Формализация заданий для роботов-манипуляторов: обзор и перспективы развития
https://doi.org/10.17587/mau.22.200-207
Аннотация
Выполнен обзор методов формализации задач управления роботами-манипуляторами, возникающих на разных уровнях представления. Для многих видов манипуляторов, например биоморфных, достичь нужного качества управления в сочетании с универсальностью пока не удается, хотя возникающие при этом задачи принципиально решаемы, что доказывается успешной работой систем контроля движения биологических организмов. Одной из причин затруднений является сложность формализации задач управления движением, поэтому целесообразно проанализировать наиболее распространенные подходы к постановке этих задач в целях поиска перспективных вариантов развития.
Анализ существующих методов решения проведен отдельно по каждому функциональному уровню. Наиболее высокоуровневая из рассматриваемых подзадач — разделение комплексных заданий на этапы — обычно успешно реализуется общими средствами декомпозиции сложных процессов, например методами планирования или логического вывода. Обработка подзадач среднего уровня представления — построение траектории по двигательному заданию осуществляется пока менее эффективно. Показано, что имеющиеся средства, например лингвистические описания движений, могут значительно облегчить работу с этим уровнем, но требуют значительной и трудоемкой формализации. Дальнейшие стадии обработки — решение обратных задач кинематики и динамики, сопряжение участков траекторий, а также непосредственное управление двигателями манипулятора с обработкой ошибок — решаются имеющимися средствами с приемлемым качеством.
Исходя из собранных данных можно утверждать, что развитие методов решения среднеуровневых задач, т.е. построение траектории движения манипулятора по описанию требуемого от него действия, является наиболее важным для успешного создания перспективных типов манипуляторов, способных двигаться точно и разнообразно.
Список литературы
1. Fu K. S., Gonzalez R. C., Lee C. S. G. Robotics: control, sensing, vision, and intelligence, New York, McGraw-Hill, 1987.
2. Zhao R. Trajectory planning and control for robot manipulations, Toulouse III, Université Paul Sabatier, 2015.
3. Krechetov I. V., Poselsky I. A. The manipulator tasks planning and robotic sorting facility management, The Concepts of sustainable development of science in modern conditions. Articles of the International Scientific and Practical Conference, 2018, pp. 162—173.
4. Kartashev V. A. et al. Problems of manipulation robot control to ensure the movements safety, Mekhatronika, Avtomatizatsiya, Upravlenie, 2015, vol. 16, no. 1, pp. 24—28.
5. Monkman G. J. et al. Introduction to Prehension Technology. Robot Grippers, Wiley-VCH, 2006, pp. 1—17.
6. Aristidou A. et al. Inverse Kinematics Techniques in Computer Graphics: A Survey, Comput. Graph. Forum, John Wiley & Sons, Ltd, 2018, vol. 37, no. 6, pp. 35—58.
7. Chan Y. P. et al. A Survey on Inverse Dynamics Solvers for Cable-Driven Parallel Robots, Australasian Conference on Robotics and Automation, ACRA, 2017.
8. Coleman D. et al. Reducing the Barrier to Entry of Complex Robotic Software: a MoveIt! Case Study, arXiv e-prints, 2014, pp. arXiv:1404.3785.
9. D’Souza A., Vijayakumar S., Schaal S. Learning inverse kinematics, Proceedings 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems. Expanding the Societal Role of Robotics, Maui, HI, 2001, vol. 1, pp. 298—303.
10. Voinov I. V. et al. Control system for a robotic manipulator using neural network algorithms for limiting the working area of the gripper, Bulletin of the South Ural State University. Series: Computer technologies, control, electronics, 2017, vol. 17, no. 4, pp. 29—36.
11. Smirnov P. A., Yakovlev R. N. Solution of direct and inverse problems of kinematics in the positioning system of manipulator links, Mekhatronika, Avtomatizatsiya, Upravlenie, 2019, vol. 12, pp. 732—739.
12. Valsalam V. K. et al. Constructing Controllers for Physical Multilegged Robots using the ENSO Neuroevolution Approach, Evol. Intell., 2012, vol. 5, no. 1, pp. 1—12.
13. Valsalam V., Miikkulainen R. Evolving symmetric and modular neural networks for distributed control, Proceedings of the 11th Annual Genetic and Evolutionary Computation Conference, GECCO-200, 2009, pp. 731—738.
14. Rossi R. et al. Trajectory Generation for Unmanned Aerial Manipulators Through Quadratic Programming, IEEE Robot. Autom. Lett., 2017, vol. 2, no. 2, pp. 389—396.
15. Dijk N. J. M. Van. Generic trajectory generation for industrial manipulators, Eindhoven University of Technology, 2006.
16. Steuben J., Steele J., Turner C. NURBs for Robot Manipulator Trajectory Generation, Proceedings of the ASME Design Engineering Technical Conference, 2011, vol. 6.
17. Yi S. Y., Chung M. J. A robust fuzzy logic controller for robot manipulators with uncertainties, IEEE Trans. Syst. Man, Cybern. Part B, 1997, vol. 27, no. 4, pp. 706—713.
18. L ópez M., Arteaga-Pérez M. Fuzzy Logic Control of a Robot Manipulator in 3D Based on Visual Servoing, IFAC Proc., 2011, vol. 18.
19. Rostami Kandroodi M. et al. Control of Flexible Joint Manipulator via Reduced Rule-Based Fuzzy Control with Experimental Validation, Int. Sch. Res. Netw. ISRN Artif. Intell. Artic. ID, 2012, vol. 309687.
20. Banerjee S., Woo P. Y. Fuzzy logic control of robot manipulator, Proceedings of IEEE International Conference on Control and Applications, 1993, pp. 87—88 vol. 1.
21. Guilbert M., Wieber P., Joly L. Optimal Trajectory Generation for Manipulator Robots under Thermal Constraints, IEEE-RSJ International Conference on Intelligent Robots & Systems, Beijing, 2006.
22. Nakamura Y., Igarashi H. Manipulator trajectory generation for flexible object handling, 2008 10th IEEE International Workshop on Advanced Motion Control, 2008, pp. 143—148.
23. Pajak I. Real-Time Trajectory Generation Methods for Cooperating Mobile Manipulators Subject to State and Control Constraints, J. Intell. Robot. Syst. Theory Appl. Journal of Intelligent & Robotic Systems, 2019, vol. 93, no. 3—4, pp. 649—668.
24. L ópez M., Pérez M., Leite A. Modelado de Sistemas de Visión en 2D y 3D, un Enfoque Hacia el Control de Robots Manipuladores, 2013, vol. 17, pp. 12—21.
25. Gurko A. G., Yanchevsky I. V. Guaranteed motion control of a manipulative robot // Radioelectronics, Informatics, Control. 2014. № 2. P. 174—181.
26. Slotine J.-J. E., Li Weiping. Adaptive manipulator control: A case study, IEEE Trans. Automat. Contr., 1988, vol. 33, no. 11, pp. 995—1003.
27. Slotine J.-J. E., Li W. Applied Nonlinear Control. Prentice-Hall, 1991.
28. Kozhevnikov M. M. et al. Synthesis of trajectories for assembly and welding robots-manipulators in a working environment with obstacles, Robotics and mechatronics, 2015, vol. 3 (13), pp. 36—42.
29. Tsuji T., Morasso P. G., Kaneko M. Trajectory generation for manipulators based on artificial potential field approach with adjustable temporal behavior, Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems. IROS ’96, 1996, vol. 2, pp. 438—443 vol. 2.
30. Brockett R. W. Hybrid Models for Motion Control Systems BT — Essays on Control: Perspectives in the Theory and its Applications / ed. Trentelman H. L., Willems J. C. Boston, MA, Birkhäuser Boston, 1993, pp. 29—53.
31. Brockett R. Language driven hybrid systems, Proceedings of 1994 33rd IEEE Conference on Decision and Control, 1994, vol. 4, pp. 4210—4214.
32. Liu Z. et al. Motion Description Language for Trajectory Generation of a Robot Manipulator, 2017.
33. Liu Z. et al. A New Type of Industrial Robot Trajectory Generation Component Based on Motion Modularity Technology, J. Robot, 2020, vol. 2020.
34. Gennaro S. D. I. et al. Reduction of timed hybrid systems, Discret. Event Dyn. Syst. Theory Appl., 1998, vol. 8, no. 4, pp. 343—351.
35. Barry J. L. Manipulation with Diverse Actions, Massachusetts Institute of Technology, 2013, 201 p.
36. Engel E. A. Method of intelligent computing for configuration management of a mobile robot, Bulletin of NEFU, 2015, vol. 3 (47), pp. 127—137.
37. Sorokoumov P. S. The fuzzy language models for synchronizing the multi-limbic manipulator movements, IX International Scientific and Practical Conference "Integrated models and soft computing in artificial intelligence" , Kolomna, 2019.
38. Kuvshinnikov V. S., Kovshov E. E. The use of a neural map for auxiliary control of a portal manipulator, Cloud Sci., 2018, vol. 5, no. 2, pp. 310—324.
39. Kroemer O., Niekum S., Konidaris G. A Review of Robot Learning for Manipulation: Challenges, Representations, and Algorithms, ArXiv, 2019, vol. abs/1907.0.
40. Morcillo P. et al. Declarative Traces into Fuzzy Computed Answers, 2011, 170—185 p.
41. Medina J., Ojeda-Aciego M., Vojtáš P. Multi-Adjoint Logic Programming with Continuous Semantics, Lecture Notes in Computer Science, 2001, vol. 2173, pp. 351—364.
42. Shuai I., Yushchenko A. S. Dialogue control system of a robot based on the theory of finite automata, Mekhatronika, Avtomatizatsiya, Upravlenie, 2019, vol. 20, no. 11. pp. 686—695.
43. Kofman J. et al. Teleoperation of a robot manipulator from 3D human hand-arm motion, Optomechatronic Syst., IV, 2003, vol. 5264, pp. 257.
44. da Fonseca I., Pontuschka M., Lima G. Kinematics for Spacecraft-Type Robotic Manipulators. 2019.
45. Siciliano B., Khatib O. ed. Springer Handbook of Robotics, Berlin, Heidelberg, Springer Berlin Heidelberg, 2008.
Рецензия
Для цитирования:
Сорокоумов П.С. Формализация заданий для роботов-манипуляторов: обзор и перспективы развития. Мехатроника, автоматизация, управление. 2021;22(4):200-207. https://doi.org/10.17587/mau.22.200-207
For citation:
Sorokoumov P.S. Formalization of Tasks for Robotic Manipulators: Review and Prospects. Mekhatronika, Avtomatizatsiya, Upravlenie. 2021;22(4):200-207. https://doi.org/10.17587/mau.22.200-207
Просмотров:
509
.png)
Послать статью по эл. почте 