⚡ electrical engineering

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

Dit artikel presenteert en experimenteel valideert een controlestrategie voor redundante mobiele manipulators die de totale kinetische energie minimaliseert tijdens fysieke mens-robotinteracties, zoals aangetoond bij een pennen-in-gat-taak.

Oorspronkelijke auteurs: Davide Tebaldi, Niccolò Paradisi, Fabio Pini, Luigi Biagiotti

Gepubliceerd 2026-03-27

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Davide Tebaldi, Niccolò Paradisi, Fabio Pini, Luigi Biagiotti

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een zware kist moet verplaatsen door een smal gangpad. Je hebt twee opties: je kunt de kist alleen dragen, of je kunt een slimme robotwagen gebruiken die je helpt.

Dit artikel gaat over hoe je die robotwagen het beste kunt aansturen wanneer een mens en een robot samenwerken om een taak uit te voeren, zoals het steken van een pen in een gat (een "peg-in-hole" taak).

Hier is de kern van het verhaal, vertaald naar alledaags taal:

Het Probleem: De "Zware Wagen"

De robot in dit onderzoek bestaat uit twee delen:

Een arm (zoals een menselijke arm).
Een wagen (een mobiel onderstel met wielen) die de arm draagt.

Het probleem is dat de wagen erg zwaar is (115 kg), terwijl de arm relatief licht is. Als de robot beweegt, wil je niet dat die zware wagen onnodig heen en weer schuift. Dat kost veel energie, voelt onrustig voor de mens die erbij staat, en kan zelfs gevaarlijk zijn als de robot te hard beweegt.

In het verleden hadden robotbesturingen vaak een probleem: ze wisten niet altijd goed wat er het beste was. Soms bewogen ze de zware wagen te veel, en soms moesten mensen zelf handmatig schakelen tussen "beweeg met de arm" en "beweeg met de wagen". Dat laatste voelt als rijden in een auto met een versnellingsbak die je zelf moet bedienen terwijl je ook nog moet sturen; het is vermoeiend en onrustig.

De Oplossing: De "Energie-besparende Chauffeur"

De onderzoekers (Davide, Niccolò, Fabio en Luigi) hebben een nieuwe manier bedacht om de robot aan te sturen. Ze noemen het de "Minimum-Energy Control" (Controle voor minimale energie).

De Analogie:
Stel je voor dat je een fiets met een zware aanhanger duwt.

De oude methode: Je duwt de aanhanger soms hard, soms zacht, en je maakt veel scherpe bochten. Je bent snel moe en de aanhanger slingert.
De nieuwe methode: De robot heeft een "slimme chauffeur" in zijn hoofd. Deze chauffeur weet precies: "Als ik de zware aanhanger (de wagen) een beetje beweeg, kost dat veel energie. Als ik de lichte fiets (de arm) beweeg, kost dat weinig."

De robot probeert dus altijd de minst mogelijke energie te gebruiken. Hij laat de zware wagen bijna stil staan en gebruikt alleen de lichte arm om de taak te doen. Alleen als het echt niet anders kan, beweegt hij de wagen.

Wat hebben ze gedaan?

Ze hebben dit getest met 27 mensen. Die moesten samen met de robot een pen in een gat steken. Ze hebben drie manieren vergeleken:

De "Lokeermode": De robot beweegt de wagen veel (zoals een onhandige helper).
De "Schakel-mode": De mens moet zelf beslissen wanneer de wagen beweegt en wanneer de arm (zoals handmatig schakelen in een auto).
De "Nieuwe Energie-methode": De robot beslist zelf automatisch wat het slimst is.

De Resultaten: Waarom is de nieuwe methode beter?

De resultaten waren duidelijk:

Minder moeite voor de mens: Bij de nieuwe methode moesten mensen veel minder kracht zetten. De robot nam het zware werk van de wagen over en liet de mens alleen de fijne bewegingen doen.
Sneller: Omdat de robot niet hoefde te wachten op de mens om te schakelen, was de taak sneller klaar.
Vlotter en veiliger: De bewegingen waren veel rustiger. Er waren geen schokkerige momenten waar de wagen plotseling begon te rollen. Dit voelt voor de mens veel veiliger en comfortabeler.
Minder "zweet" (Energie): De robot verbruikte veel minder energie. Het was alsof je een auto met een hybride motor hebt die slim schakelt, in plaats van een oude benzineauto die altijd vol gas geeft.

Conclusie

Dit onderzoek laat zien dat als je robots en mensen samen wilt laten werken, je de robot niet zomaar moet laten bewegen. Je moet hem leren slim te kiezen wat hij beweegt.

Door de zware onderdelen (de wagen) stil te houden en alleen de lichte onderdelen (de arm) te gebruiken, wordt de samenwerking:

Veiliger (minder schokken).
Efficiënter (sneller klaar).
Aangenamer voor de mens (minder vermoeiend).

Kortom: De robot wordt een betere, slimmere partner die precies weet wanneer hij moet bewegen en wanneer hij moet wachten, zodat de mens zich op zijn gemak voelt.

Probleemstelling

De groei van collaboratieve robotica, met name in toepassingen zoals revalidatie, chirurgie en industriële taken, heeft geleid tot een toenemende interesse in mobiele manipulatoren (robots met een arm gemonteerd op een mobiel platform). Hoewel deze systemen meer vrijheidsgraden bieden dan vaste basismanipulatoren, introduceert deze redundantie complexiteit in de besturingsontwerp.

Specifiek in fysieke mens-robotinteractie (PHRI) is het cruciaal om de controlemethodologieën te optimaliseren. Traditionele benaderingen voor het oplossen van het probleem van de inverse differentiaalkinematica (IDK) bij redundante systemen gebruiken vaak gesloten oplossingen gebaseerd op de pseudoinversie van de Jacobiaan of prioriteringsmethoden. Deze methoden minimaliseren echter niet noodzakelijk de kinetische energie van het totale systeem. Omdat de mobiele basis vaak het zwaarste onderdeel is (in dit geval 115 kg), kan een inefficiënt gebruik ervan leiden tot:

Hoge kinetische energie-opslag in het systeem.
Onnodige bewegingen van de zware basis.
Verminderde veiligheid en comfort voor de menselijke operator tijdens fysieke interactie.

Het doel van dit onderzoek is het ontwikkelen van een controlebenadering die de totale kinetische energie van het gehele robotlichaam minimaliseert tijdens het uitvoeren van taken, zoals het "peg-in-hole" (pen-in-gat) experiment.

Methodologie

De auteurs stellen een nieuwe aanpak voor om het IDK-probleem op te lossen door gebruik te maken van een optimalisatieprobleem dat gericht is op het minimaliseren van de kinetische energie.

1. Controlearchitectuur:
Het systeem gebruikt een virtuele admittantie-dynamica ( $M \dot{v}_d + B v_d = f_h$ ) om de interactie tussen de mens en de robot te modelleren. De mens oefent een kracht ( $f_h$ ) uit, wat een gewenste twist ( $v_d$ ) in de operationele ruimte genereert. De uitdaging is om deze twist om te zetten naar gewenste gewrichtssnelheden ( $\dot{q}_d$ ) voor zowel de robotarm als de mobiele basis.

2. Optimalisatieformulering:
In plaats van een standaard pseudoinversie te gebruiken, formuleren de auteurs een kwadratisch optimalisatieprobleem:

Doelfunctie: Minimaliseren van de totale kinetische energie ( $E_K$ ) van het systeem:
$E_K = \frac{1}{2} \dot{q}_a^T M_a(q_a) \dot{q}_a + \frac{1}{2} \dot{q}_b^T M_b \dot{q}_b$
Waarbij $M_a$ en $M_b$ respectievelijk de traagheidsmatrices van de arm en de mobiele basis zijn.
Beperking: De kinematische relatie moet voldoen aan de gewenste twist:
$J(q) \dot{q}_d = v_d$

3. Oplossing:
De optimale oplossing voor dit probleem wordt gevonden door gebruik te maken van een dynamisch consistente pseudoinversie van de Jacobiaan ( $J_M^\dagger$ ). Deze oplossing weegt de bewegingen van de gewrichten op basis van hun traagheid. Hierdoor wordt de beweging van de zware mobiele basis automatisch geminimaliseerd ten gunste van de lichtere arm, zolang dit voldoet aan de taakvereisten.

4. Secundaire Taken:
Om te voorkomen dat de robot uit een gewenste configuratie raakt, wordt een secundaire taak toegevoegd in de nultekst van de Jacobiaan (projector $N(J(q))$ ), die de robot terugbrengt naar een voorkeursconfiguratie ( $q_{des}$ ).

Belangrijkste Bijdragen

Energie-geoptimaliseerde IDK: Een nieuwe methode om inverse differentiaalkinematica op te lossen die specifiek de kinetische energie van het gehele lichaam minimaliseert, in plaats van alleen gewrichtssnelheden of afstanden tot grenzen.
Veiligheid en Comfort: Door de beweging van de zware mobiele basis te minimaliseren, wordt de veiligheid bij fysieke interactie met mensen verhoogd en wordt de gebruikerservaring soepeler.
Experimentele Validatie: De methode is getest op een reële mobiele manipulator (UR10e arm op een Robotnik RB-KAIROS+ basis) met 27 proefpersonen bij een "peg-in-hole" taak.

Resultaten

De experimenten vergeleken drie benaderingen:

(a) Locomotion: Standaard aanpak waarbij de basis actief wordt gebruikt.
(b) Switch: Een methode waarbij de gebruiker handmatig schakelt tussen manipulatie en locomotie.
(c) Minimum-Energy: De voorgestelde automatische energie-minimalisatie.

Kernbevindingen:

Kinetische Energie: De voorgestelde methode (c) reduceerde de totale kinetische energie met ongeveer 66% ten opzichte van de "locomotion" methode en presteerde vergelijkbaar met de "switch" methode, maar dan volledig automatisch.
Menselijke Inspanning: De gemiddelde kracht die door de mens moest worden uitgeoefend ( $\bar{F}_h$ ) was 22% lager dan bij de locomotion-methode (en 41% lager dan bij de switch-methode, hoewel de switch-methode cognitieve last introduceerde).
Uitvoeringstijd: De minimum-energy methode was de snelste (ongeveer 24% sneller dan de switch-methode en 11% sneller dan de locomotion-methode). De schakelmethode leed onder vertragingen door handmatige schakelacties.
Bewegingskwaliteit: De voorgestelde methode resulteerde in een veel soepeler snelheidsprofiel zonder de scherpe pieken of stilstanden (tijdens schakelen) die bij de andere methoden voorkwamen. Dit verhoogt het comfort en de veiligheid.
Nauwkeurigheid: De eindafwijking van de eind-effector was vergelijkbaar met de locomotion-methode en beter dan de schakelmethode.

Significantie

Deze studie toont aan dat het minimaliseren van de kinetische energie via een dynamisch consistente controlestrategie een superieure oplossing biedt voor fysieke mens-robotinteractie. De belangrijkste implicaties zijn:

Veiligheid: Het verminderen van de beweging van zware componenten (de basis) vermindert het risico op letsel bij botsingen of onbedoelde interacties.
Efficiëntie: Het systeem reageert sneller en soepeler zonder dat de gebruiker hoeft na te denken over wanneer de basis moet bewegen (verwijdering van cognitieve last).
Toepasbaarheid: De methode is geschikt voor real-time toepassingen (in tegenstelling tot sommige QP-oplossingen die te traag zijn) en kan worden toegepast in diverse PHRI-scenario's, zoals revalidatie of co-transport van lasten.

Kortom, de paper levert een robuuste controletheorie en experimenteel bewijs dat energie-optimalisatie een sleutelrol speelt in het verbeteren van de prestaties en veiligheid van mobiele robots die fysiek met mensen samenwerken.