Μεθοδολογία υλοποίησης

Το ProgHRC θα υλοποιηθεί σε 4 στάδια, χωρισμένα σε αλληλεξαρτώμενες και χρονικά επικαλυπτόμενες ενότητες εργασίες αντίστοιχα, τα οποία είναι απαραίτητα ώστε να προκύψουν τα αναμενόμενα αποτελέσματα και να γεφυρωθεί το χάσμα μεταξύ έρευνας και πρακτικής εφαρμογής στη βιομηχανία.

Ξεκινώντας στο 1ο στάδιο από τον προσδιορισμό των αναγκών της βιομηχανίας, θα τεθούν οι προδιαγραφές του ρομποτικού συστήματος και θα οριστούν τα σενάρια χρήσης που θα δοκιμαστούν στις εγκαταστάσεις του τελικού δυνητικού χρήστη.

Με γνώμονα τα σενάρια και τις απαιτήσεις του τελικού χρήση, στο 2ο στάδιο θα αναπτυχθούν ολοκληρωμένες λύσεις πέραν της τεχνολογικής στάθμισης (beyond state of the art), με βάση τη βιβλιογραφία και την έρευνα που έχει ήδη πραγματοποιηθεί από το ΑΠΘ.

Τα επιμέρους ερευνητικά αντικείμενα είναι:

  • Επίδειξη της κίνησης από τον άνθρωπο με κιναισθητική καθοδήγηση του βραχίονα, αναγνώριση και κωδικοποίηση της κίνησης με τρόπο που να επιτρέπει γενίκευση και στη συνέχεια εφαρμογή σταδιακής αυτοματοποίησης με συνεχή μεταβολή ρόλων μεταξύ ανθρώπου και ρομπότ.
  • Αναγνώριση του χώρου εργασίας με μηχανική όραση και αυτόματη προσαρμογή της κίνησης του ρομπότ σε αλλαγές στόχων της εργασίας.
  • Ασφάλεια της συνεργασίας με αποφυγή εμποδίων, διάκριση επιθυμητών με ανεπιθύμητες επαφές και αναγνώριση συγκρούσεων.

Στο αντικείμενο του προγραμματισμού με επίδειξη, τα σύγχρονα συνεργατικά ρομπότ επιτρέπουν τον έλεγχο «μηδενικής βαρύτητας» όπου ο άνθρωπος μπορεί να πιάσει τον βραχίονα και να τον οδηγήσει κιναισθητικά σε οποιαδήποτε διαμόρφωση επιθυμεί. Δείχνοντας με αυτό τον τρόπο τα σημεία ελέγχου της τροχιάς που πρέπει αυτό να αναπαράγει, είναι η πιο απλή μορφή κιναισθητικής μάθησης, η οποία όμως είναι αρκετά περιοριστική καθώς δε φέρει δυνατότητες γενίκευσης και προσαρμοστικότητας. Μια μέθοδος που μπορεί να μαθαίνει την κίνηση του επιδεικνύεται στο ρομπότ ύστερα από μία μόνο επίδειξη και φέρει τις παραπάνω δυνατότητες, ονομάζεται θεμελιώδη δυναμικά συστήματα κίνησης (Dynamic Movement Primitives – DMP). Χρησιμοποιώντας DMP μπορεί να αναπαραχθεί κάθε μορφή κίνησης από σημείο σε σημείο δεδομένου του στόχου. Σε αντίθεση με την απλή καταγραφή τροχιάς, τα DMP μπορούν να παράξουν ομαλή κίνηση του ρομπότ η οποία προσεγγίζει αυτή της επίδειξης, ακόμα και προς έναν καινούργιο στόχο. Επίσης έχουν τη δυνατότητα να προσαρμόζονται χρονικά, πχ. για συγχρονισμό, και χωρικά, πχ. για αποφυγή εμποδίων. Εκτός από κινήσεις, το DMP μπορεί να κωδικοποιήσει και προφίλ δύναμης για εργασίες με επαφή του ρομπότ στο περιβάλλον του ή μπορεί να επεκταθεί εισάγοντας ανάδραση δύναμης/ροπής στην τροχιά που παράγει.

Η ερευνητική ομάδα του ΑΠΘ έχει αναπτύξει μεθόδους προγραμματισμού με κιναισθητική καθοδήγηση από τον άνθρωπο με DMP τόσο για τη θέση όσο και τον προσανατολισμό, με τη δυνατότητα το ρομπότ να συγχρονίζεται με τον άνθρωπο. Έχει αναπτυχθεί μεθοδολογία που περιέχει τα βασικά μαθηματικά εργαλεία για να επιτρέψει σταδιακή αυτοματοποίηση (progressive automation) εργασιών με επίδειξη. Επιπλέον, η μεθοδολογία αυτή περιλαμβάνει τρόπους για επιβολή εικονικών περιορισμών από το ρομπότ στον άνθρωπο κατά την επίδειξη με τη μορφή δυνάμεων και ροπών, ώστε να επιτρέπεται ο ευκολότερος χειρισμός και να μειώνεται ο νοητικός φόρτος του χειριστή. Στα πλαίσια του προτεινόμενου έργου θα επεκταθούν οι συγκεκριμένες μέθοδοι ώστε το ρομπότ να μπορεί να εκτελεί μια ευρεία γκάμα εργασιών αναγνωρίζοντας αυτόματα τον τύπο της κίνησης (περιοδική ή μη) και επιλέγοντας τον κατάλληλο τύπο DMP για την κωδικοποίηση. Ως προς αυτό το στόχο θα μελετηθούν τρόποι αναπαράστασης των συντεταγμένων χώρου που να συνδυάζουν θέση και προσανατολισμό. Θα μελετηθεί επίσης υπέρθεση DMP σύνθετων κινήσεων.

Η χρήση μηχανικής όρασης με κάμερες βάθους στη ρομποτική έχει εφαρμογές, μεταξύ άλλων, στην αναγνώριση θέσης και προσανατολισμού αντικειμένων και στην απευθείας προσαρμογή των παραμέτρων του DMP με Convolution Neural Networks σύμφωνα με την εικόνα που βλέπει η κάμερα. Αν και η μηχανική μάθηση μπορεί να δώσει end-to-end λύσεις στο πρόβλημα της παραγωγής κίνησης του ρομπότ έχοντας ως είσοδο μόνο την εικόνα και παραλείποντας τα ενδιάμεσα στάδια (όπως αναγνώριση αντικειμένων και εκτίμησης θέσεων στο χώρο), στην παρούσα φάση δεν μπορεί να εφαρμοστεί άμεσα διότι απαιτεί μεγάλο χρόνο εκπαίδευσης με πολλές επαναλήψεις που το καθιστούν δύσχρηστο. Εναλλακτικά, η χρήση ετικετών (markers, tags) στα αντικείμενα ή η χρήση 3D μοντέλων τους, επιτρέπει άμεση αναγνώριση με πολύ καλή ακρίβεια. Δεδομένου ότι στοχεύεται η ελαχιστοποίηση του χρόνου προγραμματισμού και η αλληλεπίδραση του χρήστη με γραφικά περιβάλλοντα, θα γίνει μελέτη αναγνώρισης σκηνής στον χώρο εργασίας του ρομπότ με 3D κάμερες (για ευρεία κάλυψη και αποφυγή νεκρών σημείων) ώστε να συσχετίζονται οι κινήσεις του ρομπότ με τα αντικείμενα που βρίσκονται στον χώρο, χρησιμοποιώντας μεθόδους εξαγωγής συμπερασμάτων. Εκτιμώντας συνεχώς τις θέσεις των αντικειμένων στον χώρο, το ρομπότ θα μπορεί πλέον να προσαρμόζει την κίνηση του στις νέες θέσεις.

Το θέμα της ασφάλειας κατά τη συνεργασία ανθρώπου με ρομπότ συνήθως προσεγγίζεται στη βιβλιογραφία είτε στη φάση αποφυγής μια πιθανής σύγκρουσης με εμπόδια κατά την κίνηση του ρομπότ αξιοποιώντας τις κάμερες βάθους, είτε στη φάση αντίδρασης ύστερα από μια σύγκρουση που αναγνωρίζεται με αισθητήρες δύναμης/ροπής. Στο ProgHRC θα υλοποιηθεί ασφάλεια δύο επιπέδων. Στο ανώτερο επίπεδο, η κάμερα βάθους θα αναγνωρίζει δυναμικά εμπόδια που προκύπτουν στον χώρο τα οποία όμως δεν σχετίζονται με την εργασία που εκτελείται και συνεπώς θα αποφεύγονται από το ρομπότ, εισάγοντας όρους σύζευξης στο DMP που παράγει την κίνηση του βραχίονα. Στο ίδιο επίπεδο θα αναπτυχθεί καινοτόμα μέθοδος διάκρισης μεταξύ εκούσιων και ακούσιων επικείμενων επαφών του ρομπότ με το σώμα του ανθρώπου, σύμφωνα με το μέλος του σώματος που έχει την κοντινότερη απόσταση από το ρομπότ. Σε περίπτωση που η αναγνώριση μέσω της κάμερας αποτύχει (απώλεια εικόνας), το κατώτερο επίπεδο ασφάλειας θα εγγυάται ταχεία αναγνώριση της επαφής από τους αισθητήρες δύναμης/ροπής που ενσωματώνει ο βραχίονας, διάκριση του τύπου της επαφής και κατάλληλη αντίδραση του ρομπότ είτε για να αποφευχθεί ανάπτυξη μεγάλων δυνάμεων από σύγκρουση είτε για μεταβολή ρόλων κατά την επέμβαση του ανθρώπου.

Στο 3ο στάδιο του έργου θα γίνει η σύνθεση του συνολικού συστήματος (υλικού και λογισμικού), οι δοκιμές του σε πραγματικό βιομηχανικό περιβάλλον και η τελική αξιολόγησή του με τυποποιημένες μεθόδους. Για τα 3 πρώτα στάδια έχει επιλεχθεί μια επαναληπτική προσέγγιση ώστε στη μέση του έργου να έχουν προκύψει τα πρώτα αποτελέσματα, να δοκιμαστούν νωρίς σε πραγματικές εφαρμογές και στη συνέχεια να υπάρχει η χρονική δυνατότητα επανασχεδιασμού τους σύμφωνα με την πρώτη αξιολόγηση.

Στο 4ο στάδιο θα γίνουν οι διαδικασίες για προστασία της διανοητικής ιδιοκτησίας για την τελική αρχιτεκτονική και η μεθοδολογία που θα προκύψει ως αποτέλεσμα του έργου.

espa

Η ιστοσελίδα δημιουργήθηκε με τη συγχρηματοδότηση της Ελλάδας και της Ευρωπαϊκής Ένωσης