DE102014108287B4

DE102014108287B4 - Schnelles Erlernen durch Nachahmung von Kraftdrehmoment-Aufgaben durch Roboter

Info

Publication number: DE102014108287B4
Application number: DE102014108287.7A
Authority: DE
Inventors: James W. Wells; David W. Payton; Ryan M. Uhlenbrock; Li Yang Ku
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2014-05-23
Filing date: 2014-06-12
Publication date: 2019-08-14
Anticipated expiration: 2034-06-13
Also published as: DE102014108287A1; CN105082132B; US9403273B2; CN105082132A; US20150336268A1

Abstract

Verfahren (100) zum Trainieren eines Roboters (12), um eine vorbestimmte Roboteraufgabe autonom auszuführen, die das Anwenden einer linearen Kraft und eines Drehmoments auf ein Objekt (18) durch ein Greiforgan (21) des Roboters (12) erfordert, wobei das Verfahren (100) umfasst, dass:
das Greiforgan (21) durch mehrere Zustände der vorbestimmten Roboteraufgabe hindurch bewegt wird, um dadurch die vorbestimmte Roboteraufgabe für den Roboter (12) in einem Satz von n Trainingsdemonstrationen zu demonstrieren;
ein Satz von Trainingsdaten (11T) gemessen wird, was umfasst, dass mit Hilfe eines Kraft-Drehmoment-Sensors (S_FT) zumindest die lineare Kraft und das Drehmoment gemessen werden, während das Greiforgan (21) durch die mehreren Zustände der vorbestimmten Roboteraufgabe hindurch bewegt wird;
Schlüsselmerkmale aus dem gemessenen Satz von Trainingsdaten (11T) mit Hilfe eines Controllers (20) extrahiert werden, was umfasst, dass der gemessene Satz von Trainingsdaten (11T) in eine Zeitsequenz (58) von Steuerungsprimitiven (S1, S2, S3, S4) segmentiert wird und Übergänge (t₁, t₂, t₃) zwischen benachbarten Segmenten (S1, S2, S3, S4) der Zeitsequenz (58) identifiziert werden;
zumindest die lineare Kraft und das Drehmoment mit Hilfe des Kraft-Drehmoment-Sensors (S_FT) als Online/Echtzeitdaten während einer anschließenden autonomen Ausführung der demonstrierten Roboteraufgabe durch den Roboter (12) gemessen werden;
Übergänge mit Hilfe des Controllers (20) während der anschließenden autonomen Ausführung der demonstrierten Roboteraufgabe durch den Roboter (12) detektiert werden; und
in Ansprechen auf die detektierten Übergänge automatisch zwischen einer Vielzahl von unterschiedlichen Steuerungsmodi umgeschaltet wird.

Description

TECHNISCHES GEBIET
Die vorliegende Offenbarung betrifft das schnelle Erlernen durch Nachahmung von Kraft-Drehmoment-Aufgaben durch Roboter.
HINTERGRUND
Roboter sind elektromechanische Vorrichtungen, die zum Manipulieren von Objekten unter Verwendung einer Reihe von Robotergliedern in der Lage sind. Die Roboterglieder sind durch Gelenke miteinander verbunden, von denen jedes durch einen oder mehrere Aktoren unabhängig oder voneinander abhängig angetrieben werden kann. Jedes Robotergelenk repräsentiert eine unabhängige Steuerungsvariable oder einen Freiheitsgrad. Greiforgane sind Endglieder, die eine Aufgabe direkt ausführen, etwa das Ergreifen eines Arbeitswerkzeugs oder das Stapeln von Teilen. Roboter werden typischerweise mit Hilfe von kraft-, impedanz- oder positionsbasierten Steuerungsregeln auf einen gewünschten Zielwert geregelt.
Bei der Fertigung besteht ein Trend zu flexibleren Fabriken und Prozessen, die in der Lage sind, neue oder stärker veränderte Produkte mit minimaler Stillstandszeit zu erzeugen. Zum Erreichen dieses Ziels sollten Roboterplattformen in der Lage sein, sich schnell an neue Aufgaben anzupassen, ohne den Bedarf für zeitraubendes Neuprogrammieren und Kompilieren. Die Aufgabendemonstration, auch als Erlernen durch Nachahmung bezeichnet, ist eine sich entwickelnde Herangehensweise zum Erreichen einer derartigen Verhaltensflexibilität. Existierende Trainingsverfahren auf der Grundlage der Aufgabendemonstration können jedoch hinsichtlich der erforderlichen Anzahl von Trainingsdemonstrationen und der statistischen Gesamtrechenlast nicht optimal sein.
Die Druckschrift DE 10 2013 203 381 A1 offenbart ein Verfahren und System zum Trainieren eines Roboters unter Verwendung einer vom Menschen unterstützten Aufgabendemonstration, wobei der Roboter durch mehrere Zustände einer Roboteraufgabe bewegt wird, um die Aufgabe zu demonstrieren, und dabei Trainingsdaten gemessen und aufgezeichnet werden. Dabei erlernt das System Datensegmente, die Aktionen des Roboters bei der Ausführung der Aufgabe entsprechen, nicht aber die genaue Strecke, die ein Greiforgan des Roboters genommen hat, da das Verfahren für ein dynamisches Umfeld gedacht ist, bei dem sich zu manipulierende Objekte an unterschiedlichen Orten befinden können.
In der Druckschrift DE 10 2008 062 622 A1 sind ein Verfahren und eine Vorrichtung offenbart, die die Eingabe von komplexen Befehlen an ein Greiforgan eines Roboters dadurch ermöglichen, dass ein Bediener manuell eine oder mehrere Kräfte und/oder eine oder mehrere Bewegungen auf das Greiforgan aufbringt, wobei die aufgebrachten Kräfte und/oder Bewegungen speziellen Befehlen entsprechen.
Die Druckschrift DE 10 2006 061 752 A1 offenbart ein Verfahren zum Programmieren eines Roboters, bei dem der Roboter manuell so betätigt wird, dass er einen oder mehrere Raumpunkte anfährt, wobei die dort vom Roboter aufgebrachte Kraft bzw. das von diesem aufgebrachte Drehmoment ermittelt und gespeichert wird.
In der Druckschrift DE 10 2010 019 640 A1 sind ein Handgerät und ein Verfahren zum Steuern und/oder Programmieren eines Greiforgans eines Roboters offenbart, wobei eine Position eines Referenzpunktes des Handgeräts sowie eine auf das Handgerät wirkende Reaktionskraft erfasst werden und eine Sollgröße zur Steuerung des Greiforgans durch das Handgerät vorgegeben wird.
Die Druckschrift DE 10 2011 079 117 A1 offenbart ein Verfahren zum Programmieren eines Roboters, bei dem die Stellung der Achsen für eine Pose, in die ein zu programmierender Roboterarm des Roboters manuell bewegt wurde, bewertet und die Bewertung angezeigt wird, sodass ein Programmierer die Stellung der Achsen ggf. verbessern kann, bevor die Pose gespeichert bzw. programmiert wird.
In der Druckschrift DE 10 2012 009 010 A1 ist ein Verfahren zum Erzeugen einer Bewegung eines Roboters entlang einer Bewegungsbahn offenbart, bei dem ein Erfassungselement manuell an vorgebbare Positionen der Bewegungsbahn, entlang welcher der Roboter zu bewegen ist, bewegt wird. Die vorgegebenen Positionen werden als Referenzpunkte der Bewegungsbahn erfasst und zudem werden Kräfte und/oder Drehmomente erfasst, die an den Referenzpunkten manuell ausgeübt wurden, um eine besonders präzise Roboterbewegung zu erzeugen.
Die Aufgabe der Erfindung besteht darin, das Teachen von Roboteraufgaben durch Demonstration für Aufgaben zu vereinfachen, die die Anwendung von linearen und rotatorischen Kräften/Drehmomenten erfordern.
Diese Aufgabe wird durch das Verfahren nach Anspruch 1 sowie das Robotersystem nach Anspruch 5 gelöst.
ZUSAMMENFASSUNG
Es werden hier ein Robotersystem und ein zugehöriges Steuerungsverfahren offenbart. Das System und Verfahren sollen existierende Herangehensweisen der von Menschen unterstützen Aufgabendemonstration verbessern, bei denen ein menschlicher Bediener eine Aufgabe einem Roboter physikalisch demonstriert, beispielsweise über eine manuelle oder automatisch befohlene Bewegung des Roboters durch spezielle Trajektorien, Stopppositionen und Greiforganbewegungen hindurch. Die vorliegende Herangehensweise ermöglicht, dass ein Roboter innerhalb des Robotersystems einen Satz von Primitiven von Aufgabenkenntnissen aus einem kleinen Satz von Demonstrationen einer gegebenen Aufgabe erwirbt, wobei die demonstrierte Aufgabe speziell die Anwendung von linearen und rotatorischen Kräften/Drehmomenten erfordert, um ein gewünschtes Endergebnis zu realisieren. Die vorliegende Herangehensweise trägt insbesondere dazu bei, die Analyse von Roboterdaten von typischerweise nicht mehr als zwei oder drei Gesamtaufgabendemonstrationen zu ermöglichen, um einen nützlichen Satz von invarianten Aufgabenmerkmalen zu bestimmen. Die invarianten Aufgabenmerkmale werden dann verwendet, um zukünftige Aktionen des Roboters durch eine autonome Ausführung der gleichen Aufgabe durch einen großen Bereich von variablen Bedingungen hindurch zu führen.
Eine Ausführungsform der Steuerungsarchitektur, die von dem Controller der vorliegenden Erfindung bereitgestellt wird, umfasst zwei Hauptaufgabenmodule, d.h. ein Trainingsphasenmodul (TPM) und ein Ausführungsphasenmodul (EPM), welche den Gesamtprozess effektiv in separate Trainings- und Ausführungs-Phasen (Post-Trainings-Phasen) aufteilen. Der Begriff „Modul“ wird, so wie er hier verwendet wird, im Kontext der Rechentechnik verwendet, und bedeutet sämtliche notwendige Hardware wie etwa Prozessoren, Datenbusse, Speichervorrichtungen, Eingabe/Ausgabe-Vorrichtungen (IO-Vorrichtungen) und alle andere notwendige zugehörige Hardware, sowie alle zugrundeliegenden Softwareprogrammieranweisungen, deren Ausführung letztlich bewirkt, dass der Controller und der Roboter in der nachstehend beschriebenen Weise funktionieren.
Innerhalb der offenbarten Steuerungsarchitektur ermöglicht das TPM einem Benutzer, eine kleine Anzahl von beispielhaften Aufgabendemonstrationen, etwa nur 1 - 3 Aufgabendemonstrationen, bereitzustellen. Lineare Kraft-Drehmoment-Sensoren des Roboters, welche mit einem Handgelenk oder einer anderen geeigneten Struktur des Roboters verbunden oder darin eingebettet sein können, und optionale Umgebungssensoren, die in der Arbeitsumgebung des Roboters angeordnet sind, nehmen Roboterverhaltensdaten während der bzw. den demonstrierten Aufgaben auf. Aus den Aufgabendemonstrationen bestimmt der Controller die Position und Orientierung eines Greiforgans des Roboters durch den Bewegungsbereich des Greiforgans relativ zu Objekten, die in der Aufgabendemonstrationsumgebung angeordnet sind. Der Controller verarbeitet außerdem Daten von den Kraft-Drehmoment-Sensoren. Der kombinierte Satz von gesammelten Daten, der hier als ein Trainingsdatensatz bezeichnet wird, kann temporär in einem Speicher aufgezeichnet werden.
Unter Verwendung des aufgenommenen Trainingsdatensatzes führt der Controller als Nächstes einen Zeitsegmentierungsprozess aus, bei dem ein Prozessor des Controllers eine Zeitsequenz der Aufgabendemonstrationen in eindeutige Aufgabensegmente unterteilt. Das heißt, dass die Zeitsequenz mit Hilfe einer Logik des Controllers analysiert wird, um bestimmte Übergangsereignisse zwischen den Segmenten zu identifizieren. Diese Funktion kann in einem Ereignis-Deskriptor-Trainermodul (EDTM) des Controllers bewerkstelligt werden. Die Aufgabensegmente können analysiert werden, um charakteristische Ereignisdeskriptoren zu identifizieren, wie nachstehend erläutert wird, welche von dem Controller später verwendet werden, um die gleichen oder ähnliche Übergänge bei einer tatsächlichen autonomen Ausführung der Aufgabe durch den Roboter zu detektieren.
Das EPM, welches das zweite Hauptsteuerungsmodul des vorliegenden Controllers ist, das für die Ausführung von Aufgaben verantwortlich ist, wendet nach dem demonstrierten/nachahmenden Erlernen der Aufgabe eine trainierte Sequenz von Steuerungsprimitiven an, d.h. grundlegende Steuerungsaktionen wie etwa das Bewegen eines Greiforgans zu einer Zieloberfläche hin oder an dieser entlang. Außerdem wendet das EPM erlernte Parameter während der Ausführung der Aufgabe an und gleicht Merkmale in Laufzeitdaten mit den erlernten Merkmalen ab, um präzise zu bestimmen, wann zwischen verschiedenen Steuerungsregimen gewechselt werden soll, wobei „Steuerungsregime“ die speziellen notwendigen Steuerungsbefehle bezeichnet, die benötigt werden, um eine gegebene Aktion in einem zugehörigen Aufgabensegment zu erreichen. Die verschiedenen Konzepte und Begriffe, die vorstehend erwähnt wurden, werden nachstehend mit Bezug auf die verschiedenen Figuren im Detail erläutert.
Ein Vorteil der offenbarten Erfindung ist das Ermöglichen eines schnellen Erlernens von Roboteraufgaben, die sowohl lineare als auch rotatorische Kraftziele umfassen, hier nachstehend Kraft- und Drehmomentziele, aus nur wenigen einfachen Aufgabendemonstrationen. Bei vorherigen auf Training beruhenden Verfahren können Kraft- und Drehmomentziele nur durch zeitraubende statistische Prozeduren erlernt werden, die Hunderte von Trainingsbeispielen benötigen, um statistisch relevante Daten zu erzeugen. Vom Standpunkt einer Fabrikanwendung aus kann die vorliegende Erfindung Vorteile gegenüber derartigen statistischen Verfahren bereitstellen.
Die vorliegende Erfindung kann außerdem Vorteile gegenüber anderen Herangehensweisen zum Erlernen durch Nachahmung bereitstellen, die ausschließlich auf dem Erreichen von Positionszielen eines Greiforgans beruhen. Indem sie lineare Kraft- und Drehmomentziele umfasst, stellt die vorliegende Herangehensweise Roboterfähigkeiten dort bereit, wo der erfolgreiche Abschluss einer gegebenen Arbeitsaufgabe eher vom Detektieren tatsächlicher taktiler Hinweise abhängt als vom Erreichen spezieller physikalischer Greiforganpositionen oder-orientierungen. Beispielhafte Arbeitsaufgaben, bei denen dieser Vorteil besonders nützlich sein kann, umfassen beispielsweise das Ergreifen und Einführen einer Glühbirne oder einer andere Komponente in eine Fassung oder das Befestigen eines Teils, das eine Einschnappverbindung verwendet. Das Glühbirnenbeispiel wird hier zur Einfachheit und Konsistenz der Veranschaulichung verwendet.
Die vorstehenden Merkmale und Vorteile und andere Merkmale und Vorteile der vorliegenden Erfindung ergeben sich leicht aus der folgenden genauen Beschreibung der besten Arten, um die Erfindung auszuführen, wenn sie in Verbindung mit den beiliegenden Zeichnungen gelesen wird.
Figurenliste

1 ist eine schematische Darstellung eines Robotersystems mit einem Roboter und einem Controller, der verwendet wird, um den Roboter mit Hilfe einer begrenzten Anzahl von Kraft- und Drehmoment-Aufgabendemonstrationen zu trainieren.
2 ist eine schematische Veranschaulichung einer beispielhaften Kraft-Drehmoment-Aufgabe mit erlernten Steuerungsprimitiven.
3 ist eine zeitliche Aufzeichnung von beispielhaften Trainingsdaten in der Form von beispielhaften Kraftmessungen des Roboters, der in 1 gezeigt ist, wobei die Kraft auf der vertikalen Achse und die Zeit auf der horizontalen Achse dargestellt ist, und wobei die Trainingsdaten segmentiert und in eine Sequenz von Steuerungsprimitiven klassifiziert sind.
4A - C stellen gemeinsam einzelne schematische Trajektoren eines Greiforgans des in 1 gezeigten Roboters in Übereinstimmung mit drei möglichen Szenarien dar.
5 ist eine schematische Zeichnung einer Systemarchitektur für den in 1 gezeigten Controller.
6 ist eine schematische Veranschaulichung eines Koordinatentransformationsschritts, der als Teil des hier offenbarten Verfahrens verwendet werden kann.

GENAUE BESCHREIBUNG
Mit Bezug auf die Zeichnungen, bei denen gleiche Bezugszeichen gleiche oder ähnliche Komponenten in den mehreren Ansichten bezeichnen, ist in 1 ein beispielhaftes Robotersystem 10 gezeigt. Das Robotersystem 10 umfasst einen Roboter 12 und einen Controller (C) 20, der programmiert ist, um ein Verfahren 100 auszuführen und um dadurch den Roboter 12 mit Hilfe einer von Menschen unterstützten Aufgabendemonstration für die Ausführung einer Kraft-Drehmoment-Aufgabe zu trainieren. Der Roboter 12 kann einen Torso 15, einen Arm 16 mit einem Greiforgan 21 und bei einer beispielhaften humanoiden Ausführungsform möglicherweise einen Kopf 19 umfassen. Das Greiforgan 21 kann als eine beliebige geeignete Vorrichtung für das Ausführen der demonstrierten Aufgabe ausgestaltet sein, z.B. ein Greifer oder eine humanoide Hand mit Fingern 22, die an einem Handgelenk 24, oder einem anderen Armsegment 17 wie gezeigt angebracht sind. Bei einer derartigen Ausführungsform können die Finger 22 motorgetriebene Fingerglieder, Verlängerungen oder andere Greifer sein.
Eine nicht einschränkende beispielhafte Kraft-Drehmoment-Arbeitsaufgabe, das nachstehend zur Einfachheit und Konsistenz der Veranschaulichung verwendet wird, ist das Ergreifen eines Objekts 18 in der Form einer Glühbirne. Jedoch kann eine beliebige Anzahl anderer Kraft-Drehmoment-Aufgaben im Umfang der Erfindung verwendet werden. Ein menschlicher Bediener 13, von dem zur Vereinfachung der Darstellung in 1 nur ein Arm gezeigt ist, kann dem Roboter 12 eine neue Kraft-Drehmoment-Aufgabe einfach dadurch demonstrieren, dass er die Aufgabe demonstriert. Beispielsweise führt der Bediener 13 bei dem in 1 gezeigten Beispiel den Roboter 12 manuell durch das Ergreifen und Einführen der Glühbirne in eine Halterung 14 in der Form einer Fassung, wie durch die Trajektorie der Pfeile A gezeigt ist.
Lineare Kräfte und Drehmomente, d.h. rotatorische Kräfte, die von dem Roboter 12 mit Hilfe des Bedieners 13 aufgebracht werden, werden während der Aufgabendemonstration von einem oder mehreren Kraft-Drehmoment-Sensoren (S_FT ) gemessen, die bei oder in der Nähe des Greiforgans 21 des Roboters positioniert sind, etwa in ein Handgelenk 24 eingebettet sind. Eine Aufgabendemonstration durch ein umgekehrtes Betreiben [engl. backdriving] des Roboters 12 auf diese Weise ermöglicht, dass der Bediener 13 geeignete Kräfte und Drehmomente bei der Demonstration der Aufgabe erfühlt und aufbringt, etwa das Ergreifen, das Drehen und die Platzierung des Objekts 18 mit Bezug auf die Halterung 14, z.B. das Einführen des Objekts 18 in eine Fassung 23 der Halterung 14. Das heißt, dass der Bediener 13 das Handgelenk 24 hinter einem gegebenen Kraft-Drehmoment-Sensor (S_FT ) ergreift, so dass der Kraft-Drehmoment-Sensor (S_FT ) die gleichen Kräfte wie der Bediener 13 detektieren kann. Es ist außerdem möglich, dass der Bediener 13 den Roboter 12 aus der Ferne bedient, wobei der Bediener 13 in diesem Fall die Kräfte beobachtet, anstelle sie zu erfühlen, z.B. an verschiedenen Anzeigen oder Ausgaben, die durch Software bereitgestellt werden.
Der Controller 20 von 1 umfasst ein Logikmodul 50, das zwei Hauptsteuerungsmodule enthält: ein Trainingsphasenmodul (TPM) und ein Ausführungsphasenmodul (EPM). Das TPM und das EPM sind im Detail nachstehend mit Bezug auf 5 beschrieben. Allgemein geht das Logikmodul 50 in zwei eindeutigen Betriebsphasen vor, d.h. einer Aufgabentrainingsphase (Phase I) und einer Aufgabenausführungsphase (Phase II). Während der Aufgabetrainingsphase stellt der Bediener 13 eine relativ kleine Anzahl von beispielhaften Aufgabendemonstrationen einer gewünschten Aufgabe bereit, wobei der Begriff „klein“, so wie er hier verwendet wird, bei einer Ausführungsform eine Gesamtanzahl von nicht mehr als fünf Aufgabendemonstrationen bedeutet, wobei in den meisten Fällen nicht mehr als zwei oder drei Demonstrationen ausreichen.
Aus dieser relativ begrenzten Anzahl von Trainingsbeispielen erfasst der Controller 20 die Kraft-Drehmoment-Signale (Pfeil 11) von den Kraft- und Drehmomentsensoren SFT sowie sachdienliche Details der Position und Orientierung des Greiforgans 21, z.B. mit Hilfe von Verhaltensdaten (Pfeil 27). Die Verhaltensdaten (Pfeil 27) werden von einem oder mehreren zusätzlichen Sensoren 25, etwa Gelenkwinkelsensoren, Bildgebungssystemsensoren, Punktwolkenkameras und/oder dergleichen erfasst und ausgegeben. Die Verhaltensdaten (Pfeil 27) können ein Datentracking der Bewegung des Greiforgans 21 relativ zu dem Objekt 18 umfassen. Der während einer Aufgabendemonstration erfasste kombinierte Satz von Daten wird hier als der Trainingsdatensatz (Pfeil 11T) bezeichnet.
Unter kurzer Bezugnahme auf 5 umfasst das Kraft-Drehmoment-Logikmodul 50 die Trainingsphase (Phase I) und die Ausführungsphase (Phase II), die vorstehend erwähnt sind. Der Controller 20 von 1 empfängt den Trainingsdatensatz 11T und führt mit Hilfe eines Primitiven-Segmentierungs-Moduls (PSM) 52 eine Segmentierungsoperation an dem empfangenen Trainingsdatensatz 11T aus. Eine derartige Operation kann umfassen, dass eine Zeitsequenz der demonstrierten Aufgabe in eindeutige Aktivitätssegmente unterteilt wird, wobei jedes resultierende Segment einem einzelnen Steuerungsmodus oder einem „Aufgabenprimitiv“ des in 1 gezeigten Roboters 12 entspricht.
Unter kurzer Bezugnahme auf 3 ist ein Beispiel für eine derartige Segmentierung bereitgestellt. Die Größen (F_M ) einer gegebenen Aufgabendemonstration sind in ihren drei Dimensionen als beispielhafte gemessene Kraftkomponenten F_X , F_Y und F_Z aufgetragen, wobei die gemessenen Kraftkomponenten über die Zeit (t) aufgetragen sind, um eine Zeitsequenz 48 der demonstrierten Aufgabe zu erzeugen. Andere Demonstrationsdaten können die Position, die Orientierung, das Drehmoment und Gelenkwinkel des Roboters 12 und/oder seines Greiforgans 21 umfassen. Zur Vereinfachung der Veranschaulichung ist in dem Beispiel von 3 nur die Kraft gezeigt.
Die Segmentierung kann zu Aufgabensegmenten S1, S2, S3 und S4 führen. Schwellenwertveränderungen bei der gemessenen Kraft können beispielsweise von dem Controller verwendet werden, um die Übergänge zwischen den Segmenten S1 und S2, S2 und S3 und S3 und S4 zu unterscheiden, die bei t₁, t₂ und t₃ auftreten, wobei die gesamte demonstrierte Aufgabe die Dauer t₀ - t₄ überspannt. Linien L₁, L₂, L₃ und L₄ zeigen die relativen Kraftniveaus in jedem der Segmente S₁ - S₄ an, z.B. einen gleitenden Durchschnitt der X-, Y- und Z-Komponenten. Zwar ist bei dem Beispiel von 3 die Kraft gezeigt, der Controller 20 von 1 kann jedoch eine ähnliche Operation mit Werten wie etwa der Position, der Orientierung und dem Drehmoment durchführen.
Wieder mit Bezug auf 5 analysiert der Controller 20 von 1 als Nächstes, nachdem er die Aktivitätensegmente wie in 3 bestimmt hat, welche zusammen eine Aufgaben-Primitiven-Sequenz (TPS) 58 definieren, diese Segmente, um Übergangsereignisse zwischen den Segmenten zu identifizieren, z.B. die vertikaten Linien in 3 bei t₁, t₂ und t₃. Dies kann innerhalb eines Ereignis-Deskriptor-Trainers (EDT) 60 bewerkstelligt werden, z.B. einem Computermodul, das die Segmente verarbeitet, um einen Satz von charakteristischen Ereignisdeskriptoren (CED) 68 herzuleiten. Die charakteristischen Ereignisdeskriptoren 68 werden später von dem Controller 20 verwendet, um Übergänge zwischen Steuerungsmodi oder Segmenten bei einer tatsächlichen Ausführung einer zuvor demonstrierten Aufgabe während der Aufgabenausführungsphase (Phase II) zu detektieren.
Die restliche Struktur und die Betriebsdetails des Logikmoduls 50 von 5 werden nachstehend später erörtert. Diese Beschreibung beginnt mit einer Beschreibung des Verarbeitens des Trainingsdatensatzes 11T innerhalb der Aufgabentrainingsphase (Phase I) und beschreibt dann die Verwendung der resultierenden Aufgaben-Primitiven-Sequenzen 58 beim Aufbauen charakteristischer Ereignisdeskriptoren 68, um zu ermöglichen, dass der Roboter 12 von 1 eine zuvor demonstrierte Kraft-Drehmoment-Aufgabe ausführt.
Wieder mit Bezug auf 1 kann der Controller 20 eine beliebige notwendige Hardware und Prozessanweisungen umfassen, die geeignet sind, um das vorliegende Verfahren 100 auszuführen, und um Steuerungssignale (Pfeil CC) nach Bedarf an den Roboter 12 auszugeben, z.B. einen Befehl zum Ausführen einer autonomen Aufgabe, wie etwa das Ergreifen und Einführen des Objekts 18 in die Fassung 23, was zuvor durch den Bediener 13 demonstriert wurde. Der Controller 20 kann als ein oder mehrere digitale Computer oder Trägermaschinen ausgeführt sein, die jeweils einen oder mehrere Prozessoren (P) und Speicher (M) aufweisen, d.h. konkreten nicht vorübergehenden Speicher wie etwa optischen oder magnetischen Festwertspeicher (ROM) sowie Speicher mit wahlfreiem Zugriff (RAM), elektrisch programmierbaren Festwertspeicher (EPROM) usw.
Der Controller 20 kann außerdem einen Hochgeschwindigkeits-Taktgeber, Analog/Digital-Schaltungen (A/D-Schaltungen), Digital/Analog-Schaltungen (D/A-Schaltungen) und beliebige benötigte Eingabe/Ausgabe-Schaltungen (I/O-Schaltungen), I/O-Vorrichtungen, Kommunikationsschnittstellen, Signalaufbereitungs- und Pufferelektronik und dergleichen umfassen. Eine Eingabevorrichtung 26 kann von dem Controller 20 getrennt oder damit zusammengebaut sein. Die Eingabevorrichtung 26 kann eine Maus, ein Joystick oder eine andere Steuerungsvorrichtung sein, die geeignet ist, um den Roboter 12 durch eine von Menschen demonstrierte Aufgabe während der Aufgabentrainingsphase (Phase I) von 1 aus der Ferne zu bedienen.
AUFGABENDEMONSTRATION
Mit Bezug auf 2 veranschaulicht eine beispielhafte Primitiven-Sequenz 30 ein einfaches Trainingsbeispiel. Von dem Controller 20 werden Aufgabendemonstrationsdaten aufgezeichnet, während der Bediener 13 von 1 eine Aufgabe in Verbindung mit dem Roboter 12 ausführt, entweder, indem er den Roboter 12 manuell umgekehrt betreibt oder durch Bedienen des Roboters 12 aus der Ferne mit Hilfe von Eingabesignalen von der Eingabevorrichtung 26 oder durch beides. Der Zustand des Roboters 12 von 1, der eine Position des Greiforgans 21, dessen Orientierung, den Zustand des Greifers/Werkzeugs und Kraft/Drehmoment-Sensorsignale (Pfeil 11) umfasst, wird im Speicher M periodisch aufgezeichnet.
Beispielsweise kann der Roboter 12 von 1 in 2 bei einem ersten Punkt P₁ starten und sich dann mit Hilfe einer Annäherungstrajektorie linear zu einem zweiten Punkt P₂ bewegen, bis das Greiforgan 21 von 1 eine erste Oberfläche 32 an dem zweiten Punkt P₂ kontaktiert, z.B. einen Punkt an einer Wand. Bei dem zweiten Punkt P₂ kann das Greiforgan 21 mit einer Kraft F₁ gegen die erste Oberfläche 32 gedrückt werden und möglicherweise mit einem Drehmoment T₁ , welches auf die gleiche Weise wie die Kraft F₁ erfasst wird, um den zweiten Punkt P₂ herum gedreht werden.
Als Nächstes kann der Bediener 13 von 1 das Greiforgan 21 von dem zweiten Punkt P₂ entlang der ersten Oberfläche 32 mit einer Bewegungstrajektorie 35 zu einem dritten Punkt P₃ verschieben. Das Greiforgan 21 kann eine Kraft F₂ anwenden, bis ein Kontakt mit einer zweiten Oberfläche 34, z.B. einem Fußboden, hergestellt wird. Das Greiforgan 21 von 1 kann sich möglicherweise um den dritten Punkt P₃ herum mit einem zweiten Drehmoment T₂ drehen und sich danach mit Hilfe einer Wegbewegungstrajektorie 37 zu einem vierten Punkt P₄ bewegen, um dadurch die beispielhafte Aufgaben-Primitiven-Sequenz 30 zu beenden. Die demonstrierte Aufgaben-Primitiven-Sequenz 30 von 2 dient nur zur Veranschaulichung. Der Fachmann wird feststellen, dass andere Kombinationen von Kraft-Drehmoment-Aufgaben auf eine ähnliche Weise demonstriert werden können.
PRIMITIVEN-BIBLIOTHEK
Wieder mit Bezug auf 5 beschreibt der Begriff „Verhaltens-Primitiv“, so wie er hier verwendet wird, eine relativ einfache Roboteraktion. Verhaltens-Primitive hängen von einer Anzahl von Steuerungsparametern ab, die von dem Roboter 12 von 1 ausgeführt werden können. Es kann mehr als einen Typ von Verhaltens-Primitiven geben, welche aus einer Primitiven-Bibliothek (L_P ) 56 von verfügbaren Aufgaben-Primitiven gewählt werden können. Jeder Aufgaben-Primitiven-Typ kann die folgenden Eigenschaften aufweisen: (1) einen zugeordneten Robotercontroller, etwa den Controller 20 von 1, der zum Ausführen des Aufgaben-Primitivs in der Lage ist, (2) Logik zum Anpassen von Steuerungsparametern auf eine „bestmögliche Übereinstimmung“ mit einem gegebenen Zeitsegment von Aufgabendemonstrationsdaten und (3) Logik zum Bewerten der relativen Kosten oder des Fehlers zwischen den am besten übereinstimmenden Steuerungsparametern von Eigenschaft (2) und einem Segment der Demonstrationsdaten, wobei beispielhafte Aufgabensegmente S1-S4 in 3 gezeigt sind.
Bei einer speziellen Ausführungsform kann der Controller 20 von 1 eine Primitiven-Bibliothek 56 mit drei verschiedenen Primitiven-Typen verwenden: freie Bewegung, Bewegung mit beschränkter Kraft, und Bewegung mit Zielkraft. Jeder dieser beispielhaften Primitiven-Typen wird nun nacheinander beschrieben.
FREIE BEWEGUNG
Der Begriff „freie Bewegung“ bezeichnet eine positionsbasierte Bewegung, die nicht von einer Kraft-Drehmoment-Erfassung abhängt, z.B. eine Bewegung in 2 von dem ersten Punkt P₁ zu dem zweiten Punkt P₂ . Eine freie Bewegung umfasst eine Steuerung des Greiforgans 21 von 1 von einer Startposition und -orientierung zu einer Zielposition und -orientierung, z.B. mit Hilfe einer linearen Interpolation der Position und einer Quaternion-Interpolation der Orientierung.
Der Controller 20 der vorliegenden Erfindung kann die Positions- und Orientierungsparameter aus dem ersten und letzten Zeitschritt eines gegebenen Zeitsegments extrahieren, wodurch Linien I_p im dreidimensionalen kartesischen Raum (3D-Raum) und I_r im 3D-Rollen-Kippen-Gieren-Raum erzeugt werden. Die Kosten über ein Segment von n Zeitschritten können wie folgt berechnet werden: $c o s t (p r i m) = \sum_{i = 1}^{n} α ‖ P_{r_{l p ⊥}} (p o s_{i}) ‖ + β ‖ P_{r_{l p ⊥}} (p o s_{i}) ‖ + γ ‖ f o r c e_{i} ‖$
welche der geometrische Gesamtfehler zwischen den erfassten Daten und der linearen Approximation plus einer kalibrierten Strafe für jede beobachtete Kraft sind.

Claims

Verfahren (100) zum Trainieren eines Roboters (12), um eine vorbestimmte Roboteraufgabe autonom auszuführen, die das Anwenden einer linearen Kraft und eines Drehmoments auf ein Objekt (18) durch ein Greiforgan (21) des Roboters (12) erfordert, wobei das Verfahren (100) umfasst, dass: das Greiforgan (21) durch mehrere Zustände der vorbestimmten Roboteraufgabe hindurch bewegt wird, um dadurch die vorbestimmte Roboteraufgabe für den Roboter (12) in einem Satz von n Trainingsdemonstrationen zu demonstrieren; ein Satz von Trainingsdaten (11T) gemessen wird, was umfasst, dass mit Hilfe eines Kraft-Drehmoment-Sensors (S_FT) zumindest die lineare Kraft und das Drehmoment gemessen werden, während das Greiforgan (21) durch die mehreren Zustände der vorbestimmten Roboteraufgabe hindurch bewegt wird; Schlüsselmerkmale aus dem gemessenen Satz von Trainingsdaten (11T) mit Hilfe eines Controllers (20) extrahiert werden, was umfasst, dass der gemessene Satz von Trainingsdaten (11T) in eine Zeitsequenz (58) von Steuerungsprimitiven (S1, S2, S3, S4) segmentiert wird und Übergänge (t₁, t₂, t₃) zwischen benachbarten Segmenten (S1, S2, S3, S4) der Zeitsequenz (58) identifiziert werden; zumindest die lineare Kraft und das Drehmoment mit Hilfe des Kraft-Drehmoment-Sensors (S_FT) als Online/Echtzeitdaten während einer anschließenden autonomen Ausführung der demonstrierten Roboteraufgabe durch den Roboter (12) gemessen werden; Übergänge mit Hilfe des Controllers (20) während der anschließenden autonomen Ausführung der demonstrierten Roboteraufgabe durch den Roboter (12) detektiert werden; und in Ansprechen auf die detektierten Übergänge automatisch zwischen einer Vielzahl von unterschiedlichen Steuerungsmodi umgeschaltet wird.
Verfahren (100) nach Anspruch 1, wobei das Bewegen eines Greiforgans (21) umfasst, dass das Greiforgan (21) umgekehrt betrieben wird.
Verfahren (100) nach Anspruch 1, wobei das Bewegen eines Greiforgans (21) umfasst, dass das Greiforgan (21) mit Hilfe einer Bedienereingabevorrichtung (26) gesteuert wird.
Verfahren nach Anspruch 1, wobei das Detektieren der Übergänge das Detektieren eines Übergangs zwischen einem jeden von einem Positionssteuerungsprimitiv, einem hybriden Kraftsteuerungsprimitiv und einem Zielkraftsteuerungsprimitiv umfasst, und wobei das Segmentieren des gemessenen Satzes von Trainingsdaten in eine Zeitsequenz von Steuerungsprimitiven das Segmentieren des gemessenen Satzes von Trainingsdaten in Kombination des Positionssteuerungsprimitivs, des hybriden Kraftsteuerungsprimitivs und des Zielkraftsteuerungsprimitivs umfasst.
Verfahren (100) nach Anspruch 1, wobei das Detektieren der Übergänge (t₁, t₂, t₃) umfasst, dass mit Hilfe des Controllers (20) eine Bewertungsfunktion ausgeführt wird, um eine Wahrscheinlichkeit dafür zu berechnen, dass ein Datenpunkt in den Online/Echtzeitdaten einen der Übergänge (t₁, t₂, t₃) repräsentiert.
Robotersystem (10), umfassend: einen Roboter (12) mit einem Greiforgan (21); mindestens einen Kraft-Drehmoment-Sensor (S_FT), der mit Bezug zu dem Roboter (12) positioniert ist und betrieben werden kann, um lineare und rotatorische Kräfte zu messen, die von dem Greiforgan (21) auf ein Objekt (18) aufgebracht werden; und einen Controller (20) in Verbindung mit dem Roboter (12) und dem mindestens einen Kraft-Drehmoment-Sensor (S_FT), und der einen Prozessor (P) und einen Speicher (M) aufweist, in dem Anweisungen zum Trainieren des Roboters (12) aufgezeichnet sind, um eine Roboteraufgabe autonom auszuführen, welche ein Aufbringen von linearen Kräften und Drehmomenten auf das Objekt (18) durch das Greiforgan (21) erfordert, wobei der Controller (20) ausgestaltet ist, um die Anweisungen auszuführen, um zu veranlassen, dass der Controller (20): eine Bewegung des Greiforgans (21) durch mehrere Zustände der Roboteraufgabe während eines Satzes aus n Demonstrationen der Roboteraufgabe aufzeichnet; einen Satz von Trainingsdaten (11T) misst, was umfasst, dass mit Hilfe des mindestens einen Kraft-Drehmoment-Sensors (S_FT) eine lineare Kraft und ein Drehmoment gemessen werden, die von dem Roboter (12) auf das Objekt (18) aufgebracht werden, während sich das Greiforgan (21) durch die mehreren Zustände hindurch bewegt; Schlüsselmerkmale aus dem gemessenen Satz von Trainingsdaten (11T) extrahiert, was umfasst, dass der gemessene Satz von Trainingsdaten (11T) in eine Zeitsequenz (58) von separaten Steuerungsprimitiven (S1, S2, S3, S4) segmentiert wird, und Übergänge (t₁, t₂, t₃) zwischen den Segmenten (S1, S2, S3, S4) der Zeitsequenz (58) identifiziert werden; zumindest die lineare Kraft und das Drehmoment mit Hilfe des Kraft-Drehmoment-Sensors (S_FT) als Online/Echtzeitdaten während einer anschließenden autonomen Ausführung der demonstrierten Roboteraufgabe durch den Roboter (12) misst; die Übergänge während der anschließenden autonomen Ausführung der demonstrierten Roboteraufgabe durch den Roboter (12) detektiert; und in Ansprechen auf die detektierten Übergänge zwischen einer Vielzahl verschiedener Steuerungsmodi umschaltet.
Robotersystem (10) nach Anspruch 6, wobei der Controller (20) ausgestaltet ist, um die Bewegung des Greiforgans (21) aufzuzeichnen, indem er eine Bewegung aufzeichnet, die durch ein umgekehrtes Betreiben des Greiforgans (21) ausgeübt wird.
Robotersystem (10) nach Anspruch 6, das ferner eine Benutzereingabevorrichtung (26) umfasst, die programmiert ist, um zu befehlen, dass sich das Greiforgan (21) während des Satzes von n Aufgabendemonstrationen bewegt.
Robotersystem (10) nach Anspruch 6, wobei der Roboter (12) ein Handgelenk (24) enthält, und wobei der Kraft-Drehmoment-Sensor (S_FT) in das Handgelenk (24) eingebettet ist.
Robotersystem (10) nach Anspruch 6, wobei die Steuerungsprimitive (S1, S2, S3, S4) ein Positionssteuerungsprimitiv (33), ein hybrides Kraftsteuerungsprimitiv (35) und ein Zielkraftsteuerungsprimitiv (37) umfassen und wobei der Controller (20) programmiert ist, um einen entsprechenden Übergang (t₁, t₂, t₃) zwischen jedem der Steuerungsprimitive (S1, S2, S3, S4) zu detektieren.
Robotersystem (10) nach Anspruch 6, wobei der Controller (20) den Übergang (t₁, t₂, t₃) detektiert, in dem er eine Bewertungsfunktion ausführt, um dadurch eine Wahrscheinlichkeit dafür zu berechnen, dass ein Datenpunkt in den Online/Echtzeitdaten einen der Übergänge (t₁, t₂, t₃) repräsentiert.