Was habt ihr herausgefunden?
In dieser neuen Publikation beschäftigen wir uns damit, wie haptische Sensoren und eine Schätzung der Steifheit des Menschen die Teleoperation verbessern kann. Immer mehr Roboter werden konzipiert, um mit Menschen interaktiv und in komplizierten Umgebungen zusammenarbeiten. Die Zusammenarbeit mit Menschen erfordert, dass der Roboter schnell und intelligent wie ein anderer Mensch reagiert. Die Steuerung mit “variablem Widerstand”, die im Mittelpunkt dieser Arbeit steht, hilft dem Roboter, sich je nach Aufgabe oder Umgebung anzupassen. Dies wird in der Regel durch “Lernen aus Demonstrationen” erreicht, bei denen der Roboter die Bewegungsparameter der menschlichen Nutzer aufzeichnet, lernt und die Erfahrungen verallgemeinert, um sich an ähnliche Aufgaben anzupassen. In dieser Forschung wird die “Endpunktsteifigkeit” des menschlichen Arms mit Hilfe eines haptischen Geräts geschätzt, anstatt sich auf elektromyographische Messungen (EMG) zu stützen. Unser Ansatz: Wir haben einen Datensatz zum Lernen aus dem Demo-Prozess erstellt. Die Motivation für unsere Arbeit ist es, EMG-Geräte durch haptische Eingabegeräte zu ersetzen. Sie sind für uns in der Teleoperation unentbehrlich, um eine Steifigkeitsabschätzung durchzuführen. Wir nutzten die gesammelten Daten, um einen Regler mit variablem Widerstand für spezielle Aufgaben zu entwickeln. Unser Ergebnis zeigt, dass die geschätzten Datensätze zur Steifigkeit die veränderte Umgebung während des Drückens und Loslassens gut widerspiegeln können. Klar ist: Unser mit diesem Datensatz entworfene Controller hat eine bessere Leistung und zeigt eine geringere Verzerrung der Kraftsignale selbst mit einem zeitverzögerten Netzwerk als eine EMG-basierte Lösung.
Welche Herausforderungen gab es während der Forschungen?
- Im Gegensatz zu vielen anderen Forschungsstudien, bei denen die menschliche Steifigkeit auf Basis von EMG-Messungen geschätzt wird, müssen wir diese Steifigkeit indirekt über unsere haptischen Geräte und die Sensoren am Roboterarm schätzen. Das erfordert eine neuartige dynamische Lösung mit Kraft- und Beschleunigungsdaten.
- Der neue Ansatz des Reglers mit variablem Widerstand muss mit einem kleinen Datensatz erlernt werden, da groß angelegte parallele Experimente schwierig und zeitaufwändig sind.
- Eine weitere Herausforderung, an der wir noch arbeiten, ist die Bewertung der subjektiven Leistung des Controllers, die für die Qualität der Erfahrung des menschlichen Benutzers steht.
Was bedeutet Eure Forschung für die Praxis?
Die Forschung zur Steuerung mithilfe eines variablen Widerstands und das Lernen aus einer Demo der Teleoperation kann gut in industriellen Szenarien eingesetzt werden, in denen Menschen mit Robotern zusammenarbeiten oder sich die Umgebung zwischendurch ändert. Der menschliche Nutzer kann dem Roboter etwa beibringen, die Metalloberfläche zu polieren oder Teile zu montieren. Diese Aufgaben erfordern, dass der Roboter das Verhalten des Menschen nachahmt und den Widerstand entsprechend anpasst. Wenn der Roboter mit unserer neuen Steuerung und einer mit "Lernen aus Demonstrationen" erlernten Regelstrategie ausgestattet ist, führt er die Aufgaben auch dann aus, wenn einige Einstellungen, wie die Formen oder die Positionen der Teile, geändert werden. Die Erkenntnisse können auch der Qualität der Rückkopplungskräfte bei der Teleoperation verbessern. Ohne die variable Steuerung des Widerstands würde der ferngesteuerte Roboter beim Kontakt mit anderen Objekten plötzlich Kräfte ändern. Der Regler mit variablem Widerstand macht diese Rückkopplungskräfte also gleichmäßiger und stabiler.
Publikation
Zican Wang; Xiao Xu; Dong Yang; Basak Güleçyüz; Fanle Meng; Eckehard Steinbach
Teleoperation with Haptic Sensor-aided Variable Impedance Control Based on Environment and Human Stiffness Estimation
IEEE Sensors Journal, 3-2024
https://ieeexplore.ieee.org/document/10458028
Text: Andreas Schmitz