robot samenwerking (HRC) heeft potentie om menselijke vaardigheden te versterken, maar er blijven uitdagingen bestaan om de prestaties van beide partijen te optimaliseren zonder de veiligheid of efficiëntie te compromitteren. Bestaande benaderingen hebben vaak de volgende beperkingen:

Rigiditeit: Veel systemen vereisen dat de robot zijn hoofdtaak stopt om menselijke instructies te volgen, wat de efficiëntie verlaagt.
Oncalibreerde omgevingen: Robots werken vaak in onvoorbereide omgevingen (bijv. chirurgie, rommelige werkplaatsen) waar camera-parameters (zoals diepte en intrinsieke parameters) onbekend zijn. Bestaande adaptieve regelaars zijn vaak ontworpen voor geïsoleerde robots en falen wanneer menselijke interactie de aanpassing van parameters verstoort.
Beperkte waarneming: Robots hebben een beperkt sensorisch bereik en kunnen onverwachte obstakels of menselijke bewegingen niet altijd tijdig waarnemen, wat leidt tot botsingsrisico's.

Het doel is een regeling te ontwikkelen die het hoofdwerk van de robot (bijv. het positioneren van de end-effector) continu uitvoert, terwijl de redundante gewrichten tegelijkertijd reageren op menselijke interventie om veiligheid en comfort te waarborgen, zelfs zonder voorafgaande kalibratie.

2. Methodologie

De auteurs stellen een nieuwe regelingsschema voor voor redundante robots ( $n > m$ ), bestaande uit twee gekoppelde maar ontkoppelde componenten:

A. Adaptieve Visiegebaseerde Regeling (Taakruimte)

Doel: Het end-effector moet naar een gewenste positie in de visieruimte bewegen ( $x \to x_d$ ), ondanks een onbekende camera-calibratie.
Aanpak: Er wordt een regressor-matrix gebruikt om de onbekende parameters (diepte $z$ en beeld-Jacobiaan $J_s$ ) online te schatten.
Regelwet: De regeling gebruikt een geschatte Jacobiaan en diepte. De parameters worden bijgewerkt via adaptiewetten die worden aangedreven door de visieruimte-fout ( $x - x_d$ ).
Stabiliteit: De convergentie van de positiefout naar nul wordt gegarandeerd via Lyapunov-analyse, zelfs als de camera niet is gekalibreerd.

B. Interactieve Regeling in de Nult Ruimte

Doel: Het exploiteren van de redundantie van de robot om menselijke intenties te verwerken zonder de hoofdtaak te beïnvloeden.
Model: Er wordt een dempingsmodel (damping model) geïmplementeerd in de nult ruimte van de Jacobiaan. Dit zorgt ervoor dat de robot "meegaand" (compliant) is voor menselijke krachten of commando's.
Interactie: Mensen kunnen ingrijpen via diverse interfaces (bijv. AR-bril, joystick, kracht/torque sensoren). Deze input ( $d$ ) wordt omgezet in een gewrichtssnelheid in de nult ruimte: $N(q)(c_d \dot{q} - d) = 0$ .
Decoupling: De regeling in de taakruimte en de nult ruimte zijn wiskundig ontkoppeld. Menselijke interventie verandert de configuratie van de robotarm (bijv. om een obstakel te vermijden), maar laat de positie van het end-effector in de visieruimte onveranderd.

C. Stabilitätsbewijs

De stabiliteit van het gesloten-luipsysteem wordt strikt bewezen met de Lyapunov-methode. Het bewijs toont aan dat:

De positiefout in de visieruimte convergeert naar nul.
De gewenste dempingsmodellen in de nult ruimte worden gerealiseerd.
De geschatte parameters (diepte en camera-parameters) begrensd blijven.

3. Belangrijkste Bijdragen

Integratie van Adaptie en Interactie: Voor het eerst wordt een adaptieve visiegebaseerde regeling gecombineerd met een interactieve nult-ruimteregeling, specifiek ontworpen voor mens-robot samenwerking in onbekende omgevingen.
Ongekalibreerde Omgevingen: De methode vereist geen voorafgaande kalibratie van de camera. De onbekende parameters worden online geschat, wat de toepasbaarheid in dynamische omgevingen (zoals ziekenhuizen of fabrieken) vergroot.
Veilige Menselijke Interventie: Het systeem stelt mensen in staat om op elk moment in te grijpen om onverwachte situaties (botsingen, ongemakkelijke houdingen) op te lossen, zonder dat de robot zijn hoofdtaak moet onderbreken.
Experimentele Validatie met AR: De theorie is gevalideerd met een UR5-robotarm die wordt geleid via een Augmented Reality (AR) interface (HoloLens 2), waarbij menselijke input via virtuele sliders en handgebaren wordt verwerkt.

4. Experimentele Resultaten

Er zijn twee experimenten uitgevoerd met een AR-gestuurde robotmanipulator:

Experiment 1 (Positiebewaking met menselijke interventie):
- De robot moest naar een vast punt in de visieruimte bewegen.
- Een menselijke proefpersoon betrad de werkruimte in een ongemakkelijke houding.
- De operator gebruikte de AR-interface om de gewrichten van de robot aan te passen.
- Resultaat: De robot paste zijn configuratie aan om de mens meer ruimte te geven, terwijl de positie van het end-effector in de visieruimte stabiel bleef (fout < 27 pixels). De fout convergeerde binnen 1,6 seconden.
Experiment 2 (Trajectvolgen met botsingsvermijding):
- De robot volgde een cirkelvormig pad.
- Een onvoorzien obstakel (een gereedschapskist) werd geplaatst buiten het gezichtsveld van de camera.
- De operator gaf via AR commando's om de robotarm weg te bewegen van het obstakel.
- Resultaat: De robot verplaatste de redundante gewrichten om botsing te voorkomen, terwijl het end-effector het cirkelvormige pad bleef volgen. De schatting van de diepte convergerde naar de werkelijke waarde.
Ablatiestudie: Een vergelijking met een regelaar zonder adaptie toonde aan dat de voorgestelde methode (met adaptie) aanzienlijk sneller convergeert en robuuster is tegen onbekende parameters.

5. Betekenis en Toekomstperspectief

Dit werk biedt een fundamentele doorbraak in mens-robot samenwerking door de dichtheid tussen menselijke flexibiliteit en robotische precisie te overbruggen. De methode maakt robots veiliger en effectiever in onvoorbereide omgevingen, wat cruciaal is voor toepassingen in de gezondheidszorg (chirurgie, revalidatie) en de industrie.

De auteurs wijzen erop dat toekomstig werk gericht zal zijn op het uitbreiden van deze regeling naar dynamische modellen (krachtregeling) en het valideren op industriële robots met 7 vrijheidsgraden. De benadering legt de basis voor autonome systemen die niet alleen taken uitvoeren, maar ook proactief kunnen samenwerken met mensen om onverwachte veranderingen in de omgeving te managen.