ΣΥΝΕΡΓΑΣΙΑ ΡΟΜΠΟΤ-ΑΝΘΡΩΠΟΥ ΓΙΑ ΤΟΝ ΧΕΙΡΙΣΜΟ ΥΦΑΣΜΑΤΩΝ

Transcript

1 ΣΥΝΕΡΓΑΣΙΑ ΡΟΜΠΟΤ-ΑΝΘΡΩΠΟΥ ΓΙΑ ΤΟΝ ΧΕΙΡΙΣΜΟ ΥΦΑΣΜΑΤΩΝ Παναγιώτης Κουστουμπάρδης *, Νίκος Ασπράγκαθος Πανεπιστήμιο Πατρών, Τμ. Μηχανολόγων & Αεροναυπηγών Μηχανικών, Ερευνητική Ομάδα Ρομποτικής, * koust@mech.upatras.gr ΠΕΡΙΛΗΨΗ Σ απτή την εργασία παρουσιάζεται ένας νευρωνικός ελεγκτής δύναμης ο οποίος ελέγχει ένα ρομποιικ ό βραχίονα που βρίσκεται σε συνεργασία με έναν άνθρωπο με σκοπό να χειριστούν ένα κομμάιι υφάσματος. Το ένα άκρο του υφάσματος το κρατάει ο άνθρωπος ενώ το άλλο κραττέται από την ρομποιικ ή αρπάγη. Σκοπός του ελεγχόμενου συστήματος είναι να χετρίζεια ι το ύφασμα και να ακολουθεί ιις κτνήσηις του ανθρώυου. Ο συντονισμένος χειρισμός του υφάσματος γίνεται υπό το πλαίσιο μιας προαποφασισμένης εργασίας χειρισμού η οποία θα μπορούσε να καθορίζεται από έναν άνθρωπο ή από σύστημα αποφάσεων ανάλογα με την εργασία που επιθυμεί να κάνει κάποιος. Για την μέτρηση ιων δπνάμεων που αναπιύσ σοντατ επί του υφάσματος χρησιμοποτείτατ ένας αιθθητήρας δύναμης ο οποίος έχει προσαρμοσσεί στο άκρο εργασίας του ρομπότ. Το σφάλμα μεηαξύ των επιθυμητών και των μετρούμενων δυνάμεων χρησιμοποτείτατ στον αλγόριθμο οπιθθόδρομες διάδοσης του σφάλματος (backpropagation) για την εκπαίδευση του νευρωνικού δικτύου. Στα αποτελέσματα φαίνεται η δοκιμή του προιεινόμενου συστήματος ελέγχου για μία απλή εργασία χειριθμού ενός υφάσματος. Λέξεις κλειδιά: Συνεργασία Ρομπότ-Ανθρώπου, Έλεγχος Δύναμης, Χειρτσμός εύκαμπτων υλικών, Νευρωνικά Δίκτυα. 1 ΕΙΣΑΓΩΓΗ Ο ρομποιικ ός χειρισμός υυερ-εύκαμπτων υλικών όπως ι α υφάσματα είναι ένα πολυσύνθετο και πολύπλοκο πρόβλημα, λόγω της απρόβλεπτης συμπεριφοράς τους. Η υπερβολτκά μικρή αντίστασε τους σε κάμψη, οι μεγάλες και περίπλοκες παραμορφώσεις τους και η μη-γραμμικότητα αυτών των υλικών, είναι παράγοντες που αυξάνουν την πολυπλοκότητα και τη δυσκολία της αυτοματοποίησης του χειρισμού τους. Η έρευνα πάνω σε αυτό το ανοικτό επτστημονικό πεδίο αποτελεί μία πρόκληση για τον ερευνητή μηχανικό. Στο πεδίο αυτό συμπεριλαμβάνονται ρομπότ υου συνεργάζοντατ με άλλα ρομπότ, με μεχανές ή με ανθρώυους με σκοπό να χειριθθούν τέτοια υλικά. για να βοησήσουν τους ανθρώυους θττς καθεμερινές εργασίης του σπιιιού ή της βτομεχανίας εύκαμπτων υλικών. Ο έλεγχος ιε ς δύναμης που ηφαρμόζεται σε σιιβα ρά αντικείμενα έχει διερευνεθεί διεξοδικά στο παρελθόν. Ωστόσο, ε έρευνα πάνω στον έλεγχο δύναμης για το χειρισμό εύκαμπτων υλικών είναι πολύ περιορισμένη. Ο PID ελεγκτής έχει χρεσιμοποιηθηί από τους Patton κ.α. [199] για τον έλεγχο της δύναμης που ασκείτατ πάνω σε ένα ύφασμα όταν αυτό είνατ σια θεροποιεμένο από το ένα άκρο του και ένα ρομπόι το χετρίζετατ αυό το άλλο άκρο του. Πρόσφαια, τα 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9 1

2 Νευρωνικά Δίκτυα έχουν χρησιμοποιεθεί για τον έλεγχο της δύναμης κατά το χειρισμό ενός υφάσματος στη διαδικασία ραφής [Koustoumpardis, 7]. Στην παρούσα εργασία, τα Νευρωνικά Δίκτυα (NΔ) χρησιμοποιούνται για τον έλεγχο της δύναμης κατά τον χειρισμό ενός υφάσματος όταν αυτό συγκρατείται από έναν άνθρωπο και ένα ρομπότ [Koustoumpardis, 8]. Tο ρομπότ προσπαθεί να ακολουσήσει ιις κινήσεις τοπ ανθρώποπ ενώ ταυτόχρονα πρέπει να εκτελεστεί η προκαθορισμένη εργασία. ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ, ΣΚΟΠΙΜΟΤΗΤΑ Αρκετές εργασίες κατά ιις οποίες δύο άνθρωποι είναι απαραίτητοι για τη μετακίνεση και το χειρισμό ηνός ηύκαμπτου υλικού, θα μπορούσαν να υλοποιηθούν με την προσέγγισε, που παρουστάζεται στα παρακάτω. Η ηυελιξία και η ευφυΐα του ανθρώυου να σχεδιάζει και να υλοποιεί μία εργασία θα μπορούσε να συνδυαστεί με την ακρίβεια και την ταχύτητα των ρομπότ, έισι ώστε να επττευχθεί τελικά η διεκπεραίωση πολύπλοκων εργασιών χειρισμού/συναρμολόγησης. Η όλη προσέγγιση βασίζεται στο σύστημα άνθρωπος-ρομπότ-αντικείμενο αντί του συστήματος ρομπότ-αντικείμενο [SRA-EUROP, 6]. Πρακιικ ές εφαρμογές μπορούμε να συναντήσουμε στη βιομηχανία υφασμάτων/ρούχων/χαλιών σε εργασίες όπως η μεταφορά και το δίπλωμα μεγάλων σε μέγεθος υφασμάτων καθώς και σε καθεμερινές οικιακές εργασίες, όπως ο χειρισμός σεντοντών, τραπεζομάνιιλ ων, καλυμμάτων κλπ. Επιπλέον, οι εν λόγω εργασίες συναντιούνται και στη βιομηχανία αυτοκινήτου, όπως ο χειρισμός ιων υφασμάτων στα κασίσματα, των μοκειών και των πλεξούδων των καλωδίων. Τέλος, η προιηινόμηνη προσέγγιση μπορεί να έχει εφαρμογές και σε διαστημικές εργασίες όπως ο χειρισμός των ειδικών κουβερτών/καλυμάτων, που χρησιμοποιούνι αι στους τηχνετούς δορυφόρους [, 6]. Η παρούσα προσέγγτση σα μπορούσε επίσης να επηκταθηί και στεν χρήση δύο συνεργαζόμενων ρομπότ, όπου θα χειρίζονια ι ένα ύφασμα ή υπερ-εύκαμπτο υλικό σε εργασίες μέσα στο σπίττ ή στη βιομηχανία. F z F y z F x x y Σχήμα 1. Συνεργασία ρομπότ-ανθρώπου για το χειρτσμό υφάσματος. Στην παρούσα εργασία υαρουσιάζει αι ένα πολύ απλό παράδειγμα χειρισμού, με σκοπό να ερευνηθούν οι βαστκές αρχές καθώς και οι δυσκολίης που παρουσιάζει ένα τόσο υολύπλοκο πρόβλεμα. Ο προιεινόμενος νευρωντκός εληγκτής εφαρμόστηκε κατ ελέγχθηκε στο παράδητγμα υου φαίνετατ στο Σχήμα 1. Ένα κομμάιι υφάσματος, τυχαίου μεγέθους κατ τύπου, κραττέται από ιε ν αρπάγη του ρομποιικ ού βραχίονα ενώ το άλλο άκρο του υφάσματος μετακτνείτατ από ένα άνσρωυο. Σι ον καρπό του ρομπότ έχει τοποθετηθεί ένας αιθθητήραο δύναμης, όπως φαίνεται στο Σχήμα 1. Η απόσταση 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9

3 ανάμεσα στο χέρι του ανθρώυου και της αρπάγες (των σεμείων εφαρμογής πάνω στο ύφασμα) είναι τυχαία καθώς επίσες και οι κινήσεις του ανθρώυου είναι τυχαίες προς όλες ττς καιηπθύνσητς και με μεταβλητή άγνωστη ταχύτητα. Σκοπός του νευρωνικού ελεγκτή είναι να ελαχτστοποιεί ιο σφάλμα δύναμης σύμφωνα με ιις προκαθορισμένες επιθυμητές δυνάμεις και ανηξάρτητα από ιις κινήσεις του ανθρώυου. Η έξοδος του νευρωνικού ηλεγκτή είναι η ταχύτητα του άκρου ηργασίας του ρομυότ. Οτ ηπιθυμητές δυνάμεις, ή με άλλα λόγια οτ τεχνητοί περιορισμοί, θα μπορούσαν να καθορίζονται σε ένα υψηλότερο επίπεδο αποφάσεων, είιε από έναν άνθρωπο είτε αρό ένα σύσιε μα αποφάσεων και σύμφωνα μη την επιθυμητή εργασία χετρτσμού του υφάσματος. Η απόσταση ανάμεσα στο σεμείο επαφής της αρπάγης και στην αρχή του συστήματος συντεταγμένων του αιθθητήρα δύναμης προκαλεί την εμφάνιση ρουών, οι οποίες όμως δεν διερευνούνται στην παρούσα εργασία. Το μαθηματτκό μονι έλο του υφάσματος θεωρείται άγνωσιο κατ αυτό ηξαττίας των δυσκολιών, που υπάρχουν κατά την μοντελοποίηση των υφασμάτων αλλά κυρίως επειδή σκοπός της παρούσας εργασίας είναι η ανάπιυξ η ηνός ηυφυή ελεγκτή, ο οποίος θα μπορεί να ηφαρμοστηί στο χειρισμό ενός πλήθους από διαφορειικ ούς τύυους υφασμάτων χωρίς να χρησιμοποιούνται οι ιδιόιη τες ή/και τα μοντέλα τους. 3 ΝΕΥΡΩΝΙΚΟΣ ΕΛΕΓΚΤΗΣ Ο προιεινόμενος ελεγκτής φαίνεται στο Σχήμα. Η τοπολογία του Feedforward Neural Network () επιλέχτηκε λόγω της απλότητάς της κατ επειδή χρηστμοποτείτατ με επττυχία σε πάρα πολλές εφαρμογές. Όπως φαίνεται στο δομικό διάγραμμα του ελεγκτή, οι τρείς δυνάμεις F x, F y και F z, όπως αυτές εφαρμόζονται πάνω στο ύφασμα από το ανθρώπινο χέρι, καταγράφοντατ από τον αιθθητήρα και αποτελούν ιις εισόδους στο νευρωνικό ελεγκτή. Ο νευρωνικός ελεγκτής προσδιορίδει την απαραίτητη ταχύτητα ιοπ άκροπ ηργασίας ούτως ώσηε οι δυνάμεις να συγκλίνουν προς ιις επιθυμηιές ιιμ ές. (a) forces (b) or (c) robot velocity human movements forces Robot Fabric F x, F y, F z (b),, forces F x F y 1 robot velocities v x v y Robot v z new weights Back Propagation force forces error - + desired forces: F x,d, F y,d, F z,d (c),, F z 3 v x, v y, v z Robot Σχήμα. Νευρωνικός Ελεγκτής (a), περίπτωση αποκεντρωτικού ελεγκτή (b) και συγκεντρωτικού (c). Ο αλγόριθμος μάσησης, που χρησιμοποιήθηκε είναι ο γνωστός αλγόριθμος οπιθθόδρομες διάδοσης του σφάλματος (backpropagation). Το σφάλμα δύναμης, που υπολογίζεται από τη διαφορά μεταξύ της επιθυμητής και ιε ς μετρούμενης δύναμης, χρησιμοποτείτατ στο τμήμα εκπαίδευσης του ελεγκτή όπως φαίνεται στο σχήμα. Κατά 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9 3

4 την εκπαίδευση ια βάρη ιου νευρωντκού δτκτύου αναπροσαρμόζονται με σκοπό τον μηδενισμό του σφάλματος. Ο βρόχος ελέγχου κλείνει με την ανατροφοδότηση των ιριών δυ νάμεων πίσω στην είσοδο του ελεγκτή. Δύο εκδοχές του παραπάνω σχήματος ηλέγχου υλοποιήθηκαν και δοκιμάσιε καν: ο αποκεντρωιικός και ο συγκεντρωιικός έλεγχος όπως φαίνεται στο Σχήμα (b) και (c) αντίσιοιχ α, για να διερευνηθεί η ικανότητα τους να ανταπεξέλθουν σε προβλήματα συζευγμένων δυνάμεων που εμφανίζονται στα υφάσματα εξαττίας της εσωιερικ ής τους δομής, όπως περιγράφεια τ στο επόμενο κεκάλαιο. ΠΕΙΡΑΜΑΤΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΜΠΕΡΑΣΜΑΤΑ Οι προτητνόμηνοτ ηλεγκτές υλοποιήθηκαν και δοκιμάστηκαν στον ησωιερικ ό ελεγκτή (SmartController CX) του ρομποιικ ού βραχίονα Adept Cobra s8. Οι δυνάμεις καταγράφοντατ χρησιμοποτώντας το σύστημα αιθθητήρα δύναμης (F/T system Gamma 65/5) από την ATI Industrial Automation, ιο οποίο είναι προσαρμοσμένο στον καρπό του ρομπότ όπως φαίνεται στο Σχήμα 1. Οι συνδέσεις κατ ο τρόπος επικοινωνίας των διάφορων τμημάτων ιη ς πετραματτκής διάταξης φαίνονται στο Σχήμα 3. PC Optional, for initial settings: specification of handling task desired forces Ethernet Force algorithms Robot internal controller Robot controller (SmartController CX) Force controller RS-3 Force transducer Robot manipulator Σχήμα 3. Συνδέσεις πειραματικής διάταξης. Για τα αποιελ έσματα των πειραμάτων, που παρουσιάζονται παρακάτω, οι επιθυμητές δυνάμεις τέθηκαν ίσες με μηδέν για τους x-, z-άξονες (F x,d = Nt, F z,d = Nt) και μία δύναμη τάνυσης F y,d = Nt για τον y-άξονα, σύμφωνα μη το σύστημα συντεταγμένων ιου αιθθητήρα που φαίνεται στο Σχήμα 1. Σύμφωνα με αυτούς τους περιορισμούς, το πραγμαιικ ό αποτέλεσμα είναι όιι το ρομπότ ακολουθεί το ανθρώπινο χέρι ενώ ταυτόχρονα προσπαθεί να διατηρεί συνεχώς το ύφασμα σε οριζόντια σέση και τανυσμένο. Γτα όλα τα παρακάτω πετράματα ο άνθρωπος που συμμετέχει στο πείραμα έχει κληθεί να προσπαθήσει να ακολουθήσει μία σειρά κινήσεων ως εξής: 1. το πείραμα αρχίζει και ο άνθρωπος προσπαθεί να κρατήσει το χέρι του σε μία στασηρή σέση γτα sec περίπου.. μετακτνεί το χέρτ μακριά από το ρομπότ ( y διεύθυνση) για 15 sec περίπου. 3. μετακτνεί το χέρτ προς τα πάνω (+z διεύθυνση) για 1 sec περίπου.. μετακτνεί το χέρτ προς το ρομπότ (+y διεύθυνση) για sec περίπου. 5. μετακτνεί το χέρτ τα κάτω ( z διεύθυνση) για 1 sec περίπου. 6. μετακινεί ιο χέρι μακριά από το ρομπότ και προς τα πάνω ταυτόχρονα ( y και +z διεύθυνση) για sec περίπου. 7. μετακτνεί το χέρτ προς τα αριστερά ( x διεύθυνση) για 1 sec περίπου. 8. μετακινεί ιο χέρι προς τα δεξιά ( x διεύθυνση) για 1 sec περίπου και το πείραμα τερματίζεται. 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9

5 Η απόκριση του ελεγκτή για την περίπτωση του αποκεντρωιικού ελέγχου φαίνεται στο Σχήμα (a). Η σέση του άκρου εργασίας του ρομπότ κατά την διάρκεια των παραπάνω κινήσεων από τον άνθρωπο φαίνεται στο Σχήμα (b). Σ αυτή την περίπτωση χρησιμοποιήθηκαν τρία ανηξάρτητα νευρωνικά δίκτυα με νευρώνες όπου κάθε ένα είναι υπεύθυνο να ελέγχει τη μία από ιις τρείς δυνάμεις. Οι αποκρίσεις, που φαίνονια ι στο Σχήμα, καταγράκηκαν ενώ το νευρωνικό δίκτυο δεν είχε εκπαιδευτεί ακόμα, τα βάρη δηλαδή του νευρωνικού δικτύου είχαν τυχαίες αρχικές ιιμ ές. Όπως φαίνεται και από τα σχήματα, το άκρο εργασίας του ρομπότ ακολουθεί το χέρι του ανθρώυου ενώ ταυτόχρονα προσπαθεί να κρατήσει την επιθυμητή δύναμη τάνυσης (F y,d = Nt) ηπί του υφάσματος. 6 Forces (N) (a) Robot position (mm) X Y Z (b) -6 Σχήμα. Απόκριση αποκεντρωτικού ελέγχου. (a) Δυνάμεις και (b) θέση άκρου εργασίας. Στην περίπτωση του συγκεντρωιικού ελέγχου χρησιμοποιήθηκε ένα νευρωνικό δίκτυο με νευρώνες και η απόκριση του ελεγκτή φαίνεται στο Σχήμα 5. Οι δύο προσεγγίσεις του αποκεντρωιικού και του συγκεντρωιικού ελέγχου παρουσιάζουν παρόμοιες αποκρίσεις. Η περίπτωση όμως του συγκεντρωιικού ελεγκτή έχει καλύτηρη απόδοση καθώς μπορεί και ανταποκρίνεται καλύτερα στην περίπτωση της εμφάνισης συζευγμένων δυνάμεων. Όι αν ο άνθρωπος μετακινεί το ύφασμα προς τα αριστερά ( x διεύθυνση) ή προς τα δεξιά (+x διεύθυνση) τότε εμφανίζονται μεγαλύτερες δυνάμεις στην y διεύθυνση παρά σιις x διευθύνσεις, εξαττίας της παραμόρφωσης του υφάσματος. Όπως φαίνεται στο Σχήμα 5 (a) και στο διάστημα 1 έως 1 sec, o συγκεντρωιικός ελεγκτής μπορεί και αντιμετωπίζει επιδέξια αυτή την περίπτωση ση αντίσηση με τον αποκεντρωιικό ελεγκτή όπως φαίνεται στο ανιίσιοιχ ο χρονικό διάστημα στο Σχήμα (a). Και οι δύο ελεγκτές, αποκεντρωιικός και συγκεντρωιικός δοκιμάστηκαν με εκπαιδευμένα πλέον νευρωνικά δίκτυα. Οτ ιιμ ές που είχαν τα βάρη του νευρωνικού δικτύου μετά το τέλος των δύο πετραμάτων αποθηκεύθηκαν και ορίσθηκαν ως αρχικές ιιμ ές των νευρωνικών δικτύων για να επαναληφθούν τα πετράματα. Τα αποτελέσματα από τους εκπαιδευμένους ελεγκτές φαίνονται στο Σχήμα 6 (a) και Σχήμα 6 (b) για την περίπτωση του αποκεντρωιικο ύ και συγκεντρωιικ ού ελεγκτή αντίσιοιχ α. 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9 5

6 6 Forces (N) (a) Robot position (mm) X Y Z (b) -6 Σχήμα 5. Απόκριση συγκεντρωτικού ελέγχου. (a) Δυνάμεις και (b) θέση άκρου εργασίας. 6 Forces (N) (a) -6 6 Forces (N) (b) -6 Σχήμα 6. Απόκριση εκπαιδευμένων ελεγκτών. (a) αποκεντρωτικού και (b) συγκεντρωτικού. Αυτές οι αποκρίσεις φαίνονται να είναι πιο ομαλές από ιις αντίσιοιχ ες στο Σχήμα (a) και Σχήμα 5 (a) αυτό όμως δεν είναι απόλυτο αλλά εξαρτάται από την ικανότητα του ανθρώυου να επαναλαμβάνει με την ίδια ακρίβεια ιις κινήσεις του. Με άλλα λόγια η επαναληψιμότητα του πετράματος δεν εξασφαλίζεται από την πλευρά του ανθρώυου. Παρόλα αυτά, το βασικό πλεονέκτημα των εκπαιδευμένων ελεγκτών εντοπίζεται στην αρχική φάση των πειραμάτων κατά τα -3 αρχικά δευτερόλεπτα. Σε αυτό το αρχικό στάδιο οι απότομες μεταβολές στην απόκριση έχουν μειωθεί σημανιικ ά στην περίπτωση των ηκπαιδευμένων ελεγκτών. Η αποτελεσμαιικ ότητα των νευρωνικών ελεγκτών συγκρίθηκε με την ακριβώς αντίθητη εκδοχή του πειράματος όπου το ρομπότ καθοδηγεί τον άνθρωπο. Σ αυτό το αντίθετο πείραμα το ρομπότ έχει προγραμμαιισ θεί να μετακινεί ιο ύφασμα με την σειρά των 8 προηγούμενων κινήσεων ενώ ο άνθρωπος προσπαθεί τώρα να κρατήσει το ύφασμα σε οριζόνιια σέση και τανυσμένο όπως έκανε το ρομπότ. Οι κινήσεις του ρομπότ είναι άγνωστες για τον άνθρωπο. Οτ δυνάμεις που καταγράκηκαν σ αυτή την περίπτωση φαίνοντατ στο Σχήμα 7. 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9 6

7 6 Force (N) Σχήμα 7. Δυνάμεις που καταγράφηκαν όταν το ρομπότ καθοδηγεί τον άνθρωπο. 6 Force (N) Σχήμα 8. Δυνάμεις που καταγράφηκαν όταν το ρομπότ καθοδηγεί τον άνθρωπο ο οποίος έχετ κλετστά τα μάτια του. 8 6 Robot position (mm) X Y Z -6 Σχήμα 9. Θέση του άκρου εργασίας το ρομπότ καθοδηγεί τον άνθρωπο. Η απόκριση του ανθρώπου φαίνεται να είναι χειρότηρη από αυτή του ρομπότ που καταγράκηκε στα προηγούμενα πετράματα και εντοπίζεται κυρίως στα σεμεία που έχουμε αλλαγή της κατεύθυνσης της κίνησης του ρομπότ. Αυτή η σύγκριση της απόκρισης του νευρωνικού ελεγκτή σε σχέση με την απόκριση του ανθρώυου δην είναι απόλυτα δίκαιη και κάποιες συμπερασμαιικ ές παρατηρήσεις είναι οι εξής: Η επαναληψιμότητα του πετράματος μπορεί να εξασφαλτστεί στην δεύτηρη περίπτωση όπου το ρομπότ καθοδηγηί τον άνθρωπο σε αντίσηση με την πρώτη περίπτωση όπου ο άνθρωπος καθοδηγηί το ρομπότ. Όταν ο άνθρωπος κληθεί να επαναλάβει το πείραμα τότε δεν πρόκετται να ακολουσήσει επακριβώς την ίδια διαδρομή γεγονός που θα επηρεάσει κατ την διαδρομή του άκρου εργασίας. Οτ κινήσεις του ρομπότ, στην περίπτωση όπου το ρομπότ καθοδηγηί τον άνθρωπο, χαρακτηρίζονται από μεγάλη ακρίβεια Σχήμα 9, σε αντίσηση με ιις κινήσεις του ανθρώυου όταν ο άνθρωπος καθοδηγεί το ρομπότ Σχήμα (b) και Σχήμα 5 (b). Αυτό το μειονέκιε μα του ανθρώυου υροκαλεί μικρομετακινήσεις και προς ιις άλλες διευθύνσεις και ο νευρωνικός ελεγκτής προσπαθεί να διορθώθει ιις μικρές δυνάμεις, που εμφανίζονται σε αυτές ιις άλλες διευθύνσεις. Όταν το ρομπότ καθοδηγεί τον άνθρωπο, ο άνθρωπος έχει το πλεονέκτεμα της όρασης σαν μία επιπλέον πληροφορία κατά τον έλεγχο. Σπνεπώς, η απόκριση του ανθρώυου κατά κύριο λόγω βασίζεται στην οπιικ ή πληροφορία βλέποντας ιις κινήσεις του ρομπότ και κατά κάποιο τρόπο προβλέπει ιις κινήσεις, που θα 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9 7

8 κάνει ο ίδιος και κατά δεύτερο λόγω ανιιδρά σύμφωνα με ιις δυνάμεις που αιθθάνεται στα δάχτυλα του. Ως εκ τούτου, υλοποιήθηκε ένα επιπλέον πείραμα κατά το οποίο ο άνθρωπος εξαναγκάζεται να έχει κλετστά τα μάιια του κατά τη διάρκεια του πετράματος. Χωρίς οπιικ ή πληροφορία ο άνθρωπος πλέον βασίζεται μόνο στην ανατροφοδότηση της δύναμης και η απόκρισή του γίνεται χητρότηρη όπως φαίνεται στο Σχήμα 8. 5 ΣΥΜΠΕΡΑΣΜΑΤΑ Η προιηινόμηνη προσέγγιση και τα αποτελέσματα των πετραμάτων έδειξαν όιι τα νευρωνικά δίκτυα μπορούν να χρησιμοποιηθούν με επττυχία στον έλεγχο των δυνάμεων που αναπτύσσονται κατά τον χειρισμό ενός εύκαμπτου υλικού από έναν άνθρωπο και ένα ρομπότ. Οι μέγτστες διακυμάνσεις των δυνάμεων κυμαίνονται στο ±1 Newton σε σχέση με την επιθυμητή δύναμη η οποία ορίσθηκε στην αρχή και προέκυψε από την εργασία χειρισμού που πρέπει να φέρει εις πέρας ο ελεγκτής. Με την παρούσα προσέγγιση πρωτοπαρουσιάζεται η ιδέα του χειρισμού υφασμάτων/ρούχων από ένα ρομπότ το οποίο συνεργάζεται για αυτό το σκοπό με έναν άνθρωπο. Ως μελλοντική επέκταση της παρούσας εργασίας έχει σχεδιαστεί η διερεύνεση της επίδρασης των ροπών που καταγράφονται από τον αιθθητήρα καθώς και η ενσωμάτωση των ιριών κινήσεων του ρομπότ (κάμψη-στρέψη-παρεκτροπή) στο νόμο ελέγχου. 6 ΒΙΒΛΙΟΓΡΑΦΙΑ Koustoumpardis, P. N. and Aspragathos, N. A. (7), Neural network force control for robotized handling of fabrics, Inter. Conf. on Control, Automation and Systems 7, COEX, Seoul, Korea, 17- October, pp Koustoumpardis, P. N. and Aspragathos, N. A. (8), Robot-Human Cooperation Holding and Handling a Piece of Fabric, 11th International Conference on Climbing and Walking Robots and the Support Technologies for Mobile Machines, CLAWAR'8, Coimbra, Portugal, 8-1 September, pp , T. and Gosselin, C.M. (6), Development of a blanket manipulation tool for satellite servicing, Proceedings of the ASME Design Engineering Technical Conference & Computers in Engineering Conference, September 1-13, Philadelphia, Pennsylvania. Patton, R., Swern, F., Tricamo, S. and Veen, A. (199), Automated Cloth Handling Using Adaptive Force Feedback, Journal of Dynamic Systems, Measur. and Control, Vol. 11, pp Strategic Research Agenda SRA, Europ The European Robotics Platform, May 6. 1ο Πανελλήνιο Συνέδριο Ρομποτικής, ΤΕΕ, Αθήνα, 3 Φεβρουαρίου, 9 8