KR101942167B1

KR101942167B1 - 전방향 휠을 가지고 선형 예측 위치 및 속도 제어기를 기초한 휴머노이드 로봇

Info

Publication number: KR101942167B1
Application number: KR1020167032101A
Authority: KR
Inventors: 조리 라파예; 데이비드 고아일리어; 피에르-브리스 위버
Original assignee: 소프트뱅크 로보틱스 유럽; 엥스티튀 나쇼날 드 르셰르셰 앙 엥포르마띠끄 에 앙 오또마띠끄
Priority date: 2014-04-17
Filing date: 2015-04-17
Publication date: 2019-04-11
Also published as: AU2015248710A1; JP6423075B2; KR20170029408A; RU2016144026A3; EP2933068B1; CN106794576A; NZ725276A; MX2016013020A; HK1216404A1; CA2946047C; WO2015158884A3; US20170144306A1; CA2946047A1; RU2016144026A; CN106794576B; EP2933068A1; RU2680628C2; US10293486B2; SG11201608202YA; AU2015248710B2

Abstract

본 발명의 대상은, 전방향 이동식 지면 베이스(140)와 연결되고 측정값을 제공하기 위해 몸체 위치 센서 및 베이스 위치 센서를 포함하고, 연결 모터들 및 상기 전방향 이동식 베이스내에 배열된 적어도 3개의 휠(141)들과 적어도 한 개의 전방향 휠을 포함한 액추에이터(212)를 포함하며, 상기 측정값들을 관측된 데이터로 변환시키기 위한 추출기(211)를 포함하고, 로봇 모델, 예비명령의 위치와 속도 기준들을 이용하여 상기 관측 데이터로부터 위치, 속도 및 가속도 명령을 계산하기 위한 제어기를 포함하며, 상기 위치, 속도 및 가속도 명령을 상기 액추에이터를 위한 작동명령으로 변환하기 위한 수단을 포함하는 몸체(190)를 가진 휴머노이드 로봇(100)이고, 상기 로봇 모델은 이중 점 질량체 모델이고, 상기 위치, 속도 및 가속도 명령은, 샘플링 시간 주기를 따르는 구분된 시간 및 다수의 예측된 샘플들을 가진 선형 모델 예측 제어원리를 기초로 하고 - 목표 값의 가중된 합을 포함하고, - 미리 정해진 선형 구속조건들의 세트를 포함하는 이차 최적화 공식으로서 표현된다.

Description

전방향 휠을 가지고 선형 예측 위치 및 속도 제어기를 기초한 휴머노이드 로봇{OMNIDIRECTIONAL WHEELED HUMANOID ROBOT BASED ON A LINEAR PREDICTIVE POSITION AND VELOCITY CONTROLLER}

본 발명은, 로봇 프로그래밍 시스템의 분야에 관한 것이다. 좀 더 구체적으로 설명하면, 본 발명은 관절 연결된 사지(articulated limbs) 주위에서 운동하거나 이용하는 로봇의 운동을 제어하는 것에 적용된다. 로봇이 인간의 외관 속성(appearance attributes), 머리, 몸통, 두 개의 암(arm) 및 두 개의 손 등을 가지는 순간부터 로봇은 휴머노이드(humanoid)로서 인정될 수 있다. 그러나, 휴머노이드 로봇은, 다소 세련된(sophisticated) 특성을 가질 수 있다. 휴머노이드 로봇의 사지는 상대적으로 많거나 적은 관절을 가질 수 있다. 휴머노이드 로봇은 정적으로 그리고 동적으로 자신의 균형을 제어하고 기저부위에서 구름 운동할 수 있다. 휴머노이드 로봇은 환경으로부터 신호를 수신("듣고", "보고", "만지며", "감지"하는 등)하고 다소 세련된 행동에 따라 반응하며 대화 또는 제스처(gesture)를 통해 다른 로봇 또는 인간과 상호작용할 수 있다. 현재 세대의 휴머노이드 로봇들을 위하여, 프로그래머들은 로봇에 의해 반응/수행되는 사건/작용의 결과로서 다소 세련된 시나리오를 만들 수 있다. 상기 작용은 로봇과 상호작용하는 인간의 특정 행동을 가정한 것일 수 있다. 그러나 제1세대의 상기 휴머노이드 로봇에서, 어플리케이션(application) 프로그램밍은 개발 툴킷(toolkit)에 의해 수행되고, 각각의 어플리케이션은 트리거링(triggering) 사건에 의해 시작되고, 상기 사건의 발생은 어플리케이션내에 포함된다.

그러므로, 정해진 방식으로 행동할 수 있는 인간이 진화하는 환경에 따라 행동하는 것처럼 "자율 생활(autonomous life)"을 살 수 있는 휴머노이드 로봇이 필요하다. 본 발명의 목적은, 프로그래머의 간섭 없이 진화하는 전후관계(context)에 적응하고 자율적인 생활 시퀀스(sequence)를 결정할 수 있는 로봇을 제공하여 종래기술의 로봇이 가지는 한계를 극복하는 것이다.

상부 몸체라고도 언급되는 몸체에 연결된 이동식 베이스(mobile base)를 가진 로봇이 고려된다.

상기 이동식 베이스의 휠들에 의해 지면에 작용하는 수직하중은 물체의 위치 및 가속도에 상당히 의존한다. 따라서, 이동식 베이스에 강한 미끄럼이 발생된다. 또한, 로봇의 베이스 치수에 비해 로봇의 상당한 높이에 기인하여 로봇은 쉽게 쓰러질 수 있다.

문헌 중에서, 동적 안정성 제한(dynamic stability constraints)을 가진 이동식 로봇 제어 및 두 개의 다리를 가진 휴머노이드 로봇의 제어에 관한 논문들이 발견된다.

일부 최신 연구는, 매니퓰레이터 암과 같은 사지(limbs)에 의해 발생되는 동적 제한을 가진 로봇의 제어를 다룬다. K. Mingeuk 등은 동적 제한을 이용하여 휠을 가진 플랫폼의 안정성에 대해 연구한다: "zmp 안정 방법을 이용한 네 개의 휠을 가진 고속 이동식 플랫폼의 안정화". 상기 연구자들은, 상기 플랫폼을 제어하기 위해 직접적인 선형 이차 제어기(linear quadratic regulator)(LQR)를 이용한다. 상기 방법의 문제점에 의하면, 제출된 동적 제한은 플랫폼의 중간에서 CoP(압력 중심)(Center of Pressure)를 가져야 한다. 상기 CoP는 로봇과 지면사이에서 접촉 하중의 무게 중심이다. 상기 방법은 여러 개의 자유도(Degree of Freedom)(DoF)의 손실을 포함한다. 사실상, 로봇이 쓰러지는 것을 방지하기 위해 상기 압력 중심은, 휠과 지면사이의 접촉 위치들에 의해 형성되는 볼록 다각형(convex poygon)에서만 존재해야 한다.

또 다른 논문에서, Y. Li 등은 동적 제한을 가진 이동식 로봇의 단순 제어기를 제공한다: " zmp 모델링을 기초한 휠 기반 휴머노이드 로봇에 관한 동적 안정성 기준".K. Mingeuk 등의 공개문헌과의 차이점에 의하면, 상기 논문은 불균등 제한(inequality constraints)의 합인 완전한 압력 중심 제한을 고려한다. 상기 제어기는, 상기 지지 다각형내에서 압력 중심이 위치하는 토크 명령(torque command)을 검색하기 위해 완전한 로봇 모델에 대해 반복되는 pid 제어이다.

휴머노이드 로봇틱스와 관련하여, P. B. Wieber, H. Diedam 및 A. Herdt는, 매우 제한된 동적 특성(constrained dynamic)을 가지고 두 개의 다리를 가진 휴머노이드 로봇을 제어하기 위한 방법을 설명한다: " 그것을 생각하지 않는 보행(Walking without thinking about it)". 가장 최신의 상기 방법은, 삼차원 선형 역진자(linear inverted pendulum) 모델을 기초한 선형 예측 제어에 관한 것이다. 단순한 로봇 모델을 이용하여, 상기 제어 원리는, 로봇의 상태에 관한 동적 특성을 예측하여 로봇에게 전달된 현재 명령이 수 초내에 불필요한 쓰러짐을 야기하지 않도록 한다. 두발로 보행하는 휴머노이드 로봇(NAO)에 관하여, 상기 제어 원리의 수행은,

D. Gouaillier, C. Collette 및 K. Kilner에 의해 작성된 논문에서 확인할 수 있다: 나오(NAO)를 위한 전방향 폐 루프 보행(Omni-directional closed-loop walk for nao)". 그러나, 로봇 나오의 크기는 작고 상기 방법은 도 1에 도시되고 상대적으로 키가 큰 휴머노이드 로봇에 대해 좋은 결과를 제시하지 못하며 예를 들어, 하기 특징들을 가진다:

- 20 자유도(DoF)( 머리(160)에서 2 자유도, 팔(170)에서 2x 6 자유도, 다리(180)에서 3 자유도, 이동식 베이스(140)에서 3 자유도); 사실상 휴머노이드 로봇은 적어도 5 자유도(머리에 대해 1 자유도, 각 다리에 대해 1 자유도 및 각 암에 대해 1 자유도)를 가진다.

- 1.37m의 높이(110),

- 0.65m의 폭(130),

- 0.40m의 깊이(120),

- 30kg의 질량,

- 세 개의 휠(141)을 가진 전방향 베이스(140)과 연결된 한 개의 레그(180).

이동식 베이스는 0.422m의 길이를 가진 삼각형 형상을 가지고 로봇을 짧은 시간동안 1.4m/s의 최대 속도 및 1.7m/s²의 가속도로 이동시킬 수 있다. 공칭 속도 및 가속도는 0.5m/s 및 1.0m/s²이다. 해결방법에 의하면, 로봇의 높이에 비해 전방향 베이스가 큰 로봇을 설계해야 한다. 그러나 다음과 같은 문제점을 가진다: 과도한 점유 공간 및 로봇 몸체의 취약성.

그러므로, 휴머노이드 로봇의 이동식 베이스 및 몸체를 제어하고 동시에 이동식 몸체와 몸체의 동적 구속조건들을 고려해야 한다.

상기 문제를 해결하기 위해 본 발명에 의하면,

전방향 이동식 지면 베이스와 연결되고

측정값을 제공하기 위해 몸체 위치 센서 및 베이스 위치 센서를 포함하고,

연결 모터들 및 상기 전방향 이동식 베이스내에 배열된 적어도 3개의 휠(141)들과 적어도 한 개의 전방향 휠을 포함한 액추에이터를 포함하며,

상기 측정값들을 관측된 데이터로 변환시키기 위한 추출기를 포함하고,

로봇 모델, 예비명령의 위치와 속도 기준들을 이용하여 상기 관측 데이터로부터 위치, 속도 및 가속도 명령을 계산하기 위한 제어기를 포함하며,

상기 위치, 속도 및 가속도 명령을 상기 액추에이터를 위한 작동명령으로 변환하기 위한 수단을 포함하는 몸체를 가진 휴머노이드 로봇이 제공된다.

휴머노이드 로봇의 특징에 의하면, 상기 로봇 모델은 이중 점 질량체 모델이고, 상기 위치, 속도 및 가속도 명령은, 샘플링 시간 주기를 따르는 구분된 시간 및 다수의 예측된 샘플들을 가진 선형 모델 예측 제어원리를 기초로 하고

- 베이스 위치 목표 값,

- 베이스 속도 목표 값,

- 로봇과 지면사이에서 접촉하중의 압력 중심인 CoP 및 베이스 중심사이의 거리와 관련된 목표 값의 가중된 합을 포함하고,

- 이동식 베이스의 최대 속도와 가속도, 및

- CoP 한계에 해당하는 미리 정해진 선형 구속조건들의 세트를 포함하는 이차 최적화 공식으로서 표현된다.

상기 로봇은 동적 구속조건을 고려하면서 로봇의 이동식 베이스 및 몸체를 제어할 수 있다. 본 발명의 로봇에 의하면, 로봇의 미래 동적 모델 거동을 예측하여 고속 및 가속 운동을 가질 수 있다.

상기 제어기가 가지는 장점에 의하면,

- 시간- 예측(time- prediction) 개념을 가져서, 높은 수준의 구속조건을 가진 동적 시스템이 고속 및 가속상태에서 제어될 수 있고 미래 거동을 예측하며,

- 상당한 모듈화(modularity)를 가져서, 궤적 추적을 우선 처리하는 작업, 로봇이 심하게 손상되면 강성을 최적화하는 작업 또는 로봇의 기계적 부품들을 보호하기 위해 흔들림을 최소화하는 작업을 포함한 다수의 선택을 가질 수 있고,

- 운동학적 한계, 안정성 또는 강성 한계 및 이동성 베이스 한계들과 같은 모든 선형 구속조건 세트를 처리할 가능성을 가진다.

가중된 수치적 안정 목표 값이 상기 목표 값의 가중된 합에 더해지는 것이 유리하다.

몸체의 운동학적 한계는 영(null)일 수 있다.

본 발명의 실시예에 의하면, 적어도 한 개의 휠이 전방향(omnidirectionnal)으로 작동한다.

지면은 평면이고 수평인 것이 유리하다.

본 발명에 의하면, 전방향 이동식 지면 베이스(140)와 연결되고 상기 전방향 이동식 베이스내에 배열된 적어도 3개의 휠(141)들과 적어도 한 개의 전방향 휠을 포함한 액추에이터(21)를 포함하는 몸체(190)를 가진 휴머노이드 로봇을 제어하기 위한 방법이 제공되고, 본 발명의 방법은 폐루프 계획에 따라 수행되는

- 상기 몸체의 위치 측정값 및 상기 베이스의 위치 측정값을 수거하는 단계,

- 상기 측정값들을 관측된 데이터로 변환시키는 단계,

- 샘플링 시간 주기를 따르는 구분된 시간 및 다수의 예측된 샘플들을 가진 선형 모델 예측 제어원리를 기초로 하고

- 베이스 위치 목표 값,

- 베이스 속도 목표 값,

- 이동식 베이스의 최대 속도와 가속도, 및

- CoP 한계에 해당하는 미리 정해진 선형 구속조건들의 세트를 포함하는 이차 최적화 공식으로서 표현되는 제어 원리를 이용하여

상기 위치, 속도 및 가속도 명령을 계산하는 단계,

- 상기 위치, 속도 및 가속도 명령을 액추에이터를 위한 작동명령으로 변환시키는 단계를 포함한다.

또한, 본 발명에 의하면, 컴퓨터에서 작동할 때 본 발명을 따르는 휴머노이드 로봇을 제어하기 위한 방법을 수행하기 위한 컴퓨터 코드를 포함한 컴퓨터 프로그램이 제공된다.

본 발명은 다수의 예시적인 실시예들에 관한 하기 설명 및 첨부된 도면들로부로 더 잘 이해되며 본 발명의 다양한 특징들과 장점들이 제시된다.

도 1은, 본 발명을 따르는 다수의 실시예들에서 휴머노이드 로봇의 물리적 아키텍쳐를 도시한 도면.
도 2는, 본 발명을 따르는 다수의 실시예들에서 휴머노이드 로봇의 소프트웨어 모듈들의 기능적 아키텍쳐를 도시한 도면.
도 3은, 본 발명에 따라 설계된 로봇의 질량체 재분배에 관한 모델링을 도시한 도면.
도 4는, 구속조건들의 기하학적 표면을 도시한 도면.
도 5는, 서로 다른 네 개의 실험들(도 5a, 도 5b, 도 5c 및 도 5d)을 위한 CoP 위치 및 이동식 베이스 CoM 기준 위치의 한계들을 가지며 이동식 베이스의 CoM(질량 중심), 상부 몸체 CoM, 상기 CoP의 x 및 y 궤적들을 도시한 도면들.
도면들에서 동일한 구성요소들은 동일한 부호들을 가진다.

도 1에 도시된 휴머노이드 로봇의 물리적 아키텍쳐는 본 발명을 따르는 다수의 실시예를 가진다.

도면에서 특정 로봇(100)은, 본 발명이 실시될 수 있는 휴머노이드 로봇의 예로서만 간주된다. 도면에 도시된 로봇의 하부 사지(180)는, 보행(walking) 기능을 가지지 않지만 로봇의 베이스(140)위에서 모든 방향으로 이동할 수 있고 상기 베이스는 베이스가 배열되는 표면위에서 구름 운동한다. 예를 들어, 상기 로봇은 약 120cm일 수 있는 높이(110), 약 65cm의 깊이 및 약 40cm의 폭을 가진다. 특정 실시예에서, 본 발명의 로봇은 태블릿(tablet)(150)을 가지며 상기 태블릿에 의해 로봇은 로봇의 환경과 메세지를 교환(오디오, 비디오, 웹 페이지(web pages))하거나 태블릿의 접촉 인터페이스(interface)를 통해 사용자와 입력을 수신할 수 있다. 태블릿의 프로세서(processor) 이외에, 본 발명의 로봇은 또한 예를 들어, Intel^TM 사의 ATOM^TM Z530과 같은 자신의 마더보드(motherboard) 프로세서를 이용한다. 본 발명의 로봇은, 본 발명의 특정 실시예에서 로봇이 휠로서 이용하는 볼(ball)들 및 사지에서 조인트의 모터를 제어하는 액추에이터와 상기 마더보드사이에서 데이터 전송을 처리하기 위한 전용 프로세서를 포함하는 것이 유리하다. 상기 모터는, 명확한 조인트를 위해 필요한 최대 토크량에 따라 서로 다른 형태를 가질 수 있다. 예를 들어, e-minebea^TM(예를 들어, SE24P2CTCA)의 브러쉬 직류 코어리스 모터 또는 Maxon ^TM(예를 들어, EC45_70W)의 브러쉬 리스 직류 모터가 이용될 수 있다. MRE들은 12비트 또는 14비트 정밀도를 가지고 홀 효과를 이용하는 형태인 것이 선호된다.

본 발명을 따르는 실시예들에서 도 1에 도시된 로봇은 다양한 종류의 센서들을 포함한다. 상기 센서들 중 일부는 로봇의 위치 및 운동을 제어하기 위해 이용된다. 예를 들어, 로봇의 몸체에 위치하고 3축 자이로미터(gyrometer) 및 3축 가속도계를 포함한 관성 유닛이 해당된다. 또한, 로봇은, 로봇(상부 및 하부)의 이마에 위치하고 Shenzen V-Vision Technology Ltd™ (OV5640)에서 제조된 시스템 온 더 칩(SOC) 형태를 가지며 초당 5프레임에서 5메가픽셀 해상도 및 약 57°수평 및 44°수직의 투시 범위(field of View(FOV)를 가진 2개의 이차원 칼라 RGB 카메라를 포함할 수 있다. 초당 20프레임에서 0.3메가픽셀의 해상도를 가지고 이차원 카메라와 대략 동일한 FOV를 가진 ASUS XTION™ SOC 와 같은 삼차원 센서가 로봇 눈의 후방에 포함될 수 있다. 본 발명의 로봇은, 예를 들어, 머리에 세 개 및 베이스에 세 개의 레이저 라인(laser line) 발생기를 가져서 로봇의 환경에서 물체들/생물체들에 대한 로봇의 상대위치를 감지할 수 있다. 본 발명의 로봇은, 또한 로봇의 환경에서 음향을 감지하기 위해 마이크로폰을 포함할 수 있다. 실시예에서, 1kHz에서 300mV/Pa +/-3dB의 감도 및 300Hz to 12kHz (1kHz에 대해 -10dB )의 주파수 범위를 가진 네 개의 마이크로폰들이 로봇의 머리에 이식될 수 있다. 본 발명의 로봇은, 로봇의 환경내에서 물체/인간에 대한 거리를 측정하기 위해 로봇의 베이스의 전방 및 후방에 위치할 수 있는 두 개의 소나(sonar) 센서를 포함할 수 있다. 상기 로봇은 또한 인간과 상호작용(interaction)을 허용하기 위해 로봇의 머리 및 손에 접촉 센서를 포함할 수 있다.

로봇의 감정을 변환하고 로봇의 환경내에서 인간과 상호교환하기 위해 본 발명의 로봇은 또한,

- 예를 들어, 로봇의 눈, 귀 및 어깨에 LED

- 예를 들어, 로봇의 귀에 위치한 예를 들어, 두 개의 확성기를 포함할 수 있다.

본 발명의 로봇은 Ethernet RJ45 또는 WiFi802.11 연결을 통해 기지국 또는 다른 로봇과 통신할 수 있다.

본 발명의 로봇은, 약 400Wh의 에너지를 가진 리튬 이온 인 배터리에 의해 전력이 공급될 수 있다. 상기 로봇은, 로봇내에 포함된 상기 형태의 배터리에 맞춰진 충전 스테이션으로 접근할 수 있다.

센서의 측정값을 고려하여 각각의 사지 및 각 사지의 단부에 형성된 각각의 실행기기(effector)에 의해 활성화되는 알고리듬을 이용하여 로봇의 위치/운동이 모터에 의해 제어된다.

도 2에 도시된 휴머노이드 로봇의 소프트웨어 모듈의 기능적 아키텍쳐는 다수의 실시예를 가진다.

본 발명의 목적은, 로봇이 직면하게 될 상태를 예측하기 위해 프로그래머의 간섭없이도 휴머노이드 로봇이 자율적으로 활동을 수행할 수 있는 방법을 제공하는 것이다. 종래기술에 의하면 로봇은, 마더보드에 프로그램되고 업데이트된 시나리오를 수행할 수 있다. 상기 시나리오는 로봇의 환경속에서 변화하는 상태에 대한 반응을 포함하지만, 로봇은 로봇의 마더보드에 업데이트되거나 원격으로 접근되는 코드(code)내에 포함되지 못하고 예측되지 못하는 상태에 대해 반응할 수 없다. 대조적으로, 본 발명의 목적은, 자율적으로 심지어 프로그래머에 의해 예측되지 않은 사건/상태를 고려하여 로봇이 거동할 수 있는 것이다. 상기 목적은 도 2에 표시된 기능적 아키텍쳐에 의해 달성된다.

기능적 아키텍쳐는 필수적으로 네 개의 메인 소프트웨어 모듈을 포함한다.

서비스 모듈(210)은 적어도 세 가지 형태의 서비스를 포함한다.

- 도 1과 관련하여 설명된 형태의 로봇 센서들의 측정값을 입력으로서 수신하는 추출기 서비스(extractor services)(211); 상기 센서 측정값은 로봇의 위치, 로봇의 환경내에서 물체/인간의 확인, 상기 물체/인간의 거리, 인간에 의해 발음되는 단어 또는 인간의 감정에 관한 관련 데이터(또한, 유용한 데이터)를 추출하기 위해 예비처리(preprocessed)된다. 상기 추출기 서비스의 예는: 로봇과 인접한 인간의 존재를 감지하는 인간 감지(People Perception), 음향의 위치를 정하기 위한 음향 위치결정(Sound Localization), 로봇 접촉 센서위에서 접촉(touch)을 해석하기 위한 접촉 감지, 대화 인식(Speech Recognition), 인간의 말 또는 제스처를 통해 로봇과 인접한 인간에 의해 표현되는 감정을 인식하기 위한 감정 인식(Emotion Recognition);

- 조인트 또는 베이스의 모터를 활성화하기 위한 운동(Motion), 로봇의 환경내에서 인간의 운동을 따라하기 위한 트랙커(Tracker), 감정을 상호교환하기 위해 로봇의 LED를 발광, 에니메이티드 대화(Animated Speech)( 대화 및 제스처의 조합), 거동(Bahaviors)과 같은 로봇의 물리적 작용을 제어하는 액추에이터 서비스(Actuator Service)(212); 거동은 운동, 말, 로봇의 감정을 표현할 수 있고 로봇이 복잡한 작용을 수행할 수 있는 라이팅(lights)의 조합이다;

- 특히 데이터 서비스를 포함하는 시스템 서비스(System Services)(213); 데이터 서비스는 저장된 데이터를 일시적으로 제공하거나 장시간 제공한다. 데이터 서비스의 예들은:

○ 사용자 데이터 및 로봇과 함께 수행한 것에 관한 데이터 히스토리(history)를 저장하는 사용자 세션 서비스(User Session Service);

○ 로봇에 의해 수행된 절차들에 관한 높은 수준의 정의(high level definition), 개시(launch) 상태 및 태그(tag)를 상기 절차의 측정가능한 스토리지(scalable storage)에 제공하는 패키지 매니저 서비스(Package Manager Service).

액티비티 모듈(220)은 미리 프로그램된 로봇의 거동(221)을 포함한다. 상기 거동의 프로그램밍은, 본 출원의 출원인에게 양도된 유럽 특허 출원 공개 제EP 2435216호의 주제인 그래픽 일체형 개발 환경(graphical integrated development environment (Choregaphe™)을 이용하여 수행될 수 있다. Choregaphe™에 의해 프로그램된 거동은, 시간 기반 로직 및 사건 기반 로직을 결합시킨다. 각각의 거동은 매니페스트(Manifest)(222)로 태그(tagged)되고, 상기 매니페스트는 상기 거동의 개시 상태를 포함한 텍스트 파일(text file)이다. 상기 개시 상태는 추출기(211)들이 감지하는 것을 기초로 한다.

마인드 모듈(Mind module)(230)은 개시되어야 하는 한 개 또는 여러 개의 액티비티(Activities)를 선택한다. 이를 위해, 상기 마인드 모듈은 상기 추출기를 구독하고 설치된 모든 액티비티의 개시 상태를 평가한다. 상기 상태들의 변수들이 사건의 기초가 된다(event based). 변경된 변수들을 포함한 상태 스테이트먼트(statements)가 재평가되어야 한다. 분류 알고리듬(sorting algorithm), 우선사항 및 수명 사이클(하기 설명을 참고)의 결과를 기초하여 액티비티가 개시되고 일부 액티비티는 중지될 수 있다.

수행된 액티비티는 상기 서비스에 대한 API(불어 "Application Pour Interface"의 약자) 호출에 의존하여 수행하도록 프로그램된 임무를 수행한다. 액티비티 단계에 있거나 액티비티가 중지될 때마다, 마인드는 액티비티가 발생 때, 현재 상태 및 용이한 학습을 위해 사용자 피드백이 무엇일까에 관한 데이터를 수집한다.

현재 존재하는 추출기 사건이 상기 상태를 위해 불충분하면, 디벨로퍼(developers)는 새로운 사건을 발생시키기 위해 추가의 추출기를 형성하고 디벨로퍼의 어플리케이션을 가진 패키지내에 추출기를 분배할 수 있다.

따라서, 마인드 모듈(230)은 액티비티의 선택을 제어하고 마인드 호출 선택기(Mind called Selector)내에서 수행된 알고리듬 및 추출기들의 측정에 기초하여 액추에이터들을 개시하여 서비스 모듈과 액티비티 모듈을 함께 결합(tie)시킨다. 선택기의 예들은:

- 액티비티를 수행하는 자율 생활(231); 상황의 전후관계에 기초하여, 상기 마인드는 어느 액티비티에 집중할 것인지를 자율 생활(231)로 알려줄 수 있고(하기 설명을 참고); 모든 액티비티는 모듈 API의 모든 호출 절차에 완전하게 접근한다. 액티비티는 자율 생활이 명확한 액티비티에 집중하게 만드는 구속조건(constraint)을 포함할 수 있다;

- 모션 서비스(Motion Service)에게 이동할 것을 알리기 위해 인간 인식, 운동 감지, 및 음향 위치결정과 같은 추출기 서비스를 구독하는 기본 어웨어니스(Basic Awareness)(232); 상기 마인드는 상황에 기초하여 기본 어웨어니스의 거동을 파악한다; 다른 때에, 기본 어웨어니스는 스스로 작동하거나 작동 액티비티에 의해 형성된다;

- 대화 인식 추출기(Speech Recognition Extractor)를 구독하고 대화하기 위해 애니메이티드 대화 액추에이터 서비스를 이용하는 다이알로그(233); 상황의 전후관계(context)를 기초하여 상기 마인드는 무슨 주제에 집중할지를 상기 다이알로그에게 알려줄 수 있다; 매니페스트의 메타데이터(metadata)는 상기 정보를 마인드내에 결합시킨다. 또한, 다이알로그는 대화를 관리하기 위한 알고리듬을 가지고 보통 스스로 작동한다.

수행 엔진(240)이 서비스들을 호출하기 위해 API 호출을 개시한다.

좀 더 구체적으로 본 발명의 목표는, 휴머노이드 로봇의 동적 구속조건(constraints)을 고려하면서 휴머노이드 로봇의 위치, 속도 및 균형 제어에 관한 것이다.

본 발명에 의하면, 상기 베이스(140) 및 상부 몸체(190)의 고속 및 가속을 로봇의 균형을 상실하지 않고 동시에 허용하기 위해 미래에 형성되는 궤적의 안정성이 예측되어야 한다. 또한, 제어 원리에 따라 궤적 계획을 직접 미리 알게 된다면, 궤적 추적이 훨씬 더 효율적으로 형성된다.

본 발명은 모델 예측 제어(model predictive control) 이론에 기초한 제어 원리를 바탕으로 한다. 상기 형태의 제어기가 가지는 주요 장점에 의하면, 로봇으로 전달되는 다음 명령을 결정하기 위해 미래가 고려된다. 이것은 유용한데, 상기 로봇의 동역학과 같이 고도의 구속조건 시스템내에서 로봇이 단지 현재 상태의 예상(estimation)을 가지고 로봇의 안정성(또는 균형)을 유지할 것이라고 확신할 수 없기 때문이다.

상기 로봇은, 도 3에 도시된 것처럼 이중 점 질량체(point mass) 모델로서 모델링된다. 제1점 질량체(b)는 이동식 베이스의 질량 중심(Center of Mass)(CoM)을 나타내고, 제2점 질량체(c)는 상부 몸체의 질량 중심(CoM)을 나타낸다. 상기 이동식 베이스(140) 및 몸체(또는 상부 몸체)(190)사이의 조인트는 질량을 가지지 않는 것으로 고려된다. 상기 모델은 시스템 데이터 서비스(213)로서 저장된다.

실시간 제어를 위하여, 상기 로봇 모델은 가능한 단순해야 한다. 상기 베이스에 의해 지면으로 작용하는 하중들의 양호한 근사값이 계산되어야 한다. 상기 질량체의 대략 절반은 베이스에 집중되고 나머지가 상부 몸체에 집중되기 때문에, 로봇내에서 상기 질량체들의 재분할(repartition)은 단일 점 질량체 모델에 의해 수행될 수 없다. 축(z)이 수직축이고 축(x,y)이 두 개의 수평축일 때 상기 시스템을 위한 뉴튼 방정식과 오일러 방정식이 기술될 수 있다:

여기서, m_c 및 m_b 는 c, b와 각각 연결된 질량체이고,

및

는 각 점 질량체를 위한 각 모멘트이다.

는 이동식 베이스에 대하여 상부 몸체에 의해 작용하는 하중에 해당되고,

는 이동식 베이스의 세 개의 휠에 대하여 지면에 의해 작용하는 하중에 해당된다. 또한, p는 상기 하중

의 압력 중심이다. 정의에 의하면, p는 단지 세 개의 휠들이 가지는 접촉점들에 의해 표시되는 볼록 다각형내에 형성된다.

상기 모델에서, 식(1) 및 식(2)는 b 및 c 사이의 거리가 일정하지 않다는 것을 직접 암시한다.

또한, 상기 모델에서, c 및 b사이의 모멘트들이 고려된다 식 (3) 및 식(4). 즉, 암들에 의해 유도되는 모멘트가 무시되는 것이 내포되어 있다. 작동이 이루어지는 경우들에서 빠르게 이동하는 것은 없다. 방정식(1),(2),(3),(4)들을 결합하면, 시스템의 동적 방정식은:

방정식(5)에서 두 개의 질량체 모델에 관한 동적 방정식은 두 개의 단일 질량체 모델의 합이라는 것을 주목한다.

상기 방정식(5)을 선형화하기 위해 약간의 가정을 만든다. 우선, c 및 b사이의 모멘트만 고려하기 때문에 전체 각 모멘트

는 무시될 수 있다. 다음에, 여분의 로봇을 가지기 때문에, 축(z)에서 로봇의 위치를 수정하지 않고도 축(x,y) 주위에서 c의 질량중심이 이동할 수 있다. 따라서, 상수값(h)에서 구속조건을 가진 c^z가 고려되며, 이러한 가정은 선형 모델을 구하기 위해 중요하지만 로봇은 이러한 가정 없이도 로봇의 베이스위를 구름 운동할 수 있다. 또한, 상기 설명을 단순화하기 위해, 평면의 수평 지면을 고려하는 것이 선호되어 p^z= 0이지만 로봇은 이러한 가정 없이 이동할 수 있다. b^z의 위치를 제어하기 위해 자유도(DoF)가 존재하지 않고 상기 자유도는 상수 I로 설정될 수 있다. 마지막으로 g^x = g^y= 0이고, g^z= g이고 중력 표준(gravity norm)이다.

상기 가정 및 설명을 이용하면, 방정식(5)은 다음과 같이 기술될 수 있다:

상기 베이스 및 몸체의 가속도 및 위치 및 압력 중심사이의 선형 관계를 제공하기 위해 상기 방정식(6)이 이용될 수 있다:

h 및 I 항 때문에, 두 개의 질량체 모델(two mass model)의 압력 중심은 두 개의 단일 질량체 (two one- mass)의 가중된 압력 중심(weighted barycenter)(CoP)이 아니라는 것이 확인된다. 상기 근사화를 고려하기 위한 유일한 방법은 h= I로 정의하는 것이며, c 및 b사이에 모멘트가 존재할 수 없다. 두 개의 질량체 모델 압력중심 및 두 개의 단일 질량체 모델 압력 중심사이에 형성된 차이는 c 및 b사이의 모멘트 효과에 해당된다.

로봇 모델을 결정하기 위해 강성 기준(robustness criteria)이 이용된다. 각각의 휠이 지면과 접촉하는 접촉점으로 표현되는 볼록 다각형을 D라고 고려한다. 상기 D 다각형의 예가 도 4에 도시된다. 정의에 의하면, 항상

가 성립된다. b에서 중심을 가진 로봇의 프레임내에서 회전에 의해 압력 중심 구속조건이 불변(invariant)이 되도록, 보존 구속조건(conservative constraint)이 설계된다:

여기서 D'는

인 특징을 가지고 반경(r)의 b에 중심을 가진 원이다.

상기 시스템의 강성을 정량화하는 것은 공개된 과제이다. 교란 하중의 모델링(modelization)이 없다면, 교란하중의 방향, 크기 및 동역학적 특성에 관한 가정이 만들어질 수 없다. 교란을 보상하기 위한 로봇의 성능은 c의 질량 중심 위치 및 압력 중심과 관련될 수 있다. c의 질량 중심 위치 및 압력 중심가 이동함에 따라 로봇은 강한 교란에 대해 반응할 수 있다. 교란에 관한 가정이 없다면 c의 질량 중심 위치 및 압력 중심이 b에 가까워질 경우에 c의 질량 중심 위치 및 압력 중심은 모든 방향으로 이동하기 위해 가장 큰 범위를 가진다. 따라서, 최대 강성에서 영인 강성 표준ζ을 제안한다.

여기서

는, 상기 압력 중심의 중심을 정하거나 c의 질량 중심의 중심을 정하기 위해 가장 중요하다고 고려되는 강성 형태를 결정하는 범위[0;1]의 인수다.

로봇 모델이 정의될 때, 제어 원리가 적용될 수 있다. 상기 제어 원리는 예를 들어, 모션 API를 호출하는 시스템 데이터 서비스(213)로서 저장된다.

제어되는 몸체 및 베이스(c 및 b)의 동적 거동을 정의하기 위해, 우선 예측 (호리존(horizon))의 지속시간(duration) 및 각 샘플링 순간 사이의 주기가 선택되어야 한다. 호리존을 가능한 작게 선택하고 주기를 가능한 크게 선택하면 계산시간이 감소되지만 동역학적 등급(class)에 따라 제어 강성 및 안정성이 감소된다.

시스템의 선형성을 보호하기 위해, 몸체 및 베이스의 궤적들을 위한 3차의 다항 클래스(polynomial class)는 연속적인 압력 중심 궤적을 가지도록 선택되어 로봇내에서 피크(peak) 하중이 회피된다. 상기 제어기 내에서 시간은 샘플링 주기(ㅆ)에 의해 샘플링 된다. 예측된 샘플의 갯수는 N이다.

상기 형태의 제어가 가지는 또 다른 장점에 의하면, 로봇의 운동학적 한계, 이동식 베이스의 최대 속도와 가속도 및 압력중심 한계들과 같은 다수의 부등 구속조건을 처리하는 것은 간단하다.

오일러 양해법(Euler explicit method)을 이용하여 각 상태사이의 관계식은 다음과 같이 표현될 수 있다:

샘플링 주기(T)의 선택시 중요한 결과를 얻는다. 단지 각각의 샘플링 시간에 궤적이 구속조건을 가지기 때문에 상기 궤적은 두 개의 샘플들사이에서 구속조건으로 벗어나는 것이 허용된다. 실 시간적인 이유 때문에, T 값은 너무 작게 선택될 수 없다. 따라서, 각각의 구속조건에서 상기 오버플로우(overflow)를 안전 마진(security margin)으로서 고려해야 한다.

를 고려하고 c의 미분(derivative) 및 b 및 p에 대해 동일하게 고려한다. 또한, 초기 상태

=

를 고려하고

에 대해 동일하게 고려한다.

방정식(9), (10), (11)을 이용하여, 몸체 궤적

및 명령

의 각 미분사이의 관계식이 다음과 같이 표현된다:

여기서:

b의 동적 특성을 정의하기 위해 동일한 방법이 이용된다.

및

은 대각선에 영을 포함하지 않는 정방 하부 삼각 행렬(squared lower triangular matrices)이기 때문에 역(invertible)행렬일 수 있다.

방정식 (6)을 이용하여 p에 관하여 하기 관계식이 성립될 수 있다:

여기서:

상기 위치, 강성 및 동적 거동 조건을 충족시키는 제어 원리를 결정하는 과제를 해결하기 위해 이용될 수 있는 서로 다른 방법들 중에서, 상기 과제를 최적화(optimization) 과제로서 해결할 것을 선택한다. 상기 최적화 과제를 해결하기 위해, 선형 구속조건에 따라 최소 제곱 최소화(least square minimization) 또는 목표 값과 선형 구속조건에 의해 이차 최적화(quadratic optimization)로서 상기 과제를 공식화한다. 왜냐하면, 상기 형태의 문제를 위한 해결책(solvers)을 신속하게 계산하기 때문이다. 비선형 구속조건 또는 비 이차 최소화 목표 값들을 추가하면 계산시간이 상당히 증가한다.

최적화 변수는 제어된 몸체 및 베이스

에 해당한다. 따라서, 각각의 목표 값 및 구속조건은 X의 함수로서 표현되어야 한다.

1) 제어 목표 값

목표 값(O_i)은 최소 제곱 최소화 및 QP(이차 문제) 공식:

X^t는 전치될 때 X이다.

제1 목표는 추적 제어이다. 상기 추적 제어에서, 위치/속도 추적을 수행하도록 선택된다.

및

이 호리존에 대한 위치 및 속도 목표라고 하자. 방정식(13)을 이용하여 속도 제어 목표(O₁)가 다음과 같이 표현된다:

방정식(12)을 이용하여 위치 제어 목표(O2)가 다음과 같이 표현된다.

다음 목표는 강성 최적화이다. ζ를 최소화하면, 강성이 최대화된다. U_pbb = U_pb - U_b이다. 방정식 (8), (12), (16)을 이용하면 강성 제어(O₃)가 다음과 같이 표현된다:

로봇의 흔들림(jerk) 피크를 회피하기 위해 또 다른 목표 값이 정의된다. 따라서 흔들림 최소화 목표 값(O4)이 제어에 추가된다:

상기 네 번째 목표 값과 관련하여 로봇이 쓰러질 때 c 및 b의 궤적들이 지수함적으로 변화한다. 따라서 상기 궤적의 흔들림을 최소화하면 c 및 b의 지수적 발산(exponential divergence)의 회피가 증가되어 로봇의 안정화에 기여한다.

2) 제어 구속조건:

아래 설명에서 구속조건(Ri)은, QP 선형 부등 구속 조건식으로서 표현된다:

제1 구속조건(R1)은 안정성을 보장해야 한다:ζ는 1보다 작거나 같아야 한다. 상기 구속조건이 선형이 아니라면, 1보다 작거나 같은 값에 근사하도록 선형 구속조건의 보존 세트가 도입된다. 도 4에 도시된 것처럼, 원(D')내에서 절단된 팔각형상의 구속(D")이 이용된다. 상기 팔각형상의 구속조건은 압력중심 한계 구속조건(CoP limit constraint)을 형성한다.

. 구속조건(R1)은 다음과 같이 표현된다:

제2 구속조건(R₂)은 이동식 베이스의 한계에 관한 것이다.

및

은 이동식 베이스의 최대 속도 및 가속도라 하자. 구속조건(R₂)는 다음과 같이 표현된다:

최종 제3 구속조건(R₃)은 몸체의 운동학적 한계에 관한 것이다. 몸체의 조인트들 때문에 로봇은 이동식 베이스의 질량 중심(CoM) 주위에서 직사각형 영역(H)내에서 로봇의 상부 몸체의 질량 중심을 이동시킬 수 있다. k^xy가 직사각형(H)의 한계라고 하면 구속조건(R₃)은 다음과 같이 표현된다.

상기 몸체의 운동학적 한계는 영일 수 있다. 따라서 c^xy= b^xy.

상기 목표 값 및 구속조건들에 의해 상기 최적화 문제를 해결하기 위해, 선형 이차 문제 솔버(slover)가 이용된다. QP를 푸는 것에 관한 일부 문헌이, J. Nocedal 및 S.J. Wright 2000의 책 "수치적 최적화, 제2판"에서 찾을 수 있다. 상기 형태의 솔버는 다음과 같은 문제의 최적 해결을 제공한다:

여기서, Q는 대칭이며 매우 명확(positive definite)하다. 방정식(19), (21), (25), (27), (29), (31), (33)을 이용하면, Q, p, V, v- 및 v+의 값들이 채워질 수 있다:

여기서 가중치α_i는 각 대상과 관련된 가중치(weightings)이다. 상기 가중치들은 경험적으로 선택될 수 있다.

제어원리에 따른 거동을 정의하기 위해 α_i 값의 선택이 시작된다. 각각의 α_i 값의 관련 간격은 어느 목표 값이 우선될 것인지를 정의하고 어느 목표 값이 무시될 것인지를 정의한다. α₂ 값 및 α₁ 값이 다른 가중치들보다 크면, 궤적 추적은 매우 효율적이지만 강성은 덜 효율적이며 몸체와 베이스의 흔들림은 커질 것이다. α₃ 값이 다른 가중치들보다 크면, 로봇은 강한 교란에 대해서 매우 강할 것이다. 상기 거동 모드에서 추적 목표 값으로서 양의 속도가 정의되면 로봇은 앞으로 전진하기 전에 후방으로 시작되어 압력 중심에 중심을 정하게 된다. 가중치(α₄)가 c 및 b의 궤적들에 대해 원활한 효과를 가지며, 상기 가중치가 다른 가중치보다 크면 최적해는 이동하지 않게 된다. 따라서, 상기 가중치는 작아야 한다.

일부 다른 거동들이 적절한 가중치를 선택하여 구해질 수 있다. 두 개의 목표 값들사이의 관련 간격이 크면(몇 개 차수의 크기), 상대적으로 작은 목표 값이 상대적으로 큰 목표 값의 영 공간(null space)내에서 계산된다. 상기 특징을 이용하는 것은, 만족시킬 수 없을 때 이완(relaxed)될 수 있는 모의 구속조건(pseudo constraint)를 가져야 할 때 유용하다. 예를 들어, 상부 몸체의 중심을 정하기 위해 상부 몸체의 질량중심에 대하여 높은 가중치를 가진 대상을 이동식 베이스 위치에 부가하여 양호한 시각적 거동을 가질 수 있다. 그 결과 가능할 때마다 이동식 베이스 위치에서 질량 중심(CoM)이 고정되는 효과가 발생하지만, 상기 효과가 발생할 수 없다면 상기 모의 구속 조건이 완화될 것이다.

상기 가중 세트(weighting set)는 고정될 수 있고, 즉 더욱 양호한 궤적 추적 또는 강성이 필요하면 가중 세트가 미리 선택된다.

도 2를 참고할 때, 로봇 모델 및 제어 원리가 거동(221)으로서 저장된다. 상기 로봇 모델 및 제어 원리는 하기 단계들을 포함한 폐루프(closed loop) 계획에 따라 서비스 모듈(210) 및 수행 엔진(240)에 의해 실행된다:

- 센서들로부터 상기 몸체의 위치 측정값 및 베이스의 위치 측정값을 수신하는 단계,

- 추출기(211)를 이용하여 상기 위치 측정값을 관측된 측정값으로 변환하는 단계,

- 시스템 서비스(213)내에서 상기 제어 원리를 이용하여 몸체 속도 및 베이스 속도 명령들을 계산하는 단계,

- 상기 몸체 및 베이스 속도들을 상기 추출기(211)로 제공하기 위해 몸체 및 베이스 속도들을 통합하는 단계,

- 상기 명령들( 몸체 및 베이스 속도 및 위치)을 로봇 액추에이터들(212); 로봇의 조인트 및 베이스의 휠들을 위한 명령으로서 변환하는 단계.

상기 제어 원리를 이용(validate)하기 위해 약간의 실험들이 수행된다. 상기 실험들이 도 5와 관련하여 설명된다. 여기서 제시된 제어기는 휴머노이드 로봇에서 폐루프 방식으로 수행된다; 각각의 시간, 초기상태에 관한 수치(

및

)를 설정하여 피드백이 제공된다. 각각의 휠 각도에 관한 위치 센서에 의해

에 관한 값 및 각 로봇 조인트에 관한 위치 센서에 의해

에 관한 값이 측정된다. 상기 이동식 베이스위에서 세 개의 센서들 때문에, 휠들이 지면위에서 미끄럼 운동하지 않는다고 가정할 때, 영역(

)에서 로봇의 실제 위치가 공지될 수 있다. 상기 가정을 보장하는 휠 및 지면의 재료가 선택된다. 제어기와 관련하여, 2s의 예상 시간(predicted time length) 및 100ms의 샘플링 시간(T)이 경험적으로 선택된다. 샘플의 갯수(N)은 20이다.

실험들에서, 위치/속도 기준이 제어기로 전달되고: 일정한 속도로 앞으로 전진하는 형태 및 궤적의 절반에서 궤적 방향을 변경하는 형태를 가진다. 위치 기준 및 속도 기준이 궤적 기준에 포함된다. 상기 궤적은 속도 방향을 순간적으로 변경하기 위해 무한 가속을 요구하기 때문에 상기 궤적은 로봇에 의해 수행될 수 없다. 따라서, 상기 제어기는 정해진 가중치 세트에 따라 최적 및 실행가능한 궤적을 계산하여 궤적을 처리해야 한다.

도 5a에 도시된 결과를 가진 실험 1에 따라 강성에 대한 궤적 추적(trajectory tracking)의 우선순위가 정해진다: α₁, α₂ >α₃. 상기 예에서, α₁ =α₂ = 100, α₃ =10, α₄ = 0.0001이다. 우선, 상기 궤적의 절반에서 제어기내에서 예측 효과가 확인될 수 있다. 이동식 베이스는 기준 궤적이 변화하기 전에 회전하기 시작한다. 전체 예상 시간내에 추적 오차를 가장 양호하게 최소화는 것이 목표이다. 또한, 상부 몸체의 질량 중심은 대체로 이동식 베이스의 궤적 곡선속에 위치하는 것이 확인될 수 있다. 이러한 작용은, 이동식 베이스의 질량 중심 및 압력 중심사이의 거리를 최소화하여 전체 예상 시간내에 강성을 최적화하기 위해, 상기 제어기에 의해 수행된다. 마지막으로, 상기 궤적이 종료할 때, 제 위치에서 추적의 유한 수렴(finite convergence)이 존재하지 않는다. 왜냐하면, 위치 적분 대상(position integral object)이 없기 때문이다.

도 5b에 도시된 결과를 가진 실험 2에 따라 강성에 대한 궤적 추적의 우선순위가 정해진다: α₃> α₁,α₂. 상기 예에서, α₁ =α₂ = 100, α₃ =500000, α₄ = 0.0001이다. 실험 1과 비교할 때 이동식 질량 중심 및 압력 중심사이의 거리는 상당히 더 작다. 양호한 추적과 양호한 강성을 모두 가질 수 없기 때문에, 궤적의 중간에서 문제가 되는 위치주위에서 궤적 추적은 더 불량한 것이 확인될 수 있다. 기억해야 하는 중요한 사항은, 로봇은 강성과 궤적 추적을 동시에 수행할 수 없을 때 일정한 가중치 세트에 의해 강성과 궤적 추적사이의 보상이 수행되어야 한다.

도 5c에 도시된 결과를 가진 실험 3은 제1 실험의 가중치 세트에 관한 것이지만 2개의 질량체 모델 대신에 1개의 질량체 모델을 가진다. 이동식 베이스의 궤적 추적은 동일하게 유지되지만, 상대적으로 덜 양호한 모델 때문에 전체 몸체 및 베이스의 질량 중심은 더 작은 자유도를 가져서 강성을 최적화한다. 그 결과, 잘못된 시간에 상대적으로 빠르게 이동하고 더 많이 이동하여 상부 몸체는 덜 양호하게 거동하게 된다. 상기 로봇을 위한 고속에서 1개의 질량체 모델은 안정하지 못하고 로봇은 쓰러지는 반면에, 2개의 질량체 모델은 안정하게 유지된다. 상기 예에서, α₁ =α₂ = 100, α₃ =10, α₄ = 0.0001이다.

도 5d에 도시된 결과를 가진 실험 4는 제1 실험의 가중치 세트에 관한 것이며 2개의 질량체 모델이지만 개루프(open loop) 방식으로 작동한다(상기 가중치 세트는 각각의 명령에 대한 세트 b 및 c에 해당한다). 로봇은 다수의 드리프트(drifts)를 가지며 기준 궤적을 따라갈 수 없다는 것이 분명하다. 또한, 측정된 로봇 거동은 폐루프 방식에서보다 더 큰 흔들림(jerk)을 가진다. 또한, 상기 실험은 로봇의 궤적을 매끄럽게 하는 효과를 가진다. 예에서, α₁ =α₂ = 100, α₃ =10, α₄ = 0.0001이다.

전방향 이동식 베이스를 가진 새로운 제어 로봇이 설명되었다. 상기 로봇 제어기가 가지는 장점은:

140.......베이스,
141.......휠,
212.......액추에이터,
211.......추출기,
100.......휴머노이드 로봇.

Claims

전방향 이동식 지면 베이스(140)와 연결되고
측정값을 제공하기 위해 몸체 위치 센서 및 베이스 위치 센서를 포함하고,
연결 모터들 및 상기 전방향 이동식 지면 베이스 내에 배열된 적어도 3개의 휠(141)들과 적어도 한 개의 전방향 휠을 포함한 액추에이터(212)를 포함하며,
상기 측정값들을 관측된 데이터로 변환시키기 위한 추출기(211)를 포함하고,
로봇 모델, 예비명령의 위치와 속도 기준들을 이용하여 상기 관측 데이터로부터 위치, 속도 및 가속도 명령을 계산하기 위한 제어기를 포함하며,
상기 위치, 속도 및 가속도 명령을 상기 액추에이터를 위한 작동명령으로 변환하기 위한 수단을 포함하는 몸체(190)를 가진 휴머노이드 로봇(100)에 있어서,
상기 로봇 모델은 이중 점 질량체 모델이고, 제1점 질량체(b)는 이동식 베이스의 질량 중심(CoM)을 나타내고, 제2점 질량체(c)는 상부 몸체의 질량 중심(CoM)을 나타내며, 상기 제1점 질량체(b) 및 제2점 질량체(c)는 고정된 높이를 갖고,
상기 위치, 속도 및 가속도 명령은, 샘플링 시간 주기를 따르는 구분된 시간 및 다수의 예측된 샘플들을 가진 선형 모델 예측 제어 원리를 기초로 하고
미리 정의된 가중치를 갖는
- 베이스 위치 목표 값(O₂),
- 베이스 속도 목표 값(O₁),
- 로봇과 지면 사이에서 접촉 하중의 압력 중심인 CoP와 제1점 질량체(b) 사이의 거리의 최소화의 목표 값(O₃)
의 가중된 합을 포함하고,
- 이동식 베이스의 최대 속도와 가속도, 및
- CoP 한계에 해당하는 미리 정해진 선형 구속조건들의 세트
를 포함하는 이차 최적화 공식으로서 표현되는 것을 특징으로 하는 휴머노이드 로봇.
제1항에 있어서, 흔들림(jerk) 최소화 목표 값(O₄)이 상기 목표 값들의 가중된 합에 더해지는 것을 특징으로 하는 휴머노이드 로봇.
제1항 또는 제2항에 있어서, 미리 정해진 선형 구속 조건 세트는 몸체의 운동학적 한계들을 포함하는 것을 특징으로 하는 휴머노이드 로봇.
전방향 이동식 지면 베이스(140)와 연결된 몸체(190) 및 적어도 한 개의 전방향 휠을 포함한, 상기 전방향 이동식 지면 베이스 내에 배열된 적어도 3개의 휠(141)을 포함하는 액추에이터(21)를 포함하는 휴머노이드 로봇을 제어하기 위한 방법에 있어서, 폐루프 계획에 따라 수행되는
- 상기 몸체의 위치 측정값 및 상기 베이스의 위치 측정값을 수거하는 단계,
- 상기 위치 측정값들을 관측된 위치 측정값으로 변환시키는 단계,
- 제1점 질량체(b)는 이동식 베이스의 질량 중심(CoM)을 나타내고, 제2점 질량체(c)는 상부 몸체의 질량 중심(CoM)을 나타내며, 상기 제1점 질량체(b) 및 제2점 질량체(c)는 고정된 높이를 갖는 이중 점 질량체 모델인 로봇 모델을 사용하여, 그리고 샘플링 시간 주기를 따르는 구분된 시간 및 다수의 예측된 샘플들을 가진 선형 모델 예측 제어 원리를 기초로 하고
미리 정의된 가중치를 갖는
- 베이스 위치 목표 값(O₂),
- 베이스 속도 목표 값(O₁),
- 로봇과 지면 사이에서 접촉 하중의 압력 중심인 CoP와 제1점 질량체(b) 사이의 거리의 최소화의 목표 값(O₃)
의 가중된 합을 포함하고,
- 이동식 베이스의 최대 속도와 가속도, 및
- CoP 한계에 해당하는 선형 구속조건들의 세트
를 포함하는 이차 최적화 공식으로서 표현되는 제어 원리를 이용하여, 몸체 속도 및 베이스 속도 명령을 계산하는 단계,
- 상기 명령들을 로봇 액추에이터를 위한 작동명령으로 변환시키는 단계를 포함하는 것을 특징으로 하는 휴머노이드 로봇을 제어하기 위한 방법.
제4항에 있어서, 미리 정해진 선형 구속 조건 세트는 몸체의 운동학적 한계들을 포함하는 것을 특징으로 하는 휴머노이드 로봇을 제어하기 위한 방법.
제4항 내지 제5항 중 어느 한 항에 있어서, 흔들림 최소화 목표 값(O₄)이 상기 목표 값들의 가중된 합에 더해지는 것을 특징으로 하는 휴머노이드 로봇을 제어하기 위한 방법.
컴퓨터에서 작동할 때 제4항 또는 제5항에 따른 휴머노이드 로봇을 제어하기 위한 방법을 수행하기 위한 컴퓨터 코드를 포함한 컴퓨터 프로그램이 저장되어 있는 컴퓨터로 판독 가능한 기록 매체.