HiCART-OMP: Human-inspired Collision Aware Trace Following Real Time and Online Motion Planner
Dit artikel presenteert HiCART-OMP, een real-time, online bewegingsplanner die mens-geïnspireerd spoorvolgen integreert met voorspellende multi-traject uitrol om robots in staat te stellen veilig en efficiënt door dynamische, ongestructureerde omgevingen te navigeren door de convergentie van het pad van de eindeffector te ontkoppelen van obstakelvermijding voor het gehele lichaam.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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
Robots zijn al lang de meesters van de fabrieksvloer, waarbij ze dezelfde precieze, repetitieve bewegingen uitvoeren in omgevingen die nooit veranderen. Maar naarmate de visie van Industrie 4.0 en 5.0 machines naar gedeelde ruimtes met mensen brengt, moeten de regels van interactie veranderen. In een wereld waar mensen onvoorspelbaar bewegen en objecten zonder waarschuwing verschuiven, kan een robot niet vertrouwen op een vooraf geschreven script. Het moet in staat zijn om een nieuw obstakel te zien, in een fractie van een seconde te beslissen hoe het eromheen moet bewegen, en nog steeds de bestemming te bereiken met de exacte oriëntatie die nodig is om een kopje op te pakken of een schroef aan te draaien. Dit vereist een delicaat evenwicht: de robot moet reactief genoeg zijn om een plotselinge beweging te ontwijken, maar ook slim genoeg om een pad te plannen dat niet in een doodlopende weg terechtkomt. Jarenlang hebben ingenieurs gestreden om een methode te vinden die de snelheid van een reflex combineert met het vooruitzicht van een kaart, waarbij ze vaak gedwongen werden te kiezen tussen veiligheid en efficiëntie.
Een team van onderzoekers aan de Scuola Superiore Sant'Anna in Pisa heeft een nieuw systeem ontwikkeld dat is ontworpen om precies dit probleem op te lossen. Ze noemen het HiCART-OMP, een bewegingsplanner die een robotarm in staat stelt om in realtime door complexe, veranderende omgevingen te navigeren. De kern van hun werk is verrassend menselijk. Wanneer een persoon naar een object op een volle plank reikt, berekent hij niet één enkele, rigide lijn van zijn hand naar het object. In plaats daarvan vormt hij een algemeen idee van het pad, en past vervolgens zijn arm continu aan terwijl hij beweegt, waarbij hij om een koffiemok of een stapel boeken heen weeft terwijl hij zijn doel voor ogen houdt. De onderzoekers vertaalden dit intuïtieve gedrag naar een wiskundig kader dat de end-effector van een robot — het gereedschap aan de punt van de arm — langs een flexibel pad leidt dat zichzelf hervormt wanneer de wereld verandert.
Het systeem werkt door eerst een rechte lijn in de ruimte te trekken van waar de hand van de robot zich momenteel bevindt naar waar deze naartoe moet gaan. Deze lijn is geen star spoor, maar een levend pad bestaande uit veel kleine punten. Terwijl de robot beweegt, scant een externe camera de omgeving en bouwt een digitale kaart op van alles wat het ziet, inclusief statische meubels en bewegende mensen. Als het systeem een obstakel detecteert nabij het pad, past het een virtuele afstotende kracht toe die de punten van het pad wegduwt, waardoor de route om het gevaar heen buigt. Cruciaal is dat de hand van de robot wordt geleid om dit buigende lijn te volgen, terwijl de rest van het lichaam van de robot tegelijkertijd wordt aangestuurd om botsingen te vermijden met behulp van een aparte set regels. Deze scheiding zorgt ervoor dat de hand op koers blijft, zelfs terwijl de gewrichten van de robot draaien en draaien om te voorkomen dat de eigen arm of nabijgelegen objecten worden geraakt.
Wat deze aanpak onderscheidt, is hoe het vooruit denkt. Terwijl veel reactieve systemen alleen naar de directe volgende stap kijken, simuleert HiCART-OMP constant meerdere toekomstige mogelijkheden. Het genereert verschillende alternatieve paden die afsplitsen van de huidige route en test elk van deze paden om te zien welke het veiligst en snelst naar het doel zou leiden. Het evalueert deze opties op basis van de lengte van het pad, hoe dicht het bij obstakels komt en of de gewrichten van de robot nabij hun fysieke grenzen zijn. Als een van deze alternatieve paden er beter uitziet dan de huidige, schakelt het systeem er soepel op over. Dit voorspellende vermogen voorkomt dat de robot vast komt te zitten in lokale doodlopende wegen, een veelvoorkomend foutpunt voor simpelere systemen die een robot in een hoek kunnen duwen waardoor deze niet meer kan terugkeren.
De onderzoekers testten hun methode zowel in computersimulaties als op echte robots, waaronder een zeven-gewrichtige arm van Franka Emika en een zes-gewrichtige arm van Doosan. Ze zetten hun systeem af tegen andere state-of-the-art planners in scenario's die ontworpen zijn om moeilijk te zijn, zoals het navigeren door nauwe openingen tussen planken of het ontwijken van bewegende objecten die door de werkruimte zwaaien. In statische omgevingen vol strikte beperkingen slaagde de nieuwe planner er telkens in het doel te bereiken, waarbij hij andere methoden overtrof die vaak vastliepen of tegen zichzelf botsten. In dynamische omgevingen waar objecten bewogen, behaalde het systeem een succespercentage van bijna 86 procent, wat aanzienlijk hoger is dan dat van zijn concurrenten. Waar andere systemen vaak faalden omdat ze te lang aarzelden nabij obstakels of te veel tijd nodig hadden om een weg doorheen te vinden, bewoog HiCART-OMP met een vloeiende zelfverzekerdheid en voltooide taken vaak ongeveer drie seconden sneller dan de anderen.
Een sleutel tot deze prestatie is hoe het systeem de snelheid en veiligheid van de robot beheert. De onderzoekers ontwierpen een speciaal regelmechanisme dat werkt als een rem, waardoor de robot automatisch vertraagt naarmate hij dichter bij een obstakel komt. Dit zorgt ervoor dat zelfs als de robot zeer dicht langs een bewegend object moet passeren, dit gebeurt met een gecontroleerde, zachte benadering in plaats van een riskante sprint. Bovendien geeft het systeem prioriteit aan het brengen van de hand naar de juiste locatie eerst, en richt het zich pas op de precieze hoek van de hand zodra deze veilig bij het doel is. Dit stelt de robot in staat om flexibel en wendbaar te zijn tijdens de reis, en pas een rigide eindhoud aan te nemen wanneer dat veilig is.
De resultaten suggereren dat door de manier waarop mensen hun bewegingen plannen en aanpassen na te bootsen, robots veiliger en efficiënter kunnen opereren in ongestructureerde ruimtes. Het systeem vereist geen voorafgaande kennis van de objecten in de kamer; het bouwt zijn begrip van de wereld vanaf nul op met behulp van cameradata, waarbij het de kaart zestig keer per seconde ververst. Dit stelt het in staat om te reageren op veranderingen terwijl ze plaatsvinden, wat het geschikt maakt voor omgevingen waar mensen en machines naast elkaar werken. Hoewel de tests in gecontroleerde omgevingen werden uitgevoerd, wijst het vermogen om vloeiende, botsingsvrije bewegingen te genereren met een snelheid van duizend keer per seconde op een belangrijke stap voorwaarts in het werkelijk adaptief maken van robots als partners in de echte wereld.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.