JP2021070155A - モデル予測における相互作用制御 - Google Patents
モデル予測における相互作用制御 Download PDFInfo
- Publication number
- JP2021070155A JP2021070155A JP2020177724A JP2020177724A JP2021070155A JP 2021070155 A JP2021070155 A JP 2021070155A JP 2020177724 A JP2020177724 A JP 2020177724A JP 2020177724 A JP2020177724 A JP 2020177724A JP 2021070155 A JP2021070155 A JP 2021070155A
- Authority
- JP
- Japan
- Prior art keywords
- robot
- force
- interaction
- dynamics
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000001419 dependent effect Effects 0.000 claims description 3
- 241000282412 Homo Species 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 239000012636 effector Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
【課題】簡単でコスト効率よく実施することができ、さまざまなアプリケーションに柔軟に適応させることのできるコントローラを提供する。【解決手段】ロボットコントローラの入力(18)として最適な制御変数を計算するために最適化問題(40)を解くことによって、その環境(20)との相互作用中にロボット(12)を制御する方法(10)。最適化問題(40)は、ロボットの動力学(26)だけでなく、相互作用の動力学(36)にも基づく。【選択図】図1
Description
本発明は、ロボットを制御するための方法および装置に関する。
ロボット、特に産業用ロボットは、もはや単独で使用されるのではなく、人間や他のロボットと協働しなければならない環境でますます使用されている。これにより、ロボットを制御することがますます難しくなっている。
複雑な多変数プロセスを制御する一つの方法が、いわゆるモデル予測制御(model predictive control; MPC)である。MPCでは、制御するプロセスの動的モデルを用いて、入力信号と現在の測定値とに依存してプロセスの将来の挙動を計算する。これが、最適な入力信号の計算を可能にし、最適な出力信号に導く。入力と、出力と、状態の制約とを同時に考慮することができる。モデルの挙動は一定の時間ホライズンThor’まで予測(プレディケート)されるが、通常は、次の時間ステップまでの入力信号だけが使用され、その後、達成された状態に基づいて最適化が繰り返される。このフィードバックのために、MPCは、最適化制御とは対照的に閉ループ制御である。
特許文献1は、モデル予測制御を用いたロボット制御の例を示している。ここでは、制御システム(制御目標)の目的は、空間におけるある位置から別の位置に静的または動的な障害物と衝突せずにロボットが移動することができるような衝突回避移動経路を見つけることである。
現実の人間・マシンの協働にとって、衝突回避では十分ではない。代わりに、ロボットは、人間と直接協力すること、人間に触れること、または人間によって誘導されること、ができなければならない。したがって、人間とロボットとの接触は不可避である。
したがって、本発明の目的は、その環境との相互作用中にロボットを制御することが可能な方法およびデバイスを提供することである。特に、可能な限り自然に人間とロボットとを協力させる制御手順を提供することが目的である。さらに、簡単でコスト効率よく実施することができ、さまざまなアプリケーションに柔軟に適応させることのできるコントローラを提供することが目的である。
本発明の一態様によると、ロボットコントローラの入力として最適な制御変数を計算するために最適化問題を解くことによって、その環境との相互作用中にロボットを制御する方法が提供され、該最適化問題は、相互作用の動力学とロボットの動力学とを考慮する。
本発明の別の態様によると、最適化問題を解くことによってロボットコントローラの入力として最適な制御変数を計算するように構成されている制御変数判定ユニットを用いて、その環境との相互作用中にロボットを制御するためのデバイスが提供され、該最適化問題は、相互作用の動力学とロボットの動力学とを考慮する。
このように、モデル予測制御においてロボットの動力学だけでなく相互作用の動力学も考慮することが本開示の意図である。言い換えると、最適化問題は、ロボットの動力学だけでなく、経時的に発生する相互作用力も考慮する。
相互作用力とは、その環境との相互作用に起因してロボットに作用する力、例えば人間もしくは物体との接触から生じる力、または人間がロボットを意識的に誘導することによって引き起こされる力である。したがって、相互作用力とは、本質的に、自然の力(慣性力、求心力およびコリオリの力)ならびに重力の他にロボットに作用する接触力である。
相互作用力を考慮することにより、ロボットの力と退避制御とを直接実現することができる。「直接」とは、相互作用力に基づく制御をモデル予測制御に統合することを意味する。それにより、異なる制御方法論を使用する必要なく、異なるアプリケーションに異なる力と退避制御とを使用することのできる、統一的アプローチを採用することができる。すなわち、ロボットの動力学が同じままであるため、コントローラの種類を変えなくても、異なるアプリケーションを実現することができる。そのため、ロボットのその環境との相互作用を考慮することが容易に可能であるだけでなく、異なるタスクに柔軟に適応可能である。
MPC(すなわち、最適化に基づく方法論)は、状態および制御変数依存の等式制約および不等式制約を考慮することによって、さまざまに広げることもできる。このように、個々の制御の制御タスク間の依存関係を考慮することのできる統一的方法論を用いて、ロボットの本質的な制御タスクを実現することができる。このように、方法論における途切れなく制御タスクを実現することができるため、ロボットのより自然な挙動を達成することができる。そのため、本方法は、退避、力および動作制御の統一的制御アプローチとともにこれらのハイブリッド形態を提供する。したがって、前述の目的は完全に解決される。
特に、ロボットの動力学はロボットの動的モデルにすることができ、例えば、動的成分は、ロボットの制御変数と状態変数とに依存する。相互作用の動力学は動的力モデルにすることができ、動的成分は、ロボットの状態、特にロボットの移動に依存する。
このように、ロボットの動力学および相互作用の動力学について、それぞれの範囲を記述する独自のモデルを使用することができる。さらに、これらのモデルは、相互依存関係を表現するためにつなぎ合わせることができる。ロボットの動力学には、公知のモデルを使用することが有利であり、これは、微分運動方程式の一般的に有効な系またはその単純化から導くことができる。ロボット制御にモデル予測制御の公知のアプローチを再利用できることは、新たな方法の実施を特に容易に、かつコスト効率よくする。
ここに開示される方法によると、最適化問題は、相互作用力に重み付けを行うコスト関数を有することができる。
そのため、制御中に充てられる相互作用力を評価することが可能である。例えば、相互作用の場合、ある方向への関節の移動が外部トルクの増加をもたらす可能性があるのに対し、他方の方向への移動は外部トルクの減少をもたらす。外部トルクは、相互作用力から生じる。それにより、ロボットは接触時に能動的に道を譲る。
さらなる改良形態において、コスト関数が、ロボットの相互作用力と、制御変数と、状態とに重み付けを行うことができる。したがって、相互作用力、制御変数および状態を考慮して、単一の品質関数に関係付けることが可能である。それにより、変数同士の依存関係を単一の最適化で考慮することができる。この改良形態は、制御システムの標準化に貢献し、ロボット制御のさまざまな側面を単一の最適化問題によって解くことができる。
さらなる改良形態において、コスト関数は、相互作用力を最小化するように設計することができる。言い換えると、最適化の制御目標は、ロボットに外部から作用する力を最小化するように設計することができ、そのためロボットの回避挙動を実現する。それにより、接触は許しても、ロボットをできるだけ能動的に退避しようとするようにさせることにより、人間・ロボットの協働における怪我のリスクを軽減することができる。
さらなる改良形態において、コスト関数は、相互作用力を目標値に最適化するように設計することもできる。それにより、相互作用力の影響下で退却するのではなく、ロボットは、一定の力を維持するように制御することもできる。したがって、この改良形態は、退避制御の代わりに力制御を可能にし、挙動のどちらのタイプの組み合わせも考えられる。このように、制御手順は、さまざまなアプリケーションをカバーすることができる。
動的力モデルは、ロボットと相互作用する環境のスティフネスとロボットの関節速度または直角座標速度とに依存する外部トルクまたは外力の変化の記述とすることができる。
相互作用中の動的力モデルのスティフネスは、非ゼロであり、相互作用していない状態でゼロと仮定することができる。それにより、相互作用状態と非相互作用状態との区別が可能であり、力モデルの考慮は、相互作用状態でのみ行い、残りについては考慮しない。力モデルを動的に、かつ必要なときにのみ適用することで、制御システムを全体としてさらに最適化する。
動的力モデルのスティフネスは一定であると仮定することもできる。この仮定を用いて、ロボットのハンドガイドなど、対応するアプリケーションの力モデルを単純化することができる。これにより最適化問題が解きやすくなり、計算のための資源の消費を低減する。
言うまでもなく、上述した特徴および以下に説明する特徴は、示された組み合わせだけでなく、本発明の範囲を逸脱することなく他の組み合わせでまたは単独でも使用することができる。
本発明の例示的な実施形態を図面に表し、以下の説明でさらに詳細に説明する。
図1は、ロボット12を制御するための方法10の概要を示す。
ロボット12、例えば産業用ロボットが図1の中央に描かれている。産業用ロボットは、工作物を取扱い、組立て、または加工するための汎用プログラマブルマシンである。一般に、産業用ロボットは、マニピュレータ(ロボットアーム)と、コントローラと、エフェクタとを具備し、該エフェクタは、グリッパなどのツールとすることができる。
左側に、モデル予測コントローラ(MPC)14が示されている。コントローラは、目標16から始めて、ロボット12の入力18として制御変数uを判定し、ここでは、直角座標Xdesとして指定される。入力18に基づいて、ロボット12の駆動は、定義された移動(movement)
が行われるように設定される。
ロボットの動力学を用いたモデル予測制御の基本原理を、図2を参照して以下説明する。右側には、ロボット12が相互作用する環境20が示されている。ロボット12に作用する力(以下、相互作用力という)は、環境20との相互作用を表す。相互作用力22は、環境20内の物体との接触から生じる接触力とすることができる。ロボットのモデル予測制御では、相互作用力はこれまで、直接考慮されてこなかった。
図3および図4は、それぞれ、モデル予測制御で相互作用力22を考慮する方法の実施例を示す。以下、これらの方法をMPICという。
MPICは、相互作用力22(Fext)または生じるトルクτext∈RNの挙動を記述する力の動力学方程式を導入することによって、ロボットの動力学に加えて相互作用の動力学を考慮する。
このように、相互作用の動力学は、ロボット構造物に作用する相互作用力の挙動を記述する。そのため、MPICでは、相互作用が直接考慮される。MPICを用いて解くべき最適化問題は、コスト関数の選択および任意の制約についてのみ、通常のMPCとは異なる。それを除けば、システム、特にロボットの動力学は、同じままである。そのため、MPCによるロボットコントローラからの状態および制御変数の公知の等式制約および不等式制約を、MPICでも使用することができる。
一般に、産業用ロボットは、動作の微分方程式の系によって記述することができる。
Mは質量慣性行列であり、ベクトルCは関節の求心力とコリオリの力とによって引き起こされる一般化拘束トルクであり、gは一般化重力トルクのベクトルである。τJは、ギアによって伝達されるトルクを記述し、これは、モータのトルクからモータとギアボックスとの摩擦トルクを引いた結果である。q(t)は、軸の移動座標のベクトルである。τextは、トルクのバランスに影響する外部影響力を示し、特に、相互作用のトルクを含む。外部トルクτext:
τext=JT(q)Fext
は、構成依存リンクにより計算することができる。
τext=JT(q)Fext
は、構成依存リンクにより計算することができる。
図2は、MPCによる動的最適化問題の形式的な表現を示し、ここでは、全体として参照符号24で示されている。始点はシステムモデルであり、これは、移動システム(例えばマニピュレータ)のロボットの動力学26を、状態28および制御変数30を用いて記述する。位置または速度制御のために、ロボットの動力学26は、状態x=q、制御変数
としたときに積分器
として、または状態
、制御変数
としたときに二重積分器
として、単純化することができる。
コスト関数32は、状態28および制御変数30に重み付けを行う。最適化のタスクは、通常、ロボットコントローラの入力18として最適な制御変数を判定するために有限数の制御関数から(制約34を考慮して)コスト関数32が最小化する最適な制御関数を見つけることである。
図3および図4によるMPICは、ロボットの動力学26に加えて相互作用の動力学36を考慮することによって、MPC24による最適化問題を補う。相互作用の動力学36は、外力22(Fext)または生じる外部トルクτextの挙動を記述する、力の動力学方程式38とすることができる。したがって、相互作用力22は、最適化問題によって捕捉されて重み付けを行われる別の状態として考慮することができる。
図3は、MPICの例示的な実施形態による最適化問題40を示す。図示される実施例では、制御システムは、ロボットのハンドガイドを実現する。(関節空間における)力の動力学方程式38は、次のとおりである。
ここでの考え方は、相互作用がある場合に、ある方向への移動が外部トルクの増加をもたらすのに対し、反対方向への移動が外部トルクの減少をもたらすというものである。コスト関数は、外部トルクを最小化するように設計されている。これが退避制御となり、それによりロボットは、触れられると後退しようとする。スティフネスKeは、ここでは定数として選択される。
上記制御のアプリケーションは、人間によるロボットのハンドガイドである。退避制御は、タッチによるロボットの「操縦」を可能にする。誰かがロボットに触れて、それをある方向に押すと、ロボットはその方向に離れる。このように、ロボットは、自然な形で人間に追従する。
図4は、MPICの例示的な実施形態による別の最適化問題40を示す。ここでは、制御システムは、力/動作のハイブリッド制御を実現する。
力/動作のハイブリッド制御は、動作制御の直角座標方向と力制御の直角座標方向とを区別する。すなわち、力制御は、ある定義された直角座標方向で行われるのに対し、位置制御は、別の直角座標方向で行われる。
力/動作のハイブリッド制御の考えられるアプリケーションは、黒板拭きとすることができる。ここでは、力制御は、定義された圧力でスポンジが黒板に押し付けられるように、黒板の方向(z方向)に適用される。黒板の書き込み方向(x方向)に沿って、位置制御は、滑らかな送りを可能にするように行われる。書き込み方向に垂直かつ黒板に平行(y方向)に、力制御を再度適用することができ、そのため人間がロボットを押して新しい列に進めることができる。
図4は、直角座標空間における、対応する最適化問題40を示す。(直角座標空間における)力の動力学方程式38は、ここでは次のようになる。
直角座標空間と関節空間との接続は、ヤコビ行列J(q)によって確立することができる。
力/動作制御の最適化問題40において、コスト関数32は、所望の直角座標位置との偏差と所望の力からの偏差との両方を考慮する。
図3による最適化問題および図4による最適化問題は、どちらも同じロボット動力学26を有し、すなわち、次のようになる。
このように、2つのアプリケーションの最適化問題は、追加の力の方程式38、コスト関数32および追加の制約34のみが異なる。
原則として、外力22は、相互作用の場合にのみ考慮する。これは、ゼロに等しい自由な移動中の仮想スティフネスを仮定し、相互作用の場合にのみ力を予測することによって実現することができる。
さらに、一定のアプリケーションでは、一定のスティフネスKeの代わりに、スティフネスも推定することができる。例えば、環境の線形ばねモデル
Fext=Ke(p−pref)
を仮定することができ、そこから、スティフネスを次のように計算することができる。
Fext=Ke(p−pref)
を仮定することができ、そこから、スティフネスを次のように計算することができる。
ここで、pはエンドエフェクタの位置を記述し、prefは、変形していない物体の基準位置(変形していない環境およびエンドエフェクタの位置の法線上)である。相互関係を図5に示す。
推定において過去のステップからの情報を考慮するために、再帰的最小二乗推定量を適用することができる。ここでは、次のスカラーの場合で示されるように、推定値は、時間ステップkごとに測定によって更新される。
重みγ(k+1)は、推定において現在の測定がどれくらい強く考慮されるかを判定する。
MPCと同様に、MPICにより最適化問題40を解くことは、異なる数値的アプローチを用いて異なる方法で行うことができる。さまざまな実施形態において、数値解は、勾配法および拡張ラグランジュ法を用いて実行される。
このアプローチの主眼は、制約付きの動的最適化問題を制約なしの最適化問題に変換することである。言い換えると、最適化問題は、制約なしの補助関数の最適化へと単純な形に変換される。変換のために、制約は、因子(いわゆるラグランジュ乗数を掛けて)目的関数に埋め込まれる。制約の違反に罰則を与えるために、正のラグランジュ乗数を使用する。
拡張ラグランジュ法は、二次の強化関数をさらに含み、これは、追加の乗数を使用して目的関数に埋め込まれる。
得られる補助関数は、拡張ラグランジュ関数とも呼ばれ、ラグランジュ乗数をμ、ペナルティパラメータをρとしたとき、次のとおりである。
ここで、式の前の部分f(χ)+μg(χ)は、通常のラグランジュ関数に対応し、後の部分
は、二次の強化関数に対応する。最適解χ*,μ*の強双対性と存在とを仮定すると、各ρ≦0について鞍点条件
L(χ*,μ,ρ)≦(χ*,μ*,ρ*)≦L(χ,μ*,ρ)
を満たさなければならないことが分かる。このことから、ラグランジュ関数は、変数xに関して最小化し、ラグランジュ乗数μに関して最大化しなければならない、すなわち、新たな最適化問題
L(χ*,μ,ρ)≦(χ*,μ*,ρ*)≦L(χ,μ*,ρ)
を満たさなければならないことが分かる。このことから、ラグランジュ関数は、変数xに関して最小化し、ラグランジュ乗数μに関して最大化しなければならない、すなわち、新たな最適化問題
を解かなければならないことは明らかである。
この問題を解くために、まず、基礎となる最小化問題
を反復kにより定義し、これは、勾配法により解かれる。その後、ラグランジュ乗数は、ペナルティパラメータρ(k)をステップサイズとして、最急上昇(steepest ascent)
μ(k)=μ(k)+ρ(k)g(χ(k))
によって更新される。この手順の収束は、ペナルティパラメータを適応することにより大幅に改善することができる。因子βinc>1,βdec<1,γinc and γdec<1、絶対許容値をεgとして、ヒューリスティクス
μ(k)=μ(k)+ρ(k)g(χ(k))
によって更新される。この手順の収束は、ペナルティパラメータを適応することにより大幅に改善することができる。因子βinc>1,βdec<1,γinc and γdec<1、絶対許容値をεgとして、ヒューリスティクス
は、実際のアプリケーションで証明された。
最小化により制約の十分な改善が得られない場合、ペナルティパラメータをさらに増やす。制約が必要許容値と合致したらすぐに、ペナルティパラメータを再び減らすことができる。最大反復数k=Nmultに到達するまで、または最小化が収束してすべての制約が満足するまで、この手順を繰り返す。
言うまでもなく、上記数値的方法は、最適化問題を解く唯一の方法ではない。本発明の範囲を逸脱することなく、他の方法も同様に適用することができる。
MPICは、退避、力および動作制御、ならびにこれらの任意のハイブリッド形態の統一的ルールセットを可能にする。しかし、引用される例示的な実施形態は、例としてのみ理解されるべきであり、本開示の主題を制限するものではない。むしろ、かかる主題は、以下の特許請求の範囲によって判断される。
全体として、本発明は、ここで提示される実施例によって制限されるのではなく、以下の特許請求の範囲によって規定される。
Claims (10)
- ロボットコントローラの入力(18)として最適な制御変数を計算するために最適化問題(40)を解くことによって、その環境(20)との相互作用中にロボット(12)を制御する方法(10)であって、
前記最適化問題(40)は、相互作用の動力学(36)とロボットの動力学(26)とに基づく、方法。 - 前記ロボットの動力学(26)は、前記ロボット(12)の動的モデルに対応し、前記相互作用の動力学(36)は、動的力モデルに対応し、動的成分はロボットの移動に依存する、請求項1に記載の方法。
- 前記最適化問題(40)は、相互作用力(22)に重み付けを行うコスト関数(32)を有する、請求項1または請求項2に記載の方法。
- 前記コスト関数(32)は、前記相互作用力(22)、制御変数(30)および前記ロボット(12)の状態(28)に重み付けを行う、請求項3に記載の方法。
- 前記コスト関数(32)は、前記相互作用力(22)を最小化するように設計されている、請求項3または請求項4に記載の方法。
- 前記コスト関数(32)は、前記相互作用力(22)を定義された値に最適化するように設計されている、請求項3〜請求項5のいずれか1項に記載の方法。
- 前記動的力モデルは、前記ロボットと相互作用する環境のスティフネスと前記ロボットの関節速度または直角座標速度とに依存する外的トルクまたは外力の変化の記述である、請求項2〜請求項6のいずれか1項に記載の方法。
- 前記動的力モデルのスティフネスは、相互作用状態で非ゼロであり、相互作用していない状態でゼロと仮定される、請求項7に記載の方法。
- 前記動的力モデルのスティフネスは一定であると仮定される、請求項7または請求項8に記載の方法。
- その環境(20)との相互作用中にロボット(12)を制御する装置であって、最適化問題(40)を解くことによって、ロボットコントローラの入力(18)として最適な制御変数を計算するように構成されている制御変数判定ユニットを有し、前記最適化問題(40)は相互作用の動力学(36)とロボットの動力学(26)とに基づく、装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019129338.3A DE102019129338B3 (de) | 2019-10-30 | 2019-10-30 | Modellprädiktive Interaktionsregelung |
DE102019129338.3 | 2019-10-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021070155A true JP2021070155A (ja) | 2021-05-06 |
Family
ID=73014384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020177724A Pending JP2021070155A (ja) | 2019-10-30 | 2020-10-23 | モデル予測における相互作用制御 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210138652A1 (ja) |
EP (1) | EP3816736A1 (ja) |
JP (1) | JP2021070155A (ja) |
CN (1) | CN112743538A (ja) |
DE (1) | DE102019129338B3 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113787514B (zh) * | 2021-06-25 | 2022-12-23 | 广东工业大学 | 机械臂动态避碰规划方法 |
CN114589702B (zh) * | 2022-04-24 | 2024-05-07 | 合肥工业大学 | 基于动力学参数辨识和导纳控制的协作机器人拖动方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10320343B4 (de) * | 2003-05-07 | 2008-05-21 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zur überwachten Kooperation zwischen einer Robotereinheit und einem Menschen |
US7273979B2 (en) * | 2004-12-15 | 2007-09-25 | Edward Lee Christensen | Wearable sensor matrix system for machine control |
DE102006055917B4 (de) * | 2006-11-27 | 2014-11-27 | Kuka Roboter Gmbh | Industrieroboter und Verfahren zum Erkennen eines ungenau parametrierten Robotermodells |
WO2010027968A2 (en) * | 2008-09-04 | 2010-03-11 | Iwalk, Inc. | Hybrid terrain-adaptive lower-extremity systems |
EP2364243B1 (en) * | 2008-12-03 | 2012-08-01 | ABB Research Ltd. | A robot safety system and a method |
US9382865B2 (en) * | 2014-03-26 | 2016-07-05 | GM Global Technology Operations LLC | Diagnostic systems and methods using model predictive control |
US9605615B2 (en) * | 2015-02-12 | 2017-03-28 | GM Global Technology Operations LLC | Model Predictive control systems and methods for increasing computational efficiency |
JP5910647B2 (ja) * | 2014-02-19 | 2016-04-27 | トヨタ自動車株式会社 | 移動ロボットの移動制御方法 |
DE102014114234B4 (de) * | 2014-09-30 | 2020-06-25 | Kastanienbaum GmbH | Verfahren und Vorrichtung zur Steuerung/Regelung eines Roboter-Manipulators |
DE102015108010B3 (de) * | 2015-05-20 | 2016-06-02 | Cavos Bagatelle Verwaltungs Gmbh & Co. Kg | Steuern und Regeln von Aktoren eines Roboters unter Berücksichtigung von Umgebungskontakten |
DE102015122998B3 (de) * | 2015-12-30 | 2017-01-05 | Haddadin Beteiligungs UG (haftungsbeschränkt) | Roboter und Verfahren zum Betreiben eines Roboters |
EP3411108A4 (en) * | 2016-02-02 | 2019-12-25 | The University of Western Ontario | CATHETER FORCE CONTROL DEVICE |
CN106814610A (zh) * | 2017-01-23 | 2017-06-09 | 长春工业大学 | 基于非线性模型预测控制的双足机器人步态优化的信赖域‑sqp方法 |
DE102017129665B3 (de) * | 2017-12-12 | 2019-01-24 | Pilz Gmbh & Co. Kg | Kollisionsfreie Bewegungsplanung bei geschlossener Kinematik |
CN109343350A (zh) * | 2018-11-20 | 2019-02-15 | 清华大学 | 一种基于模型预测控制的水下机器人路径跟踪控制方法 |
CN110065070B (zh) * | 2019-04-29 | 2020-09-18 | 华中科技大学 | 一种基于动力学模型的机器人自适应阻抗控制系统 |
US11465281B2 (en) * | 2019-10-14 | 2022-10-11 | Boston Dynamics, Inc. | Dynamic planning controller |
-
2019
- 2019-10-30 DE DE102019129338.3A patent/DE102019129338B3/de active Active
-
2020
- 2020-10-23 JP JP2020177724A patent/JP2021070155A/ja active Pending
- 2020-10-23 EP EP20203725.5A patent/EP3816736A1/de not_active Withdrawn
- 2020-10-30 CN CN202011193892.3A patent/CN112743538A/zh active Pending
- 2020-10-30 US US17/085,632 patent/US20210138652A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
CN112743538A (zh) | 2021-05-04 |
DE102019129338B3 (de) | 2021-02-18 |
EP3816736A1 (de) | 2021-05-05 |
US20210138652A1 (en) | 2021-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107548336B (zh) | 控制和/或调节机器人的电机 | |
CN107683190B (zh) | 用于进行机器人机械手的开环和闭环控制的装置和方法 | |
CN111347421A (zh) | 用于扭矩估计的方法和装置 | |
Wang et al. | Passivity based adaptive Jacobian tracking for free-floating space manipulators without using spacecraft acceleration | |
Tuan et al. | Model reference adaptive sliding mode control for three dimensional overhead cranes | |
JP2021070155A (ja) | モデル予測における相互作用制御 | |
Lee et al. | Robust and adaptive dynamic controller for fully-actuated robots in operational space under uncertainties | |
Kimmel et al. | Active safety control for dynamic human-robot interaction | |
Žlajpah et al. | Unified virtual guides framework for path tracking tasks | |
Galicki | Robust task space finite-time chattering-free control of robotic manipulators | |
Katayama et al. | Whole-body model predictive control with rigid contacts via online switching time optimization | |
Liang et al. | Robust control of the robot manipulator via an improved sliding mode scheme | |
Korayem et al. | Integrated nonlinear suboptimal control‐and‐estimator based on the state‐dependent differential Riccati equation approach | |
Asar et al. | ANFIS-based an adaptive continuous sliding-mode controller for robot manipulators in operational space | |
Baptista et al. | Fuzzy predictive algorithms applied to real-time force control | |
Ren et al. | Robust adaptive multi-task tracking control of redundant manipulators with dynamic and kinematic uncertainties and unknown disturbances | |
Selvaggio et al. | Towards a self-collision aware teleoperation framework for compound robots | |
Cheung et al. | Cooperative control of a multi-arm system using semi-autonomous telemanipulation and adaptive impedance | |
Reiter et al. | Redundancy Resolution in Minimum-time Path Tracking of Robotic Manipulators. | |
Wu et al. | External force detection for physical human-robot interaction using dynamic model identification | |
Tung et al. | Application of MRAC theory for adaptive control of a constrained robot manipulator | |
Jasim et al. | Adaptive sliding mode control of switched constrained robotic manipulators | |
Rahmani | Control of a caterpillar robot manipulator using hybrid control | |
Tzafestas et al. | Robust motion planning and control of mobile robots for collision avoidance in terrains with moving objects | |
Liu et al. | Task-agnostic adaptation for safe human-robot handover |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230719 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240606 |