
Es un problema común que se enfrenta en la investigación y el diseño de robótica, ¿Cómo podemos crear robots, en particular manipuladores móviles que puedan trabajar junto a los humanos en entornos altamente dinámicos e impredecibles? El problema es que en este momento, los manipuladores móviles simplemente no están preparados para tal implementación. No es posible programar un robot para todo lo que pueda suceder y es muy difícil realizar una variedad de tareas complejas mientras se mantiene un alto grado de confiabilidad.
Sin embargo, un equipo combinado del AIRLab (AI para Retail Lab) y Universidad Tecnológica de Delft (TU Delft) buscan abordar estos desafíos, específicamente redefiniendo el comercio minorista a través de la tecnología. Utilizando Boxer, su objetivo es investigar la manipulación móvil (es decir, una base móvil con uno o más brazos robóticos) con una aplicación para entornos minoristas fuera de laboratorios controlados. Con este objetivo, Boxer está ayudando a la investigación académica de posgrado en TU Delft, explorando la movilidad de un brazo robótico en entornos compartidos por humanos (es decir, una tienda minorista de maquetas) para llegar a más ubicaciones y realizar tareas diferentes y complejas, como recoger y colocar móviles.
La caza del dinamismo
El objetivo principal del equipo es ampliar los límites de la robótica y llevar la manipulación móvil fuera de los laboratorios controlados. Más específicamente, su objetivo es desarrollar nuevos métodos de manipulación móvil para que los robots puedan realizar misiones largas con un alto grado de explicabilidad, moverse de forma inteligente y segura en el medio ambiente y respetar las preocupaciones éticas.
Pero hay varios desafíos a los que se enfrentan. En el lado algorítmico, el problema de la navegación, la percepción y la manipulación aún no está completamente resuelto en el grado necesario para trabajar dinámicamente junto con los humanos. Las cosas suceden rápidamente en el entorno y un robot necesita comprender su entorno y reaccionar a los cambios. Los humanos hacen esto con bastante facilidad, pero se basan en varios años de experiencia y el conocimiento del sentido común, que aún es difícil de reproducir artificialmente de manera confiable.
También existe el problema de integrar todos los diferentes componentes (hardware y software) de manera que funcionen juntos de manera eficaz y coherente. El problema general de la manipulación móvil se divide en planificación de tareas, planificación de movimientos y manipulación utilizando una base móvil con un brazo robótico. Todos los diferentes algoritmos deben comunicarse correctamente entre sí y la arquitectura de hardware debe admitir comunicaciones y movimientos rápidos y confiables.
“Boxer es muy robusto y poderoso, lo que nos permitió concentrarnos en desarrollar nuestros algoritmos para el movimiento en lugar de programar la dinámica del brazo (en movimiento)”.
– Doctor. Candidato, Corrado Pezzato
Robot Boxer para una fácil integración
Para abordar varios de estos problemas, el equipo usó Boxer como una base móvil robusta que era poderosa y podía moverse rápidamente. Además, su compatibilidad plug-and-play con sensores y componentes de terceros y su naturaleza personalizable hicieron que el montaje del proyecto fuera seguro. Frank Emika Panda fácil, así como todos los sensores necesarios para la navegación en su laboratorio de pruebas. Esta integración combinada con Boxer proporcionó una interfaz de usuario más avanzada de todo el sistema, lo que fue particularmente importante para la integración de hardware y software de los diferentes sistemas del equipo.
La configuración de la plataforma incluía un LiDAR, codificadores de rueda y la IMU, además de utilizar los sensores disponibles en Boxer (campo de visión de 260 ° de rango LIDAR primario de 10 m, sistema de cámara estéreo frontal, sonar orientado hacia atrás y odometría). La carga útil total fue de ~ 25 kg, incluido el brazo, los controladores y los accesorios para la comunicación.
AIRLAB disfrutó del tiempo de inicio rápido de su proyecto, ya que Boxer estaba disponible en su laboratorio y el brazo del robot ya estaba montado en la base y conectado con la plataforma robótica. Además, Ph.D. El candidato Corrado Pezzato encontró que la base era: “muy robusta y poderosa, lo que nos permitió enfocarnos en desarrollar nuestros algoritmos para el movimiento versus programar la dinámica del brazo (en movimiento)”. El equipo tenía una base confiable en Boxer y podía concentrarse en lo que realmente les importaba más: desarrollar sus algoritmos.
Habilitación de la investigación y el desarrollo
El Clearpath Boxer estuvo finalmente involucrado en dos temas de investigación diferentes. Uno fue el control de todo el cuerpo utilizando el modelo de control predictivo (MPC) de modo que la base y el brazo pudieran controlarse simultáneamente para movimientos más avanzados. El otro era ilustrar la toma de decisiones simbólicas a nivel de tarea utilizando árboles de comportamiento e inferencia activa. Esto se hizo para decidir cuáles y cuándo se deben ejecutar los movimientos que utilizan el MPC y por qué. Por lo tanto, el proyecto de manipulador móvil combinado pudo mostrar con éxito dos algoritmos diferentes, así como demostrar la interconexión e integración de estos dos proyectos de investigación.
Pero el trabajo aún no ha terminado. El equipo de AIRLab todavía está trabajando activamente para seguir desarrollando la integración del hardware y el software para una interfaz mejorada para los investigadores. También están consolidando la arquitectura y la solución actuales como base para futuros algoritmos personalizados y comparaciones con otros manipuladores móviles. Además, su trabajo también se ha publicado en dos artículos separados, cada uno explorando uno de los dos algoritmos diferentes: “Árboles de inferencia y comportamiento activos para la planificación y ejecución de acciones reactivas en robótica ”Y“ Manipulación móvil acoplada mediante optimización de trayectoria con descomposición en espacio libre ”
El equipo colaborativo de AIRLab y TU Delt está formado por el jefe de equipo y el soporte técnico Stefan Bonhof y Ph.D. los candidatos Corrado Pezzato, Max Spahn y Mert Mire.