KR101789756B1 - 로봇 및 그 제어방법 - Google Patents

로봇 및 그 제어방법 Download PDF

Info

Publication number
KR101789756B1
KR101789756B1 KR1020100137558A KR20100137558A KR101789756B1 KR 101789756 B1 KR101789756 B1 KR 101789756B1 KR 1020100137558 A KR1020100137558 A KR 1020100137558A KR 20100137558 A KR20100137558 A KR 20100137558A KR 101789756 B1 KR101789756 B1 KR 101789756B1
Authority
KR
South Korea
Prior art keywords
gripping
motions
grip
motion
generated
Prior art date
Application number
KR1020100137558A
Other languages
English (en)
Other versions
KR20120075749A (ko
Inventor
김명희
임산
노경식
심영보
Original Assignee
삼성전자주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020100137558A priority Critical patent/KR101789756B1/ko
Priority to US13/332,771 priority patent/US8855814B2/en
Publication of KR20120075749A publication Critical patent/KR20120075749A/ko
Application granted granted Critical
Publication of KR101789756B1 publication Critical patent/KR101789756B1/ko

Links

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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1669—Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
    • 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
    • B25J9/1612—Programme controls characterised by the hand, wrist, grip 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
    • B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
    • B25J9/162—Mobile manipulator, movable base with manipulator arm mounted on it
    • 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
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39536—Planning of hand motion, grasping

Abstract

로봇 손의 파지 계획을 로봇 팔의 모션 계획과 분리하여 수행함으로써 로봇 손의 파지 계획의 결과를 로봇 팔의 모션 계획에 사용할 수 있어 물체를 보다 빠르고 자연스러우며 원하는 작업 목적에 적합한 파지 형태로 안정적으로 파지할 수 있으며, 작업이 가능한 파지인지 아닌지를 로봇 팔의 모션 계획 전에 확인할 수 있어 보다 안정적인 파지를 수행할 수 있는 로봇 및 그 제어방법을 개시한다.

Description

로봇 및 그 제어방법{Robot and method for controlling the same}
본 발명은 로봇 및 그 제어방법에 관한 것으로, 더욱 상세하게는 물체를 파지하기 위한 로봇 손의 파지 계획에 따라 물체를 파지하는 로봇 및 그 제어방법에 관한 것이다.
인간과 유사한 외관을 가지고 인간의 작업 및 생활공간에서 인간과 공존하며 다양한 서비스를 제공하는 인간형 로봇의 연구 개발이 활발하게 진행되고 있다.
이러한 인간형 로봇이 물체를 잡아 움켜쥘 수 있도록 구현하는 것은 인간 행동체계의 모방이 필요한 대표적인 분야 중 하나이고 손이라는 한계 때문에 구현에 많은 어려움이 있다.
최근에는 다양한 물체 파지의 효율성 및 안정성을 제고하고, 로봇의 손이 물체를 파지하기 위한 최적의 파지 계획을 구현할 수 있는 방법에 대한 연구가 계속되고 있다.
기존에는 대상 물체를 잡기 위해 로봇의 손을 움직이는 파지 계획(Grasp Planning)과 이 파지 계획에 따라 로봇의 팔을 움직이는 모션 계획(Motion Planning)이 분리되어 있지 않고 통합되어 있다.
따라서 여러 번의 파지를 통해서만 물체의 목표점을 제대로 파지할 수 있는 경우 처음에 잡은 부분이 그 다음 차례의 파지로 이어지지 못하면 작업에 적합한 형태의 파지가 이루어지지 못하기 때문에 작업이 실패할 수 있다.
또한, 모션 계획과 파지 계획을 동시에 고려하여 수행함으로써 파지 계획의 결과를 다른 모션 계획이나 모션 제어, 비주얼 서보잉(Visual Servoing) 등에 바로 사용이 불가능하였다.
또한, 최종 원하는 자세로의 판단을 모든 모션 계획 및 파지 계획이 끝나야지만 알 수 있기 때문에 로봇 팔의 모션이 무한루프에 빠질 수 있는 단점이 있다.
이상과 같이, 기존의 파지 방법은 물체를 최적의 파지 형태로 파지하는 데 시간이 오래 걸리고, 원하는 작업 목적에 적합한 파지 형태로 파지가 가능한지를 확인할 수 없기 때문에 경우에 따라서는 원하는 작업 목적에 적합한 형태로 파지를 수행하지 못할 수도 있으며 파지할 수 있다 하더라도 부자연스럽고 불안정하게 파지될 우려가 있다.
본 발명의 일 측면은 물체를 잡기 위한 로봇 손의 파지 계획의 결과를 로봇 팔의 모션 계획에 사용할 수 있도록 로봇 손의 파지 계획을 로봇 팔의 모션 계획과 분리하여 수행함으로써 물체를 보다 빠르고 자연스러우며 원하는 작업 목적에 적합한 파지 형태로 안정적으로 파지할 수 있는 로봇 및 그 제어방법을 제공한다.
이를 위해 본 발명의 일 측면에 따른 로봇은 목표물별 복수의 파지 모션이 저장된 데이터베이스부와, 상기 데이터베이스부에 저장된 목표물별 복수의 파지 모션 중 로봇 손의 위치, 상기 목표물의 위치 및 장애물의 위치에 기초하여 생성된 파지 모션들의 파지 점수를 산출하여 파지 목적에 대응하는 복수의 파지 모션을 생성하는 파지 모션 생성부와, 상기 파지 모션 생성부를 통해 생성된 파지 모션들 중 상기 산출된 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수를 초과하면, 상기 파지 모션 생성부를 통해 산출된 파지 모션에 기초하여 팔의 경로를 생성하는 팔 경로 생성부를 포함한다.
또한, 상기 파지 모션 생성부를 통해 생성된 파지 모션들 중 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수이하인 경우, 상기 생성된 파지 모션들 중 상기 파지 점수가 기준 점수 미만인 파지 모션을 목표 파지 모션으로 선정하고, 현재위치에서 가능한 파지 모션들을 생성하고, 생성된 파지 모션들을 대상으로 상기 목표 파지 모션을 잇는 파지 모션 경로를 생성하고, 생성된 파지 모션 경로 중에서 비용이 낮은 파지 모션 경로를 가진 파지 맵을 생성하는 파지 맵 생성부를 포함한다.
또한, 상기 파지 맵 생성부는 다음의 비용함수(f) 식을 이용하여 상기 파지 모션 경로의 비용을 산출하는 것을 포함한다.
f = C1*h + C2*g
여기서, h는 현재 파지 모션까지의 경로 비용, g는 목표 파지 모션까지의 비용, C1, C2는 상수이다.
또한, 상기 파지 맵 생성부는 상기 파지 모션 생성부를 통해 생성된 파지 모션들 중에서 로봇 손의 현재 위치에서 파지 가능한 파지 모션들을 생성하고, 생성된 파지 모션들의 파지 점수를 산출하고, 산출된 파지 점수가 높은 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하고, 상기 목표물이 임의의 위치에 있다고 가정할 때 그 위치에서 파지 가능한 파지 모션들을 생성하고, 생성된 파지 모션들의 파지 점수를 산출하고, 산출된 파지 점수가 높은 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하는 것을 포함한다.
또한, 상기 팔 경로 생성부는 상기 파지 맵에 있는 파지 모션 경로에 기초하여 팔의 경로를 생성하는 것을 포함한다.
또한, 상기 파지 모션 생성부는 상기 생성된 파지 모션들에 대하여 로봇 손의 위치 정보, 환경 정보 및 상기 목표물의 정보에 기초하여 파지 점수를 각각 산출하는 것을 포함한다.
또한, 상기 파지 모션 생성부는 다음의 파지 점수 함수(G(O,E,P)식을 이용하여 파지 모션의 파지 함수를 산출하는 것을 포함한다.
G(O,E,P) = eC1GqeC2GbeC3GceC4GreC5Gd
여기서, e는 자연대수값이고, C1, C2, C3, C4는 가중치로서 상수값이고, Gq(P)(Force Closure Score)는 로봇 손으로 물체를 꽉 잡는 정도를 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이고, Gb(E,P)는 로봇 손으로 목표 물체를 편하게 잡는 정도를 나타내는 함수로서 로봇 손의 위치정보(P)와 환경 정보(E)에 의해 정해지는 상수값이며, Gc(O,E,P)(Environment Clearance Score)는 주변 장애물과의 접근 거리를 나타내는 함수로서 목표 물체의 정보(O), 로봇 손의 위치정보(P) 및 환경 정보(E)에 의해 정해지는 상수값이며, Gr(P)는 로봇 손들이 서로 충돌하거나 겹쳐지는 정도를 로봇 손 간의 상대적인 거리로 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 함수값이며, Gd(O,P)는 로봇 손과 목표 물체까지의 거리를 나타내는 함수로서 목표 물체의 정보(O)와 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이다.
본 발명의 다른 측면에 따른 로봇의 제어방법은 데이터베이스에 저장된 목표물별 복수의 파지 모션 중 로봇 손의 위치, 상기 목표물의 위치 및 장애물의 위치에 기초하여 파지 목적에 대응하는 복수의 파지 모션을 생성하고, 상기 생성된 파지 모션들의 파지 점수를 산출하고, 상기 생성된 파지 모션들 중 상기 산출된 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수를 초과하면, 상기 생성된 파지 모션에 기초하여 팔의 경로를 생성하고, 상기 생성된 파지 모션 및 팔의 경로에 따라 상기 팔의 이동 동작 및 손의 파지 동작을 제어하는 것을 포함한다
또한, 상기 파지 점수 산출은, 상기 생성된 파지 모션들에 대하여 로봇 손의 위치 정보, 환경 정보 및 상기 목표물의 정보에 기초하여 파지 점수를 각각 산출하는 것을 포함한다.
또한, 상기 파지 점수는 다음의 파지 점수 함수(G(O,E,P)식을 이용하여 산출되는 것을 포함한다.
G(O,E,P) = eC1Gq*eC2Gb*eC3Ge*eC4Gr*eC5Gd
여기서, e는 자연대수값이고, C1, C2, C3, C4는 가중치로서 상수값이고, Gq(P)(Force Closure Score)는 로봇 손으로 물체를 꽉 잡는 정도를 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이고, Gb(E,P)는 로봇 손으로 목표 물체를 편하게 잡는 정도를 나타내는 함수로서 로봇 손의 위치정보(P)와 환경 정보(E)에 의해 정해지는 상수값이며, Ge(O,E,P)(Environment Clearance Score)는 주변 장애물과의 접근 거리를 나타내는 함수로서 목표 물체의 정보(O), 로봇 손의 위치정보(P) 및 환경 정보(E)에 의해 정해지는 상수값이며, Gr(P)는 로봇 손들이 서로 충돌하거나 겹쳐지는 정도를 로봇 손 간의 상대적인 거리로 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 함수값이며, Gd(O,P)는 로봇 손과 목표 물체까지의 거리를 나타내는 함수로서 목표 물체의 정보(O)와 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이다.
또한, 상기 생성된 파지 모션들 중 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수이하인 경우, 상기 생성된 파지 모션들 중 상기 파지 점수가 기준 점수 미만인 파지 모션을 목표 파지 모션으로 선정하고, 현재위치에서 가능한 파지 모션들을 생성하고, 생성된 파지 모션들을 대상으로 상기 목표 파지 모션을 잇는 파지 모션 경로를 생성하고, 생성된 파지 모션 경로 중에서 비용이 낮은 파지 모션 경로를 가진 파지 맵을 생성하는 것을 포함한다.
상기 파지 맵 생성은, 상기 생성된 파지 모션들 중에서 로봇 손의 현재 위치에서 파지 가능한 파지 모션들을 생성하고, 생성된 파지 모션들의 파지 점수를 산출하고, 산출된 파지 점수가 높은 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하고, 상기 목표물이 임의의 위치에 있다고 가정할 때 그 위치에서 파지 가능한 파지 모션들을 생성하고, 생성된 파지 모션들의 파지 점수를 산출하고, 산출된 파지 점수가 높은 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하는 것을 포함한다.
또한, 상기 팔 경로 생성은, 상기 파지 맵에 있는 파지 모션 경로에 기초하여 팔의 경로를 생성하는 것을 포함한다.
이상에서와 같이, 본 발명의 일 측면에 따르면, 로봇 손의 파지 계획을 로봇 팔의 모션 계획과 분리하여 수행함으로써 로봇 손의 파지 계획의 결과를 로봇 팔의 모션 계획에 사용할 수 있어 물체를 보다 빠르고 자연스러우며 원하는 작업 목적에 적합한 파지 형태로 안정적으로 파지할 수 있다.
또한, 본 발명의 다른 측면에 따르면, 로봇 손의 파지 계획의 결과를 로봇 팔의 모션 계획에 사용할 수 있기 때문에 전체 계산시간을 줄일 수 있어 계산 효율성을 높일 수 있고, 팔의 경로 생성을 최소화할 수 있으며 팔 경로 산출 과정을 파지 제어 과정 중 후반에 수행함으로써 파지 성능을 향상시킬 수 있다.
또한, 본 발명의 다른 측면에 따르면, 로봇 손의 파지 계획을 로봇 팔의 모션 계획에 앞서 수행함으로써 작업이 가능한 파지인지 아닌지를 로봇 팔의 모션 계획 전에 확인할 수 있어 보다 안정적인 파지를 수행할 수 있다.
도 1은 본 발명의 일실시예에 따른 로봇의 예시도이다.
도 2는 본 발명의 일실시예에 따른 로봇의 관절 구조 예시도이다.
도 3은 본 발명의 일실시예에 따른 로봇 손의 개략적인 예시도이다.
도 4는 본 발명의 일실시예에 따른 로봇의 파지 제어 구성도이다.
도 5는 본 발명의 일실시예에 따른 로봇의 데이터베이스에 저장된 파지모션을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 로봇에서 파지 계획을 수행하는 과정을 설명하기 위한 제어흐름도이다.
도 7은 본 발명의 일실시예에 따른 로봇에서 파지 모션 생성 및 정렬시키는 것을 설명하기 위한 제어흐름도이다.
도 8은 본 발명의 일실시예에 따른 로봇에서 파지 맵 생성시키는 것을 설명하기 위한 제어흐름도이다.
도 9는 본 발명의 일실시예에 따른 로봇에서 현재조건을 고려한 파지 모션 생성 및 정렬시키는 것을 설명하기 위한 제어흐름도이다.
도 10은 본 발명의 일실시예에 따른 로봇에서 파지 맵을 생성하는 예를 보인 도면이다.
도 11은 본 발명의 일실시예에 따른 로봇에서 파지 맵을 생성하는 다른 예를 보인 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 대해 설명한다.
도 1은 본 발명의 일실시예에 따른 로봇의 예시도이고, 도 2는 본 발명의 일실시예에 따른 로봇의 관절 구조 예시도이며, 도 3은 본 발명의 일실시예에 따른 로봇 손의 개략적인 예시도를 나타낸 도면이다.
도 1에 도시한 바와 같이, 로봇(100)은 머리(110), 목(120), 몸통(130), 팔(140R, 140L), 손(150R, 150L)으로 이루어진 상체와, 복수의 다리(160R, 160L) 및 발(170R, 170L)로 이루어진 하체를 가진다.
좀 더 구체적으로 설명하면, 로봇(100)의 상체는 머리(110)와, 머리(110)의 하부에 목(120)을 통해 연결된 몸통(130)과, 몸통(130)의 상부 양측에 연결된 두 개의 팔(140R, 140L)과, 이 두 개의 팔(140R, 140L)의 말단에 각각 연결된 손(150R, 150L)으로 이루어진다.
로봇(100)의 하체는 상체의 몸통(130) 하부 양측에 연결된 두 개의 다리(160R, 160L)와, 두 개의 다리(160R, 160L) 말단에 각각 연결된 발(170R, 170L)로 이루어진다.
여기서 머리(110), 두 개의 팔(140L, 140R), 두 개의 손(150L, 150R), 두 개의 다리(160L, 160R), 두 개의 발(170L, 170R)은 각각 관절을 통해 일정 수준의 자유도를 갖는다.
이러한 로봇(100)의 상체 및 하체는 커버에 의해 보호된다.
참조 부호에서 "R"과 "L"는 각각 로봇(100)의 우측(Right)과 좌측(Left)을 나타낸다.
도 2를 참조하여 구체적으로 설명한다.
머리(110)에는 주위의 영상을 획득하는 카메라(111)와, 사용자 음성을 검출하는 마이크로폰(112)이 마련되어 있다.
목(120)은 머리(110)와 몸통(130)을 연결한다. 이러한 목(120)은 복수의 목 관절부로 이루어진다.
목 관절부는 요우 방향(yaw, Z축 회전)의 회전 관절(121), 피치 방향(pitch, Y축 회전)의 회전 관절(122) 및 롤 방향(roll, X축 회전)의 회전 관절(123)을 포함하여 3 자유도를 가진다. 여기서 목 관절부의 회전 관절(121, 122, 123)은 머리 회전용 모터(미도시)와 각각 연결된다.
몸통(130)의 양 측에는 두 개의 팔(140L, 140R)을 연결하는 어깨 관절부(131)가 각각 마련되어 있고, 어깨 관절부(131)는 피치 방향의 회전 관절(131a)과 롤 방향의 회전 관절(131b)을 포함하여 2 자유도를 가진다.
또한 몸통(130)에는 가슴과 허리 사이에는 가슴이 허리에 대해 회전할 수 있도록 요우(Yaw) 방향의 회전 관절부(132)가 마련되어 있고, 로봇의 상체 기울기를 검출하는 기울기 검출부(133)가 더 마련되어 있다.
기울기 검출부(133)는 연직선에 대한 상체의 기울기인 피치, 롤, 요의 3개의 축의 회전 각도 및 이의 각속도를 검출한다. 여기서 기울기 검출부(133)는 관성을 측정하는 IMU(Inertial Measurement unit)를 이용하는 것이 가능하다.
두 개의 팔(140L, 140R)은 상박골부(141), 하박골부(142), 팔꿈치 관절부(143), 손목 관절부(144)를 각각 가진다.
여기서 각 상박골부(141)는 어깨 관절부(131)를 통해 몸통(130)과 연결되고, 또한 팔꿈치 관절부(143)를 통해 하박골부(142)와 연결되며, 각 하박골부(142)는 손목 관절부(144)를 통해 손(150R, 150L)과 연결된다.
팔꿈치 관절부(143)는 피치 방향의 회전 관절(143a)과, 요우 방향의 회전 관절(143b)를 포함하여 2 자유도를 가지고, 손목 관절부(144)는 피치 방향의 회전 관절(144a)과 롤 방향의 회전 관절(144b)을 포함하여 2 자유도를 가진다.
손(150R, 150L)에는 손바닥(151)과, 5개의 손가락(152, 153)이 마련되어 있고, 각 손가락(152, 153)에는 링크부재(152a, 152b, 152c, 153a, 153b, 153c)와 모터(미도시)에 의해 구동되는 복수의 관절(152d, 152e, 152f, 153d, 153e, 153f)이 마련되어 있다.
이러한 손(150R, 150L)은 팔(140R, 140L)의 움직임에 연동하여 물건을 파지(把指)하거나 특정 방향을 가리키는 것과 같은 다양한 동작을 실행한다.
로봇(100)의 두 개의 다리(160R, 160L)는 각각 대퇴골부(161), 하퇴골부(162), 고관절부(163), 무릎 관절부(164), 발목 관절부(165)를 각각 가진다. 각 다리(160L, 160R)와 발(170R, 170L) 사이에는 다축 센서인 힘/토크 검출부(Multi-Axis Force and Torque Sensor: 171)가 마련된다.
도 3을 참조하여 로봇의 손(150L, 150R)에 대해 좀 더 구체적으로 설명한다.
로봇의 왼 손(150L)과 오른 손(150R)은 서로 동일한 구조로 이루어지고, 이 중 로봇의 왼 손(150L)을 예를 들어 설명한다.
도 3에 도시된 바와 같이, 로봇의 왼 손(150L)은 손바닥(151)과 이 손바닥(151)에 연결된 복수의 손가락(152, 153)을 가지고, 손바닥(151)은 적어도 1자유도 이상으로 팔(140L)에 연결된다.
복수의 손가락(152, 153)은 손바닥(151)의 일단의 가장자리에서 동일한 방향으로 연장 설치되어 손바닥(152) 방향으로 구부러지는 복수의 제1손가락(152)과, 복수의 제1손가락(152)과 다른 방향으로 연장 설치되어 손바닥(151) 방향으로 구부러지는 하나 이상의 제2손가락(153)으로 이루어진다.
복수의 제1손가락(152)은 인간의 검지, 중지, 약지, 소지에 각각 해당하고, 하나 이상의 제2손가락(153)은 인간의 엄지에 해당한다.
복수의 제1손가락(152)은 복수의 링크부재(152a, 152b, 152c)와, 모터(미도시)에 의해 구동되는 복수의 관절(152d, 152e, 152f)을 각각 가지고, 제2손가락(153)은 복수의 링크부재(153a, 153b, 153c)와, 모터(미도시)에 의해 구동되는 복수의 관절(153d, 153e, 153f)을 가진다.
복수의 제1손가락(152)에 마련된 복수의 링크부재(152a, 152b, 152c)는 손바닥(151)에 인접한 순으로 제1링크부재(152a), 제2링크부재(152b), 제3링크부재(152c)라 하고, 제1손가락(152)에 마련된 복수의 관절(152d, 152e, 152f)은 손바닥(151)에 인접한 순으로 제1관절(152d), 제2관절(152e), 제3관절(152f)이라 한다.
여기서 제1손가락(152)의 제1관절(152d)은 손바닥(151)과 제1링크부재(152a)를 연결하고, 제2관절(152e)은 제1링크부재(152a)와 제2링크부재(152b)를 연결하며, 제3관절(152f)은 제2링크부재(152b)와 제3링크부재(152c)를 연결한다.
복수의 제2손가락(153)에 마련된 복수의 링크부재(153a, 153b, 153c)는 손바닥(151)에 인접한 순으로 제1링크부재(153a), 제2링크부재(153b), 제3링크부재(153c)라 하며 제1손가락(153)에 마련된 복수의 관절(153d, 153e, 153f)은 손바닥(151)에 인접한 순으로 제1관절(153d), 제2관절(153e), 제3관절(153f)이라 한다.
여기서 제2손가락(153)의 제1관절(153d)은 손바닥(151)과 제1링크부재(153a)를 연결하고, 제2관절(153e)은 제1링크부재(153a)와 제2링크부재(153b)를 연결하며, 제3관절(153f)은 제2링크부재(153b)와 제3링크부재(153c)를 연결한다.
제1손가락(152)의 제3링크부재(152f) 끝 부분(fingertip)인 인간의 손톱에 해당하는 지점에는 각각의 관절각(θ)을 측정하는 인코더(미도시)가 설치되고, 또한 제2손가락(153)의 제3링크부재(153f) 끝 부분(fingertip)인 인간의 손톱에 해당하는 지점에는 각각의 관절각(θ)을 측정하는 인코더(미도시)가 설치된다.
도 4는 본 발명의 일실시예에 따른 로봇의 파지 제어 구성을 나타낸 도면이다.
도 4에 도시된 바와 같이, 로봇은 입력부(205), 영상 획득부(210), 목표물 인식부(215), 파지 모션 생성부(220), 데이터베이스부(225), 파지 맵 생성부(230), 팔 경로 생성부(235), 저장부(240), 제어부(245), 구동부(250)를 포함한다.
입력부(205)는 사용자로부터 파지 대상물인 목표물의 정보를 입력받는다. 여기서 목표물의 정보는 목표물의 명칭, 목표물을 파지할 손, 목표물의 파지 목적, 목표물이 위치할 목표 지점 등이다.
파지 목적은 작업, 이동, 꽂기 등이고, 목표 지점은 파지 목적이 작업인 경우 목표물을 이용하여 작업을 수행하는 지점, 이동인 경우 목표물을 이동시키는 이동 지점, 꽂기인 경우 목표물을 꽂을 지점 등이다.
그리고 목표물을 파지할 손은, 파지 목적에 기초하여 목표 지점과 인접하게 위치한 손으로 자동 결정되는 것도 가능하다.
또한 입력부(205)는 외부에서 전송된 목표물의 정보를 수신하는 통신부의 기능을 갖는 것도 가능하다.
영상 획득부(210)는 카메라(111) 또는 캠코더 등과 같은 장치를 이용하여 주변의 영상을 획득한다.
목표물 인식부(215)는 획득된 영상을 필터링하여 노이즈를 제거하고 전처리를 수행 후 목표물의 정보에 기초하여 영상에서 목표물을 인식하고 인식된 목표물의 위치를 확인하고, 목표물 주변의 장애물의 존재 여부를 판단하고 판단된 장애물의 위치를 확인한다.
파지 모션 생성부(220)는 장애물의 위치가 목표물과 인접한지 또한 목표물 파지 시 장애물과의 충돌이 예상되는지 판단한다.
또한, 파지 모션 생성부(220)는 데이터베이스부(225)에 저장된 목표물별 복수의 파지 모션 정보를 이용하여 현재의 목표물별에 대한 파지 목적을 수행 가능한 파지 자세를 나타내는 종료 조건을 만족하는 파지 모션을 생성한다.
또한, 파지 모션 생성부(220)는 생성된 각 파지 모션별로 다음의 식 [1]을 이용하여 파지 점수를 산출한다.
G(O,E,P) = eC1Gq*eC2Gb*eC3Ge*eC4Gr*eC5Gd 식[1]
여기서, e는 자연대수값이고, C1, C2, C3, C4는 가중치로서 상수값이고, Gq(P)(Force Closure Score)는 로봇 손으로 물체를 꽉 잡는 정도를 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이고, Gb(E,P)는 로봇 손으로 목표 물체를 편하게 잡는 정도를 나타내는 함수로서 로봇 손의 위치정보(P)와 환경 정보(E)에 의해 정해지는 상수값이며, Ge(O,E,P)(Environment Clearance Score)는 주변 장애물과의 접근 거리를 나타내는 함수로서 목표 물체의 정보(O), 로봇 손의 위치정보(P) 및 환경 정보(E)에 의해 정해지는 상수값이며, Gr(P)는 로봇 손들이 서로 충돌하거나 겹쳐지는 정도를 로봇 손 간의 상대적인 거리로 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 함수값이며, Gd(O,P)는 로봇 손과 목표 물체까지의 거리를 나타내는 함수로서 목표 물체의 정보(O)와 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이다.
또한, 파지 모션 생성부(220)는 산출된 각 파지 점수를 높은 점수 순서대로 정렬한다.
데이터베이스부(225)에 저장된 목표물별 복수의 파지 모션 정보는 목표물체별로 목표물체에 대한 파지 모션을 물체좌표계로 나타낸 정보이다. 여기서 각 목표물의 파지 모션 정보는, 로봇의 손이 취할 수 있는 목표물의 파지 위치 및 파지 방향에 대응하여 복수 개가 저장된 것이다. 예를 들면, 목표물이 망치인 경우, 파지 모션 정보는 도 5와 같은 형태로 저장되어 있다.
도 5에 도시된 바와 같이 손잡이와 타격부재로 이루어진 망치의 경우, 망치의 파지 가능한 위치는 손잡이와 타격 부재 중 어느 하나이고, 이때 파지 위치와 방향에 따라 파지 모션이 저장되어 있으며, 저장된 파지 모션별로 코드가 부여되어 있다. 좀 더 구체적으로 설명하면, 망치(T1) 손잡이의 상부, 중간, 하부를 잡는 복수의 파지 모션 혹은 파지 모션을 생성하기 위한 정보들이 저장되어 있으며, 파지 시 타격부재와의 상대적인 방향에 따라 서로 다른 복수의 파지 모션(A1, A2, A3, C1, C2, C3, D1, D2, D3) 혹은 파지 모션을 생성하기 위한 정보들 이 저장되어 있다.
또한, 망치(T1) 타격부재의 좌측, 중간, 우측을 잡는 복수의 파지 모션(B1, B2, B3)혹은 파지 모션을 생성하기 위한 정보들 이 저장되어 있고, 타격부재의 양 측면에 각각 맞닿게 잡는 복수의 파지 모션(E1, E2) 혹은 파지 모션을 생성하기 위한 정보들 이 저장되어 있다.
파지 맵 생성부(230)는 파지 모션 생성부(220)를 통해 생성된 파지 모션들이 종료조건을 만족하는 지 점검한 후, 만족하지 못하면 생성된 파지 모션들을 가상의 로봇손의 현재 위치로 선정 후 로봇 손의 현재 위치에서 파지 가능한 파지 모션을 데이터베이스부(225)에서 가져오고, 가져온 파지 모션들 중에서 장애물 위치 등에 의해 제외될 파지 모션들을 제외한 나머지 파지 모션들에 대하여 파지 점수를 각각 산출하고, 산출된 파지 점수가 높은 순서대로 각 파지 모션을 정렬시킨다. 그리고 정렬된 파지 모션들 중 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 각각 산출하고, 산출된 비용이 낮은 미리 설정된 개수의 파지 모션을 선택하여 트리로 잇는다.
그런 후 파지 맵 생성부(230)는 작업 공간 상의 임의의 위치에 물체가 있는 것으로 가정하고, 그 임의의 위치에 물체가 위치할 경우 그 위치에서 파지 가능한 파지 모션을 데이터베이스부(225)에서 가져오고, 가져온 파지 모션들 중에서 장애물 위치 등에 의해 제외될 파지 모션들을 제외한 나머지 파지 모션들에 대하여 파지 점수를 각각 산출하고, 산출된 파지 점수가 높은 순서대로 각 파지 모션을 정렬시킨다. 그리고 정렬된 파지 모션들 중 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 각각 산출하고, 산출된 비용이 낮은 미리 설정된 개수의 파지 모션을 선택하여 트리로 잇는다.
파지 맵 생성부(230)는 이러한 방식으로, 초기 파지 모션에서 목표 파지 모션까지 트리로 이어진 파지 모션 경로를 가진 파지 맵을 생성한다.
파지 맵 생성부(230)는 다음의 식 [2]와 같은 비용 함수(f)를 이용하여 각 파지 모션의 비용을 산출한다.
f = C1*h + C2*g 식 [2]
여기서, h는 현재 파지 모션까지의 경로 비용, g는 목표 파지 모션까지의 비용, C1, C2는 상수이다. 또한, h는 Σ(현재 파지 모션까지 각 파지 모션의 거리차) + 파지 점수(G(O,E,P), g는 현재 파지 모션에서 목표 파지 모션까지의 거리 + 파지 점수(G(O,E,P)이다.
위의 식 [2]의 비용함수(f)에는 현재점(현재 파지 모션)까지의 거리 및 목표점(목표 파지 모션)까지의 비용을 고려하는 비용 관련 알고리즘(예를 들면, Randomized A Star Search)이 사용된다.
팔 경로 생성부(235)는 파지 모션 생성부(220)를 통해 산출된 파지 모션 중 파지 점수가 기준 점수 이상인 파지 모션 또는 파지 맵 생성부(230)를 통해 생성된 파지 모션 경로를 가진 파지 맵을 근거로 하여 팔의 경로를 생성한다.
이때 팔 경로 생성부(235)는 몸통의 기울기, 어깨관절부, 팔꿈치관절부, 손목관절부 및 로봇의 손을 구성하는 복수 관절의 각도를 고려하여 팔의 경로를 생성한다.
팔 경로 생성부(235)는 파지 모션의 순서에 따라 순차적으로 RRT(Rapidly-exploring Random Tree)와 같은 모션 계획(motion planning)으로 팔 경로를 생성하는 것도 가능하다.
여기서 RRT 알고리즘의 경우 랜덤(random)하게 계산되어 임의의 자세들이 나오게 되는데 이때 부자연스러운 자세도 나올 수 있어, 미리 오프라인(off-line)에서 팔 경로를 생성 후 현재의 환경정보를 이용하여, 다시 경로를 계획한다.
이때 팔 경로 생성부(235)는 오프 라인(off-line)에서 복수의 파지 모션 중 두 개의 파지 모션을 선택해서 그것을 동시에 취할 때 팔의 관절각도의 자연스러운 정도를 값으로 환산하여 저장하고, 이 값을 이용하여 팔의 경로를 생성한다. 이 값이 작을수록 팔의 관절각도가 자연스럽다.
아울러 팔의 경로는 데이터베이스부(225)에 저장 가능하다.
저장부(240)는 파지 모션 생성 및 파지 맵 생성과 관련된 각종 데이터 및 프로그램이 저장되어 있다.
제어부(245)는 팔 경로 생성부(235)로부터 전송된 팔 경로 정보에 기초하여 팔 경로를 추종하기 위한 토크를 산출하고, 산출된 토크에 기초하여 구동부(250)의 PWM을 제어함으로써 팔에 마련된 각 관절이 움직이도록 한다. 여기서 토크는 목표 각도를 추종하기 위한 모터(미도시)의 회전력이다.
좀 더 구체적으로 제어부(245)는 팔의 경로 정보에 기초하여 어깨 관절부(131)의 피치 방향의 회전 관절(131a)과 롤 방향의 회전 관절(131b)의 토크를 산출하고, 또한 팔꿈치 관절부(143)의 피치 방향의 회전 관절(143a)과 요우 방향의 회전 관절(143b)의 토크를 산출하며, 손목 관절부(144)의 피치 방향의 회전 관절(144a)과 롤 방향의 회전 관절(144b)의 토크를 산출한다.
제어부(245)는 파지 모션 정보 및 팔 경로 정보에 기초하여 각 손(150R, 150L)의 복수의 관절(152d, 152e, 152f, 153d, 153e, 153f)의 토크를 산출한다.
구동부(250)는 제어부(240)의 지시에 따라 각 관절의 토크를 추종하기 위한 PWM 신호를 팔에 마련된 각 관절에 출력한다.
좀 더 구체적으로, 구동부(250)는 팔 경로 정보에 기초하여 어깨 관절부(131)의 피치 방향의 회전 관절(131a)과 롤 방향의 회전 관절(131b)을 구동시키고, 또한 팔꿈치 관절부(143)의 피치 방향의 회전 관절(143a)과 요우 방향의 회전 관절(143b)을 구동시키며, 손목 관절부(144)의 피치 방향의 회전 관절(144a)과 롤 방향의 회전 관절(144b)을 구동시킨다.
도 6은 본 발명의 일실시예에 따른 로봇에서 파지 계획을 수행하는 과정을 설명하기 위한 제어흐름도이다.
도 6을 살펴보면, 로봇은 로봇 손의 위치, 물체 및 장애물의 위치, 그리고, 데이터베이스부(225)에 저장된 물체별 파지 모션 정보 등의 초기 조건을 읽는다(300).
그리고 로봇은 파지 목적이 어떤 것인지를 확인하기 위해 작업을 수행하기 위한 종료 조건을 조사한다(301).
그런 후 로봇은 데이터베이스부(225)에 저장된 물체별 파지 모션 정보를 근거로 하여 이 종료 조건을 만족하는 파지 모션들을 생성하고 생성된 파지 모션들의 파지 점수를 산출하고 높은 점수대로 정렬한다(302).
도 7에 도시된 바와 같이, 로봇은 작동모드 302에서 데이터베이스부(225)에 저장된 물체별 파지 모션 정보를 이용하여 종료 조건을 만족하는 파지 모션을 생성한다(400).
파지 모션 생성 후 상술한 식 [1]을 이용하여 각 파지모션의 파지점수를 산출한다(401).
그리고 로봇은 작동모드 401에서 산출된 각 파지 점수를 높은 점수 순서대로 정렬한다(402).
다시 도 6을 살펴보면, 파지 모션 생성 및 정렬 후 로봇은 기준점수 이하인 파지 모션의 개수를 카운트한다(303).
기준점수 이하인 파지 모션의 개수를 카운트한 후 로봇은 카운트된 개수의 파지 모션이 미리 설정된 개수이하인지를 판단한다(304).
만약, 작동모드 304의 판단결과 카운트된 개수의 파지 모션이 미리 설정된 개수이하인 경우, 로봇은 기준점수이하인 파지 모션 중 n개를 목표 파지 모션으로 선정한다(305). 예를 들면 기준점수 이하인 파지 모션 중 상위 점수를 가진 순서대로 n개의 파지 모션을 목표 파지 모션으로 선정한다.
기준점수 이하인 파지 모션 중에서 상위 점수를 가진 n개의 파지 모션을 목표 파지 모션으로 선정한 후 로봇은 파지 모션 경로의 비용을 산출하고 산출된 비용이 낮은 파지 모션 경로를 가진 파지 맵을 생성한다(306).
도 8에 도시된 바와 같이, 로봇은 작동모드 306에서 현재조건을 고려한 파지모션 생성 및 정렬을 수행하고(500), 정렬된 것 중 파지 점수가 높은 순서대로 n개의 파지 모션을 선택한다(501). 이때, 선택되지 않은 나머지 파지 모션은 버린다.
N개의 점에 대한 비용함수 조사 후 비용이 낮은 m개의 점을 트리로 이어 경로를 생성한다(502)(도 10 및 도 11의 굵은 선 참조). 도 10에서 굵은 선으로 이어진 파지 모션 경로(Q0, Q3, Q4, Qg) 및 도 11에서 굵은 선으로 이어진 파지 모션 경로(Q0, Q3, Q4, Q8, Q12, Qg)
그런 후 임의의 위치에 물체가 있다고 가정하고(503), 이러한 가정 하에서 현재조건을 고려한 파지모션을 생성 및 정렬을 수행한다(504).
도 9에 도시된 바와 같이, 로봇은 작동모드 504에서 현재위치에서 가능한 파지모션을 데이터베이스부(225)에서 가져오고(600), 가져온 파지 모션들 중에서 제약조건을 만족하는 것을 선택하고(601), 선택된 파지 모션들에 대하여 파지 모션 생성 및 정렬을 수행한다(602). 이때, 파지 모션 생성 및 정렬을 수행하는 것은 파지 점수를 각각 산출하고, 산출된 파지 점수가 높은 순서대로 각 파지 모션을 정렬시키는 것을 포함한다.
다시 도 6을 살펴보면, 정렬된 것 중 파지 점수가 높은 순서대로 n개의 파지 모션을 선택한다(505). 이때, 선택되지 않은 나머지 파지 모션은 버린다.
N개의 점에 대한 비용함수 조사 후 비용이 낮은 m개의 점을 트리(Tree)로 이어 경로를 생성한다(506)(도 10 및 도 11의 굵은 선 참조).
다시 도 8을 살펴보면, 파지 맵을 생성한 후 로봇은 생성된 파지 맵이 목표 파지 모션까지 경로가 만들어졌는지를 판단한다(307). 만약, 작동모드 307의 판단결과 파지 맵이 목표 파지 모션까지 경로가 만들어졌으면, 로봇은 원하는 조건으로 파지 가능한 것으로 판단하여 파지가 성공할 것으로 예측한다(308).
한편, 작동모드 307의 판단결과 파지 맵이 목표 파지 모션까지 경로가 만들어지지 않았으면, 로봇은 종료 조건을 만족하는지를 판단한다(309). 만약, 종료 조건을 만족하지 않으면, 로봇은 작동모드 306으로 이동하여 파지 맵을 생성한다. 한편, 종료 조건을 만족하면, 로봇은 파지가 실패할 것으로 예측한다(310).
다시 도 6을 살펴보면, 한편, 작동모드 304의 판단결과 카운트된 개수의 파지 모션이 미리 설정된 개수를 초과하면, 로봇은 파지가 성공할 것으로 예측한다(308).
이 후 로봇은 목표 파지 모션까지 이어진 파지 모션 경로를 가진 파지 맵 또는 기준점수를 초과한 파지 모션을 근거로 하여 로봇 팔의 경로를 생성한다.
로봇 팔의 경로를 생성한 후 로봇은 팔 경로 정보에 기초하여 팔 경로를 추종하기 위한 토크를 산출하되, 어깨 관절부(131)의 피치 방향의 회전 관절(131a)과 롤 방향의 회전 관절(131b)의 토크를 산출하고, 또한 팔꿈치 관절부(143)의 피치 방향의 회전 관절(143a)과 요우 방향의 회전 관절(143b)의 토크를 산출하며, 손목 관절부(144)의 피치 방향의 회전 관절(144a)과 롤 방향의 회전 관절(144b)의 토크를 산출한다.
또한 로봇은 기준점수를 초과한 파지 모션 또는 파지 맵 정보에 기초하여 각 손(150R, 150L)의 복수의 관절(152d, 152e, 152f, 153d, 153e, 153f)의 토크를 산출한다.
다음 로봇은 각 관절의 토크를 추종하기 위한 PWM 신호를 팔에 마련된 각 관절에 출력함으로써, 어깨 관절부(131)의 피치 방향의 회전 관절(131a)과 롤 방향의 회전 관절(131b)을 구동시키고, 또한 팔꿈치 관절부(143)의 피치 방향의 회전 관절(143a)과 요우 방향의 회전 관절(143b)을 구동시키며, 손목 관절부(144)의 피치 방향의 회전 관절(144a)과 롤 방향의 회전 관절(144b)을 구동시킨다.
그리고 각 손(150R, 150L)의 복수의 관절(152d, 152e, 152f, 153d, 153e, 153f)을 구동시킴으로 파지(410)를 수행한다.
205 : 입력부 210 : 영상 획득부
215 : 목표물 인식부 220 : 파지 모션 생성부
225 : 데이터베이스부 230 : 파지 맵 생성부
235 : 팔 경로 생성부 240 : 저장부
245 : 제어부 250 : 구동부

Claims (13)

  1. 목표물별 복수의 파지 모션이 저장된 데이터베이스부;
    상기 데이터베이스부에 저장된 목표물별 복수의 파지 모션 중 로봇 손의 위치, 상기 목표물의 위치 및 장애물의 위치에 기초하여 생성된 파지 모션들의 파지 점수를 산출하여 파지 목적에 대응하는 복수의 파지 모션을 생성하는 파지 모션 생성부; 및
    상기 파지 모션 생성부를 통해 생성된 파지 모션들 중 상기 산출된 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수를 초과하면, 상기 파지 모션 생성부를 통해 산출된 파지 모션에 기초하여 팔의 경로를 생성하는 팔 경로 생성부를 포함하는 로봇.
  2. 제1항에 있어서,
    상기 파지 모션 생성부를 통해 생성된 파지 모션들 중 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수 이하인 경우, 상기 생성된 파지 모션들 중 상기 파지 점수가 기준 점수 미만인 특정한 개수(또는 n개)의 파지 모션을 목표 파지 모션으로 선정하고, 현재 위치에서 가능한 파지 모션들을 생성하고, 상기 생성된 파지 모션들을 대상으로 상기 목표 파지 모션을 잇는 파지 모션 경로를 생성하고, 상기 생성된 파지 모션 경로 중에서 비용이 낮은 파지 모션 경로를 가진 파지 맵을 생성하는 파지 맵 생성부를 포함하는 로봇.
  3. 제2항에 있어서,
    상기 파지 맵 생성부는 다음의 비용함수(f) 식을 이용하여 상기 파지 모션 경로의 비용을 산출하는 것을 포함하는 로봇.
    f = C1*h + C2*g
    여기서, h는 현재 파지 모션까지의 경로 비용, g는 목표 파지 모션까지의 비용, C1, C2는 상수이다.
  4. 제3항에 있어서,
    상기 파지 맵 생성부는 상기 파지 모션 생성부를 통해 생성된 파지 모션들 중에서 로봇 손의 현재 위치에서 파지 가능한 파지 모션들을 생성하고, 상기 생성된 파지 모션들의 파지 점수를 산출하고, 상기 산출된 파지 점수가 높은 순서대로 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 상기 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하고, 상기 목표물이 임의의 위치에 있다고 가정할 때 그 위치에서 파지 가능한 파지 모션들을 생성하고, 상기 생성된 파지 모션들의 파지 점수를 산출하고, 상기 산출된 파지 점수가 높은 순서대로 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 상기 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하는 것을 포함하는 로봇.
  5. 제2항에 있어서,
    상기 팔 경로 생성부는 상기 파지 맵에 있는 파지 모션 경로에 기초하여 팔의 경로를 생성하는 것을 포함하는 로봇.
  6. 제1항에 있어서,
    상기 파지 모션 생성부는 상기 생성된 파지 모션들에 대하여 로봇 손의 위치 정보, 환경 정보 및 상기 목표물의 정보에 기초하여 파지 점수를 각각 산출하는 것을 포함하는 로봇.
  7. 제6항에 있어서,
    상기 파지 모션 생성부는 다음의 파지 점수 함수(G(O,E,P)식을 이용하여 파지 모션의 파지 함수를 산출하는 것을 포함하는 로봇.
    G(O,E,P) = eC1Gq*eC2Gb*eC3Ge*eC4Gr*eC5Gd
    여기서, e는 자연대수값이고, C1, C2, C3, C4는 가중치로서 상수값이고, Gq(P)(Force Closure Score)는 로봇 손으로 물체를 꽉 잡는 정도를 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이고, Gb(E,P)는 로봇 손으로 목표 물체를 편하게 잡는 정도를 나타내는 함수로서 로봇 손의 위치정보(P)와 환경 정보(E)에 의해 정해지는 상수값이며, Ge(O,E,P)(Environment Clearance Score)는 주변 장애물과의 접근 거리를 나타내는 함수로서 목표 물체의 정보(O), 로봇 손의 위치정보(P) 및 환경 정보(E)에 의해 정해지는 상수값이며, Gr(P)는 로봇 손들이 서로 충돌하거나 겹쳐지는 정도를 로봇 손 간의 상대적인 거리로 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 함수값이며, Gd(O,P)는 로봇 손과 목표 물체까지의 거리를 나타내는 함수로서 목표 물체의 정보(O)와 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이다.
  8. 데이터베이스에 저장된 목표물별 복수의 파지 모션 중 로봇 손의 위치, 상기 목표물의 위치 및 장애물의 위치에 기초하여 파지 목적에 대응하는 복수의 파지 모션을 생성하고;
    상기 생성된 파지 모션들의 파지 점수를 산출하고;
    상기 생성된 파지 모션들 중 상기 산출된 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수를 초과하면, 상기 생성된 파지 모션에 기초하여 팔의 경로를 생성하고;
    상기 생성된 파지 모션 및 팔의 경로에 따라 상기 팔의 이동 동작 및 손의 파지 동작을 제어하는 것을 포함하는 로봇의 제어방법.
  9. 제8항에 있어서,
    상기 파지 점수 산출은, 상기 생성된 파지 모션들에 대하여 로봇 손의 위치 정보, 환경 정보 및 상기 목표물의 정보에 기초하여 파지 점수를 각각 산출하는 것을 포함하는 로봇의 제어방법.
  10. 제9항에 있어서,
    상기 파지 점수는 다음의 파지 점수 함수(G(O,E,P)식을 이용하여 산출되는 것을 포함하는 로봇의 제어방법.
    G(O,E,P) = eC1Gq*eC2Gb*eC3Ge*eC4Gr*eC5Gd
    여기서, e는 자연대수값이고, C1, C2, C3, C4는 가중치로서 상수값이고, Gq(P)(Force Closure Score)는 로봇 손으로 물체를 꽉 잡는 정도를 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이고, Gb(E,P)는 로봇 손으로 목표 물체를 편하게 잡는 정도를 나타내는 함수로서 로봇 손의 위치정보(P)와 환경 정보(E)에 의해 정해지는 상수값이며, Gc(O,E,P)(Environment Clearance Score)는 주변 장애물과의 접근 거리를 나타내는 함수로서 목표 물체의 정보(O), 로봇 손의 위치정보(P) 및 환경 정보(E)에 의해 정해지는 상수값이며, Gr(P)는 로봇 손들이 서로 충돌하거나 겹쳐지는 정도를 로봇 손 간의 상대적인 거리로 나타내는 함수로서 로봇 손의 위치 정보(P)에 의해 정해지는 함수값이며, Gd(O,P)는 로봇 손과 목표 물체까지의 거리를 나타내는 함수로서 목표 물체의 정보(O)와 로봇 손의 위치 정보(P)에 의해 정해지는 상수값이다.
  11. 제8항에 있어서,
    상기 생성된 파지 모션들 중 파지 점수가 기준 점수 이상인 파지 모션의 개수가 미리 설정된 개수 이하인 경우, 상기 생성된 파지 모션들 중 상기 파지 점수가 기준 점수 미만인 특정한 개수(또는 n개)의 파지 모션을 목표 파지 모션으로 선정하고, 현재 위치에서 가능한 파지 모션들을 생성하고, 생성된 파지 모션들을 대상으로 상기 목표 파지 모션을 잇는 파지 모션 경로를 생성하고, 생성된 파지 모션 경로 중에서 비용이 낮은 파지 모션 경로를 가진 파지 맵을 생성하는 것을 포함하는 로봇의 제어방법.
  12. 제11항에 있어서,
    상기 파지 맵 생성은, 상기 생성된 파지 모션들 중에서 로봇 손의 현재 위치에서 파지 가능한 파지 모션들을 생성하고, 상기 생성된 파지 모션들의 파지 점수를 산출하고, 상기 산출된 파지 점수가 높은 순서대로 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 상기 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하고, 상기 목표물이 임의의 위치에 있다고 가정할 때 그 위치에서 파지 가능한 파지 모션들을 생성하고, 생성된 파지 모션들의 파지 점수를 산출하고, 상기 산출된 파지 점수가 높은 순서대로 미리 설정된 개수의 파지 모션에 대하여 비용 함수를 이용하여 비용을 산출하고, 산출된 비용에 의해 결정되는 파지 모션들을 잇는 파지 모션 경로를 생성하는 것을 포함하는 로봇의 제어방법.
  13. 제11항에 있어서,
    상기 팔 경로 생성은, 상기 파지 맵에 있는 파지 모션 경로에 기초하여 팔의 경로를 생성하는 것을 포함하는 로봇의 제어방법.
KR1020100137558A 2010-12-29 2010-12-29 로봇 및 그 제어방법 KR101789756B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020100137558A KR101789756B1 (ko) 2010-12-29 2010-12-29 로봇 및 그 제어방법
US13/332,771 US8855814B2 (en) 2010-12-29 2011-12-21 Robot and control method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100137558A KR101789756B1 (ko) 2010-12-29 2010-12-29 로봇 및 그 제어방법

Publications (2)

Publication Number Publication Date
KR20120075749A KR20120075749A (ko) 2012-07-09
KR101789756B1 true KR101789756B1 (ko) 2017-11-20

Family

ID=46381460

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100137558A KR101789756B1 (ko) 2010-12-29 2010-12-29 로봇 및 그 제어방법

Country Status (2)

Country Link
US (1) US8855814B2 (ko)
KR (1) KR101789756B1 (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013184273A (ja) 2012-03-09 2013-09-19 Sony Corp ロボット装置及びロボット装置の制御方法、並びにコンピューター・プログラム
WO2015153739A1 (en) * 2014-04-01 2015-10-08 University Of South Florida Systems and methods for planning a robot grasp based upon a demonstrated grasp
JP2015226968A (ja) * 2014-06-02 2015-12-17 セイコーエプソン株式会社 ロボット、ロボットシステム、制御装置、及び制御方法
JP6459227B2 (ja) 2014-06-02 2019-01-30 セイコーエプソン株式会社 ロボットシステム
US9492923B2 (en) 2014-12-16 2016-11-15 Amazon Technologies, Inc. Generating robotic grasping instructions for inventory items
KR101712116B1 (ko) * 2015-08-13 2017-03-03 한국과학기술원 로봇 팔의 파지 궤적 생성 방법 및 장치
US10239205B2 (en) * 2016-06-29 2019-03-26 International Business Machines Corporation System, method, and recording medium for corpus curation for action manifestation for cognitive robots
CN108527363A (zh) * 2018-03-08 2018-09-14 芜湖泰领信息科技有限公司 机器人跨越障碍的系统
JP7204513B2 (ja) * 2019-02-13 2023-01-16 株式会社東芝 制御装置及びプログラム
CN110605714B (zh) * 2019-08-06 2021-08-03 华中科技大学 一种基于人眼凝视点的手眼协调抓取方法
CN112775931B (zh) * 2019-11-05 2022-06-28 深圳市优必选科技股份有限公司 机械臂控制方法、装置、计算机可读存储介质及机器人
CN112894794B (zh) * 2019-11-19 2022-08-05 深圳市优必选科技股份有限公司 人体手臂动作模仿方法、装置、终端设备及存储介质
CN112034847B (zh) * 2020-08-13 2021-04-13 广州仿真机器人有限公司 具有双行走模式的分体式仿真机器人的避障方法和装置
US11945117B2 (en) 2021-03-10 2024-04-02 Samsung Electronics Co., Ltd. Anticipating user and object poses through task-based extrapolation for robot-human collision avoidance
US20220297312A1 (en) * 2021-03-18 2022-09-22 Dexterity, Inc. Multi-mode robotic end effector
US11833691B2 (en) 2021-03-30 2023-12-05 Samsung Electronics Co., Ltd. Hybrid robotic motion planning system using machine learning and parametric trajectories
CN115922728B (zh) * 2023-01-03 2023-06-30 之江实验室 机器人指向动作控制方法、装置、电子设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100856824B1 (ko) 2007-07-23 2008-09-05 재단법인서울대학교산학협력재단 캐릭터 시뮬레이션 방법 및 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5501498A (en) * 1988-08-31 1996-03-26 The Trustees Of The University Of Pennsylvania Methods and apparatus for mechanically intelligent grasping
US4957320A (en) * 1988-08-31 1990-09-18 Trustees Of The University Of Pennsylvania Methods and apparatus for mechanically intelligent grasping
US20050151722A1 (en) * 2004-01-14 2005-07-14 Xerox Corporation Methods and systems for collecting and generating ergonomic data utilizing an electronic portal

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100856824B1 (ko) 2007-07-23 2008-09-05 재단법인서울대학교산학협력재단 캐릭터 시뮬레이션 방법 및 시스템

Also Published As

Publication number Publication date
KR20120075749A (ko) 2012-07-09
US20120173019A1 (en) 2012-07-05
US8855814B2 (en) 2014-10-07

Similar Documents

Publication Publication Date Title
KR101789756B1 (ko) 로봇 및 그 제어방법
KR101743926B1 (ko) 로봇 및 그 제어방법
Koenemann et al. Real-time imitation of human whole-body motions by humanoids
KR102015307B1 (ko) 로봇 및 그 제어 방법
JP5109098B2 (ja) 運動制御システム、運動制御方法および運動制御プログラム
KR101778030B1 (ko) 로봇 및 그 제어방법
Fritsche et al. First-person tele-operation of a humanoid robot
Santaera et al. Low-cost, fast and accurate reconstruction of robotic and human postures via IMU measurements
Fang et al. A robotic hand-arm teleoperation system using human arm/hand with a novel data glove
Stückler et al. Real-Time 3D Perception and Efficient Grasp Planning for Everyday Manipulation Tasks.
WO2008001793A1 (fr) Dispositif de robot et son procédé de commande
Sun et al. Motion planning and cooperative manipulation for mobile robots with dual arms
Corsini et al. Nonlinear model predictive control for human-robot handover with application to the aerial case
Bolder et al. Visually guided whole body interaction
JP6158665B2 (ja) ロボット、ロボット制御方法、およびロボット制御プログラム
Sohn et al. Recursive inverse kinematic analysis for humanoid robot based on depth camera data
CN108127667A (zh) 一种基于关节角增量的机械臂体感交互控制方法
CN114954723A (zh) 仿人机器人
JP2003062775A (ja) 人間型ハンドロボット用教示システム
Röfer et al. RoboCup 2011: Robot Soccer World Cup XV
Xu et al. Design and simulation of artificial limb picking robot based on somatosensory interaction
KR101825094B1 (ko) 파지 동작 계획 방법 및 장치
Bai et al. Kinect-based hand tracking for first-person-perspective robotic arm teleoperation
Sawalmeh et al. A surveillance 3D hand-tracking-based Tele-operated UGV
Ishara et al. Mobile robotic active view planning for physiotherapy and physical exercise guidance

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant