Штучний інтелект

Анотація: Дана робота розглядає проблеми інтеграції незалежних систем керування маніпулятором. Областями керування маніпулятором є: розпізнання об’єктів та перешкод, визначення об’єктів для хапання, визначення надійних позицій пристроєм хапання, планування руху маніпулятора до визначених позицій уникненням перешкод та розпізнання проковзування або визначення надійного хапання. Розглянуте питання є сучасною проблемою, перш за все у галузях промисловості, роботів загального призначення та експериментальних роботів. У даній роботі розглянуто актуальні публікації, що розглядають зазначені питання. Знайдено наявні алгоритми та підходи в управлінні як частинами робота-маніпулятора, так і рішення, що об’єднують у собі декілька областей, або інтеграції між собою декількох існуючих підходів. Є короткий огляд актуальної літератури та публікацій на тему вищезгаданих алгоритмів та підходів. Визначено переваги та недоліки розглянутих методів та підходів. Існують рішення, що покривають або деякі області, або тільки одну з них, що не задовольняє вимогам вирішення проблеми. Користуючись існуючими підходами, визначено точки інтеграції існуючих реалізацій для отримання найкращого результату. У процесі роботи було розроблено систему, що аналізує навколишнє середовище, знаходить перешкоди, об’єкти для взаємодії, пози для хапання, планує рух маніпулятора до визначеної пози та впевнюється у надійному хапанні об’єкта. Наступним кроком стало тестування системи, перевірка працездатності підходу та налаштування параметрів для найкращих результатів. Система, створена в результаті роботи, була розгорнута на дослідницькому роботі команди RT-Lions факультету Technik Університету Ройтлінгена. Апаратнодослідницький робот включає в себе камеру Intel Realsense, маніпулятор Sawyer Arm від Rethink Robotics та пристрій хапання внутрішньої розробки.

Ключові слова: ROS; хапання; розпізнавання об’єктів; уникнення перешкод; дерево октантів; хмара точок

Посилання:

1. Koubaa A. (2016). Robot Operating System (Volume 1). Springer International Publishing Switzerland. DOI: 10.1007/978-3-319-26054-9.
2. Koubaa A. (2017). Robot Operating System (Volume 2). Springer International Publishing Switzerland. DOI: 10.1007/978-3-319-54927-9.
3. Koubaa A. (2019). Robot Operating System (Volume 3). Springer International Publishing Switzerland. DOI: 10.1007/978-3-319-91590-6.
4. Fairchild C., Harman T.L. (2017). ROS Robotics By Example - Second Edition: Learning. to control wheeled, limbed, and flying robots using ROS Kinetic Kame. Packt Publishing, 428.
5. Pfaff O., Simeonov S., Cirovic I., Stano, P. (2011). Application of finray effect approach for production process automation. Vienna, Austria: DAAAM International, 1247-1248.
6. Кошель С. О., Ковалёв Ю., Манойленко О. П. (2019). Проектування промислових роботів та маніпуляторів. Центр навчальної літератури, 256
7. Платонов А.К., Соколов С.М., Трифонов О.В. (2017). Алгоритмы управления движением схвата манипулятора. Москва: ИПМ им. М.В.Келдыша РАН. DOI: 10.20948/prepr- 2017-47.
8. Safeea M., Neto P., Bearee R. (2019). On-line collision avoidance for collaborative robot manipulators by adjusting off-line generated paths: An industrial use case. Robotics and Autonomous Systems, Elsevier, 278-288.
9. Kivelä T., Mattila J., Puura J. (2018). Redundant Robotic Manipulator Path Planning for Real-Time Obstacle and Self-Collision Avoidance. Mechan. Machine Science, vol. 49, Springer. DOI: 10.1007/978-3-319-61276-8_24.
10. De Santis A., Albu–Sch ̈affer A., Ott Ch., Siciliano B., Hirzinger G. (2007). The skeleton algorithm for self-collision avoidance of a humanoid manipulator The skeleton algorithm for self- collision avoidance of a humanoid manipulator. IEEE/ASME international conference on advanced intelligent mechatronics, Zurich, 1-6. DOI: 10.1109/AIM.2007.4412606.
11. ten Pas A, Gualtieri M, Saenko K, Platt R. (2017). Grasp Pose Detection in Point Clouds. The International Journal of Robotics Research, Vol 36, Issue 13-14, 1455-1473. DOI: 10.1177/0278364917735594