KR102522511B1 - 다자유도 로봇 제어방법 및 시스템 - Google Patents

다자유도 로봇 제어방법 및 시스템 Download PDF

Info

Publication number
KR102522511B1
KR102522511B1 KR1020200122039A KR20200122039A KR102522511B1 KR 102522511 B1 KR102522511 B1 KR 102522511B1 KR 1020200122039 A KR1020200122039 A KR 1020200122039A KR 20200122039 A KR20200122039 A KR 20200122039A KR 102522511 B1 KR102522511 B1 KR 102522511B1
Authority
KR
South Korea
Prior art keywords
learning
degree
joint angle
joint
distal end
Prior art date
Application number
KR1020200122039A
Other languages
English (en)
Other versions
KR20220039205A (ko
Inventor
홍지태
송영훈
천종민
Original Assignee
한국전기연구원
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 한국전기연구원 filed Critical 한국전기연구원
Priority to KR1020200122039A priority Critical patent/KR102522511B1/ko
Publication of KR20220039205A publication Critical patent/KR20220039205A/ko
Application granted granted Critical
Publication of KR102522511B1 publication Critical patent/KR102522511B1/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
    • B25J9/1628—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
    • B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
    • B25J9/106—Programme-controlled manipulators characterised by positioning means for manipulator elements with articulated links
    • 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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

본 발명은 딥 러닝 알고리즘을 이용하여 역기구학 해석을 위한 수치해석용 관절 각도를 연산하고, 수치해석용 관절 각도를 이용하여 다자유도 로봇의 말단부 또는 툴을 목표 위치로 이동시킬 수 있는 목표 관절 각도를 연산하는 다자유도 로봇 제어방법 및 시스템에 관한 것이다.
또한, 본 발명은 (1) 복수의 학습용 관절 각도와, 각각의 학습용 관절 각도에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치들을 포함하는 학습 데이터를 생성하고, (2) 학습 데이터를 이용하여 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 수치해석용 관절 각도를 학습하며, (3) 다자유도 로봇의 말단부 또는 툴을 이동시킬 목표 위치가 입력되면, 목표 위치에 대응하는 적어도 하나의 수치해석용 관절 각도를 연산하고, (4) 역기구학 해석을 통하여 적어도 하나의 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산함으로써, 역기구학 기반의 연산 과정을 수행하는 개발자의 부담을 줄이고, 다자유도 로봇에 구비되는 관절의 수나 형태, 자유도의 제한을 해소할 수 있다.

Description

다자유도 로봇 제어방법 및 시스템{System and method for controlling multi-degree-of-freedom robot}
본 발명은 딥 러닝 알고리즘을 이용하여 역기구학 해석을 위한 수치해석용 관절 각도를 연산하고, 수치해석용 관절 각도를 이용하여 다자유도 로봇의 말단부 또는 툴을 목표 위치로 이동시킬 수 있는 목표 관절 각도를 연산하는 다자유도 로봇 제어방법 및 시스템에 관한 것이다.
일반적으로, 복수의 관절이 구비되어 있는 다자유도 로봇은, 목표 위치로 말단부 또는 툴을 이동시키기 위해 각각의 관절에 구비된 모터 또는 액츄에이터를 구동하여 소정의 각도만큼 회전시켜야 한다.
따라서, 다자유도 로봇에 구비되는 제어기 또는 제어 시스템은 목표 위치에 대한 정보가 주어지면, 목표 위치의 좌표값과 방향에 대한 정보로부터 관절들의 관절 각도를 실시간으로 연산하거나, 사전에 개발자로부터 연산되어 저장된 관절 각도를 추출하여 모터 또는 액츄에이터를 제어하고 있다.
한편, 다자유도 로봇에 구비되는 제어기 또는 제어 시스템에서 목표 위치의 좌표값과 방향에 대한 정보로부터 관절 각도를 연산하기 위해서는 역기구학 기반의 연산 과정을 수행하여야 한다.
이러한, 역기구학 기반의 연산 과정은 관절 각도에 대응하는 임의의 값을 업데이트하면서 역기구학 해석을 하는 방식으로 수행되는데, 이 과정은 목표 위치에 부합하는 관절 각도가 산출될 때까지 반복적으로 수행된다.
즉, 종래에는 다자유도 로봇에 구비되는 제어기 또는 제어 시스템에서 목표 위치에 대응하는 관절 각도를 연산하기 위해 많은 연산시간과 연산량을 요구함은 물론이고, 역기구학 해석을 위해 최초로 대입한 임의의 값이 목표 위치에 부합하는 관절 각도와 현저하게 차이가 있는 경우에는, 목표 위치에 부합하는 관절 각도의 해석을 불가능한 상황이 발생하거나 연산시간을 더 지연시키는 문제점이 있다.
또한, 개발자가 목표 위치에 대응하는 관절 각도를 사전에 연산하여 저장하고자 할 경우에도, 다자유도 로봇의 관절 각도로부터 목표 위치를 연산하는 정기구학 기반의 연산 과정은 DH 파라미터(Denavit-Hartenberg parameters, DH parameters)를 이용하여 상대적으로 정형화된 방식으로 쉽게 연산할 수 있으나, 목표 위치로부터 다자유도 로봇의 관절 각도를 연산하는 역기구학 기반의 연산 과정은 정형화된 방법이 존재하지 않기 때문에, 개발자가 일일히 목표 위치에 대응하는 관절 각도를 연산하여야 하므로, 개발자의 부담이 가중되고 관절 각도의 정확성이 저하되는 문제점이 있다.
아울러, 다자유도 로봇의 개발자는 역기구학 기반의 연산 과정을 용이하게 수행하기 위해, 다자유도 로봇에 구비되는 관절의 수나 형태, 자유도를 제한하는 상황이 빈번하게 발생하고 있다.
본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 목표 위치로부터 다자유도 로봇의 관절 각도를 연산하여 다자유도 로봇을 제어할 수 있는 다자유도 로봇 제어방법 및 시스템을 제공하는데 그 목적이 있다.
또한, 본 발명은 다자유도 로봇의 관절 구성에 의한 제한없이 관절 각도를 연산할 수 있는 다자유도 로봇 제어방법 및 시스템을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명은 (2) 학습 데이터를 이용하여 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 수치해석용 관절 각도를 학습하는 단계; (3) 다자유도 로봇의 말단부 또는 툴을 이동시킬 목표 위치가 입력되면, 목표 위치에 대응하는 적어도 하나의 수치해석용 관절 각도를 연산하는 단계; 및 (4) 역기구학 해석을 통하여 적어도 하나의 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산하는 단계;를 포함하는, 다자유도 로봇 제어방법을 제공한다.
바람직한 실시예에 있어서, 상기 제 (2)단계 이전에, (1) 복수의 학습용 관절 각도와, 각각의 학습용 관절 각도에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치들을 포함하는 학습 데이터를 생성하는 단계;를 더 포함한다.
바람직한 실시예에 있어서, 상기 제 (1)단계는, (1-1) 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위 내에서 무작위로 학습용 관절 각도들을 생성하는 단계; 및 (1-2) 정기구학 해석을 통하여 학습용 관절 각도들로부터 다자유도 로봇의 말단부 또는 툴이 도달하는 학습용 도달 위치의 좌표값과 방향을 각각 산출하는 단계;를 포함한다.
바람직한 실시예에 있어서, 상기 제 (1)단계는, 상기 제 (1-2)단계 이후에, (1-3) 다자유도 로봇의 관절을 이동시키거나 이동을 제한하고자 하는 이동 경로에 대한 정보 및 여자유도에 대한 정보를 추가정보로서 입력받는 단계;를 더 포함한다.
바람직한 실시예에 있어서, 상기 제 (1)단계는, 상기 제 (1-2)단계 이후에, (1-4) 학습용 관절 각도들과 학습용 도달 위치들이 포함된 데이터들 중에서 기설정된 필터링 조건에 부합하는 데이터를 제거하고, 남은 데이터와 추가정보를 학습 데이터로서 생성하는 단계;를 더 포함한다.
또한, 본 발명은 컴퓨터에서, 제 1항 내지 제 5항 중 어느 한 항의 다자유도 로봇 제어방법을 실행하도록, 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램을 제공한다.
또한, 본 발명은 프로세서; 상기 프로세서에 의해 실행 가능한 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 프로세서의 제어하에, 다자유도 로봇의 관절에 구비된 모터 또는 액츄에이터를 목표 관절 각도로 동작시키는 제어 신호를 해당 모터 또는 액츄에이터에 송신하는 통신부;를 포함하고, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써, 학습 데이터를 이용하여 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 수치해석용 관절 각도를 학습하고, 다자유도 로봇의 말단부 또는 툴을 이동시킬 목표 위치가 입력되면, 목표 위치에 대응하는 적어도 하나의 수치해석용 관절 각도를 연산하며, 역기구학 해석을 통하여 적어도 하나의 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산하는, 다자유도 로봇 제어시스템을 제공한다.
바람직한 실시예에 있어서, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써, 복수의 학습용 관절 각도와, 각각의 학습용 관절 각도에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치들을 포함하는 학습 데이터를 생성한다.
바람직한 실시예에 있어서, 학습 데이터의 생성 시, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써, 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위 내에서 무작위로 학습용 관절 각도들을 생성하고, 정기구학 해석을 통하여 학습용 관절 각도들로부터 다자유도 로봇의 말단부 또는 툴이 도달하는 학습용 도달 위치의 좌표값과 방향을 각각 산출한다.
바람직한 실시예에 있어서, 학습 데이터의 생성 시, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써, 다자유도 로봇의 관절을 이동시키거나 이동을 제한하고자 하는 이동 경로에 대한 정보 및 여자유도에 대한 정보를 추가정보로서 입력받는다.
바람직한 실시예에 있어서, 학습 데이터의 생성 시, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써, 학습용 관절 각도들과 학습용 도달 위치들이 포함된 데이터들 중에서 기설정된 필터링 조건에 부합하는 데이터를 제거하고, 남은 데이터와 추가정보를 학습 데이터로서 생성한다.
전술한 과제해결 수단에 의해 본 발명은 다자유도 로봇의 말단부 또는 툴이 도달하는 위치에 따른 관절 각도를 학습하고, 학습한 학습 데이터를 이용하여 역기구학 해석을 위한 초기 해인 수치해석용 관절 각도를 연산하며, 역기구학 해석을 통하여 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산함으로써, 다자유도 로봇의 개발자가 목표 위치에 대응하는 목표 관절 각도를 직접 연산할 필요가 없으므로, 개발자의 부담을 줄일 수 있고, 또한, 다자유도 로봇의 제어를 용이하게 하는 효과가 있다.
또한, 본 발명은 역기구학 기반의 연산 과정에서 개발자에게 가중되는 부담에 의해 다자유도 로봇의 관절 수나 형태, 자유도가 제한되었으나, 개발자가 직접 역기구학 기반의 연산 과정을 수행할 필요가 없게 함으로써, 다자유도 로봇에 구비되는 관절의 수나 형태, 자유도의 제한을 해소할 수 있는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템의 하드웨어 구성을 설명하기 위한 도면.
도 2는 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템의 프로세서에 의해 수행되는 기능을 설명하기 위한 블록도.
도 3은 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템에서 프로세서의 기능 블록인 학습부로부터 수행되는 수치해석용 관절 각도의 연산을 위한 학습 과정을 설명하기 위한 블록도.
도 4는 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템에 입력되는 추가정보의 일 예를 2자유도 로봇을 이용하여 설명하는 도면.
도 5는 본 발명의 일실시예에 따른 다자유도 로봇 제어방법을 설명하기 위한 도면.
하기의 설명에서 본 발명의 특정 상세들이 본 발명의 전반적인 이해를 제공하기 위해 나타나 있는데, 이들 특정 상세들 없이 또한 이들의 변형에 의해서도 본 발명이 용이하게 실시될 수 있다는 것은 이 기술분야에서 통상의 지식을 가진 자에게 자명할 것이다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도 1 내지 도 5를 참조하여 상세히 설명하되, 본 발명에 따른 동작 및 작용을 이해하는데 필요한 부분을 중심으로 설명한다.
도 1은 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템의 하드웨어 구성을 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템은 메모리(100), 통신부(200) 및 프로세서(300)를 포함하여 구성된다.
여기서, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템은 다자유도 로봇에 구비되어 다자유도 로봇의 관절에 장착된 모터나 액츄에이터를 제어하는 용도로 활용될 수 있다.
특히, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템은 다자유도 로봇의 말단부 또는 그 말단부에 장착된 툴을 이동시키고자 하는 목표 위치를 입력하면, 다자유도 로봇의 관절을 이동 또는 회전시켜야 하는 목표 관절 각도를 연산하고, 연산된 목표 관절 각도를 포함하는 제어 신호를 모터 또는 액츄에이터에 출력함으로써, 다자유도 로봇의 관절에 장착된 모터나 액츄에이터를 제어할 수 있다.
또한, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템은 다자유도 로봇의 말단부 또는 그 말단부에 장착된 툴의 위치에 대응하는 관절 각도를 학습하고, 학습 데이터와 딥 러닝 알고리즘을 이용하여 목표 관절 각도의 연산을 위한 수치해석용 관절 각도, 즉, 역기구학 해석을 위한 초기 해를 연산할 수 있다.
아울러, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템은 수치해석용 관절 각도와 역기구학 해석을 기반으로 다자유도 로봇의 말단부 또는 그 말단부에 장착된 툴을 목표 위치까지 도달시킬 수 있는 목표 관절 각도를 연산할 수 있다.
한편, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템은 다자유도 로봇을 모델링하여 동작 상태를 시뮬레이션하고자 하는 경우에, 모델링된 다자유도 로봇의 말단부 또는 툴을 목표 위치까지 도달시킬 수 있는 목표 관절 각도를 연산하는 용도로 활용될 수 있고, 그 외에도, 다자유도 로봇의 관절 각도에 대한 연산을 요구하는 다양한 분야에 활용될 수 있다.
상기 메모리(100)는 각종 데이터, 명령 및 정보를 저장할 수 있으며, 특히, 프로세서(300)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션)을 저장할 수 있고, 그 외에도, 프로세서(300)에 의해 입력 또는 출력되는 데이터나, 프로세서(300)에서 딥 러닝을 수행하는데 필요한 학습 데이터를 저장한다.
예를 들어, 메모리(100)에는 복수의 학습용 관절 각도와, 각각의 학습용 관절 각도에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치들을 포함하는 학습 데이터와, 학습 데이터로부터 연산되는 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 수치해석용 관절 각도에 대한 정보가 저장될 수 있다.
또한, 메모리(100)에는 수치해석용 관절 각도로부터 연산되는 목표 관절 각도에 대한 정보가 저장될 수도 있다.
한편, 메모리(100) 이외의 저장 매체를 별도로 구비하고, 그 저장 매체에 학습 데이터를 저장할 수도 있다.
상기 통신부(200)는 다자유도 로봇의 관절에 장착된 모터나 액츄에이터와 통신하여 목표 관절 각도를 포함하는 제어 신호를 전송한다. 여기서, 목표 관절 각도에 대한 정보가 포함된 제어 신호는 프로세서(300)로부터 연산 또는 생성될 수 있다.
아울러, 통신부(200)는 UART(Universal Asynchronous Receiver Transmitter), RS-232C(Recommended Standard-232C), RS-422(Recommended Standard-422), RS-485(Recommended Standard-485), CAN(Controller Area Network), EtherCAT(Ethernet for Control Automation Technology), PLC(Power-Line Communication), PROFINET(Process Field Net) 및 메카트로링크(MECHATROLINK)를 포함하는 통신 프로토콜들 중에서 적어도 하나를 이용하여 제어 신호를 전송할 수 있다.
그 외에도, 통신부(200)는 외부의 통신 장치로부터 목표 위치에 대한 정보를 수신하거나, 다자유도 로봇의 관절을 이동시키거나 이동을 제한하고자 하는 이동 경로에 대한 정보 및 여자유도에 대한 정보를 수신할 수도 있고, 프로세서(300)의 설정 또는 제어를 위한 각종 정보들을 수신할 수도 있다.
상기 프로세서(300)는 하나 이상으로 포함될 수 있고, 메모리(100)에 저장된 하나 이상의 인스트럭션 또는 프로그램을 실행할 수 있다. 아울러, 프로세서(300)는 딥 러닝을 위한 AI 가속기(AI accelerator)를 포함할 수도 있다.
이러한, 프로세서(300)는 메모리(100)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 사전에 구축된 학습 데이터를 이용하여 목표 관절 각도의 연산을 위한 수치해석용 관절 각도를 연산한다.
이때, 전술한 학습 데이터는 다자유도 로봇의 말단부 또는 그 말단부에 장착된 툴을 특정한 위치로 도달시킬 수 있는 관절 각도에 대한 데이터이며, 수치해석용 관절 각도는 역기구학 해석을 위한 초기 해로서, 연산하고자 하는 목표 관절 각도에 근사하거나 동일한 값을 갖는 위치 벡터일 수 있다.
참고로, 수치해석용 관절 각도 이외에도, 학습 데이터에 포함되는 학습용 관절 각도나, 궁극적으로 연산하고자 하는 목표 관절 각도의 경우에도 모두 n×1의 위치 벡터이다.
또한, 프로세서(300)는 목표 위치에 대한 정보가 입력되면, 해당 목표 위치에 대응하는 수치해석용 관절 각도를 이용하여 목표 관절 각도를 연산하며, 이때, 수치해석용 관절 각도와 역기구학 해석을 기반으로 목표 관절 각도를 연산할 수 있다.
이하에서는, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템의 프로세서(300)에 의해 수행되는 수치해석용 관절 각도의 연산을 위한 학습 과정과, 수치해석용 관절 각도를 이용하여 목표 위치에 부합하는 목표 관절 각도의 연산 과정을 구체적으로 설명한다.
도 2는 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템의 프로세서에 의해 수행되는 기능을 설명하기 위한 블록도이고, 도 3은 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템에서 프로세서의 기능 블록인 학습부(315)로부터 수행되는 수치해석용 관절 각도의 연산을 위한 학습 과정을 설명하기 위한 블록도이며, 도 4는 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템에 입력되는 추가정보의 일 예를 2자유도 로봇(10)을 이용하여 설명하는 도면이다.
참고로, 도 2 및 도 3에 도시된 블록들의 일부 또는 전부는, 특정 기능을 실행하는 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 도 2 및 도 3에 도시된 블록들이 수행하는 기능들은, 하나 이상의 마이크로프로세서에 의해 구현되거나, 해당 기능을 위한 회로 구성들에 의해 구현될 수 있다. 도 2 및 도 3에 도시된 블록들의 일부 또는 전부는 프로세서(300)에서 실행되는 다양한 프로그래밍 언어 또는 스크립트 언어로 구성된 소프트웨어 모듈일 수 있다.
도 2 및 도 3을 참조하면, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템의 프로세서(300)는 수치해석용 관절 각도 학습부(310) 및 역기구학 해석부(320)를 포함하여 구성될 수 있다.
상기 수치해석용 관절 각도 학습부(310)는 딥 러닝 알고리즘을 이용하여 역기구학 해석을 위한 초기 해를 학습하고, 목표 위치(Xd)에 대한 정보가 입력되었을 때, 그 목표 위치(Xd)에 대응하는 초기 해로서 수치해석용 관절 각도(qstart)를 연산한다.
이때, 수치해석용 관절 각도 학습부(310)는 심층 신경망(Deep Neural Network, DNN)를 이용하여 초기 해를 학습할 수 있는데, 이외에도, 다양한 기계학습 알고리즘을 적용할 수 있다.
또한, 수치해석용 관절 각도 학습부(310)는 복수의 학습용 관절 각도(qrandom)와, 각각의 학습용 관절 각도(qrandom)에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치(X)들을 포함하는 학습 데이터를 생성하고, 이를 이용하여 수치해석용 관절 각도(qstart)의 연산을 위한 학습을 수행할 수 있다.
이러한, 수치해석용 관절 각도 학습부(310)는 도 3에 도시된 바와 같이, 학습용 관절 각도 생성부(311), 정기구학 해석부(312), 추가정보 입력부(313), 필터부(314) 및 학습부(315)를 포함하여 구성될 수 있다.
상기 학습용 관절 각도 생성부(311)는 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위 내에서 무작위로 학습용 관절 각도(qrandom)들을 생성한다. 이때 생성되는 학습용 관절 각도(qrandom)는 위치 벡터로 생성된다.
또한, 학습용 관절 각도 생성부(311)에서 생성된 학습용 관절 각도(qrandom)에 대한 정보는 정기구학 해석부(312)와 필터부(314)에 입력될 수 있다.
아울러, 학습용 관절 각도(qrandom)들의 생성 시, 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위를 특별하게 제한하지 않을 수도 있으나, 이 경우에는, 후술하는 필터부(314)를 통해 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위를 벗어나는 학습 데이터들을 제거하는 과정을 수행함이 바람직하다.
상기 정기구학 해석부(312)는 정기구학 해석을 통하여 학습용 관절 각도(qrandom)들로부터 다자유도 로봇의 말단부 또는 툴이 도달하는 학습용 도달 위치(X)의 좌표값과 방향을 각각 산출한다.
이때, 정기구학 해석부(312)는 데나비-하텐베르크 파라미터(Denavit-Hartenberg parameters, DH parameters)를 이용하여 학습용 관절 각도(qrandom)로부터 학습용 도달 위치(X)의 좌표값과 방향을 산출할 수 있다.
아울러, 정기구학 해석부(312)는에서 산출된 학습용 도달 위치(X)에 대한 정보는 추가정보 입력부(313)를 통해 필터부(314)에 입력될 수 있다.
상기 추가정보 입력부(313)는 통신부(200)를 통해 다자유도 로봇의 관절을 이동시키거나 이동을 제한하고자 하는 이동 경로에 대한 정보 및 여자유도에 대한 정보를 추가정보(α)로서 입력받는다.
참고로, 추가정보 입력부(313)에 입력되는 추가정보(α)는 역기구학 해석부(320)에서 목표 위치(Xd)에 대응하는 목표 관절 각도(qd)를 연산하였을 때, 하나의 목표 위치(Xd)에 대해 복수의 목표 관절 각도(qd)가 존재하는 경우, 복수의 목표 관절 각도(qd) 중에서 사용자 요구에 부합하는 목표 관절 각도(qd)를 선택하는 기준으로 활용될 수 있다.
예를 들어, 도 4를 참조하면, 베이스(11)에 연결되는 하나의 제 1암(12)과, 제 1암(12)에 연결되는 제 2암(13) 및 제 1암(12)과 제 2암(13)을 회전 가능하도록 연결하는 관절(14)이 구비된 2자유도 로봇(10)이 도시되어 있다.
이러한, 2자유도 로봇(10)에서 제 2암(13)의 말단부를 목표 위치인 P2까지 이동 또는 회전시킬 수 있도록 하는 관절(14)의 목표 관절 각도(qd)는 P1a와 P1b를 포함하는 2개의 해를 갖게 된다.
여기서, 베이스(11)로부터 목표 위치인 P2를 연결하는 가상의 선(L)을 기준으로, 더 높은 위치에 있는 P1a는 엘보 업(Elbow up)을 의미하고, 상대적으로 낮은 위치에 있는 P1b는 엘보 다운(Elbow down)을 의미한다.
또한, 추가정보(α)로서 엘보 업을 선택하도록 하는 정보를 입력하면, 다자유도 로봇의 관절이 이동하는 경로를 엘보 업이 되는 경로로서 제한할 수 있다. 반대로, 추가정보(α)로서 엘보 다운을 선택하도록 하는 정보를 입력하면, 엘보 다운이 되는 경로에서 다자유도 로봇의 관절이 이동하게 할 수도 있다.
즉, 이와 같은 추가정보(α)를 설정함으로써, 역기구학 해석부(320)에서 하나의 목표 위치(Xd)에 대해 복수의 목표 관절 각도(qd)가 존재할 때 추가정보(α)를 이용하여 적어도 하나의 목표 관절 각도(qd)를 선택하는 것이 가능하게 된다.
한편, 추가정보(α)는 정기구학 해석부(312)에서 학습용 도달 위치(X)의 좌표값과 방향을 산출하기 이전에 미리 입력될 수도 있고, 정기구학 해석부(312)로부터 학습용 도달 위치(X)의 좌표값과 방향을 산출한 이후의 결과값을 모니터링한 이후에 입력될 수도 있다.
아울러, 추가정보 입력부(313)에 입력되는 추가정보(α)는 정기구학 해석부(312)로부터 산출된 학습용 도달 위치(X)와 함께 필터부(314)에 입력될 수 있다.
다시 도 3을 참조하면, 상기 필터부(314)는 학습용 관절 각도(qrandom)들과 학습용 도달 위치(X)들이 포함된 데이터들 중에서 기설정된 필터링 조건에 부합하는 데이터를 제거하고, 남은 데이터와 추가정보(α)를 학습 데이터로서 출력한다.
여기서, 필터부(314)에 설정되는 필터링 조건은, 예를 들어, 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위를 벗어나는 것, 다자유도 로봇의 관절들이 제한된 작업공간을 침범하게 하는 것, 다자유도 로봇의 관절들이 장애물이 위치한 경로로 이동 또는 회전하게 하는 것, 사용자가 임의로 설정한 역기구학 해의 범위를 벗어나는 것, 수치해석용 관절 각도(qstart)의 연산을 위한 학습에 부적합한 것일 수 있다.
참고로, 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위를 벗어나는 학습 데이터는 다자유도 로봇에 탑재된 관절의 형태나 수에 따라 변경될 수 있으며, 다자유도 로봇의 관절들이 제한된 작업공간을 침범하게 하는 학습 데이터와 다자유도 로봇의 관절들이 장애물이 위치한 경로로 이동 또는 회전하게 하는 학습 데이터는 다자유도 로봇이 배치되어 특정한 작업을 수행할 작업공간의 형태나 구조, 작업공간에 설치되는 다른 로봇이나 구조물에 따라 변경될 수 있다.
또한, 사용자가 임의로 설정한 역기구학 해의 범위를 벗어나는 학습 데이터와 수치해석용 관절 각도(qstart)의 연산을 위한 학습에 부적합한 학습 데이터는 다자유도 로봇의 관절들에 악영향을 주거나 작업 능력을 저하시키는 학습 데이터일 수 있다.
한편, 필터부(314)에서 필터링된 데이터들을 제외하고, 남은 데이터들과 추가정보(α)가 학습 데이터로 생성되어 학습부(315)에 출력된다.
상기 학습부(315)는 학습 데이터를 이용하여 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 초기 해, 즉, 수치해석용 관절 각도(qstart)를 학습한다.
이때, 학습부(315)는 전처리를 수행하여 학습데이터를 학습용 데이터셋(Dataset)과 평가용 데이터셋으로 구분하고, 학습(train)과 학습평가(evaluation)를 수행한 다음, 학습 과정에서 계산된 역기구학 해와 실제 해의 차이가 임계값을 넘지 않으면 학습을 종료한다.
또한, 학습부(315)는 학습평가 시의 에러 값이 설정값보다 크면 하이퍼 파라미터(Hyper parameter)를 수정하거나, 데이터셋의 확장을 위한 추가 학습 데이터를 요구할 수도 있다.
그 이후에, 학습부(315)는 다자유도 로봇의 말단부 또는 툴을 이동시킬 목표 위치(Xd)가 입력되면, 학습한 데이터를 근거로 목표 위치(Xd)에 대응하는 적어도 하나의 수치해석용 관절 각도(qstart)를 연산할 수 있다.
한편, 학습부(315)에서 연산된 수치해석용 관절 각도(qstart)와 목표 위치(Xd)및 추가정보(α)는 역기구학 해석부(320)에 출력될 수 있다.
상기 역기구학 해석부(320)는 역기구학 해석을 통하여 적어도 하나의 수치해석용 관절 각도(qstart)로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치(Xd)로 도달시킬 수 있는 목표 관절 각도(qd)를 연산한다.
이때, 역기구학 해석부(320)는 역기구학 해석에 따른 아래의 수학식 1을 이용하여 목표 관절 각도(qd)를 연산할 수 있다.
[수학식 1]
qk+1 = qk + J-1(qk)(Xd - f(qk))
여기서, qk는 k번째 역기구학 해를 의미하는데, 이에 대한 초기 해로서 수치해석용 관절 각도(qstart)가 적용되며, J는 로봇 야코비안(jacobian)으로 J(q)=(∂f(q))/∂q이고, Xd는 목표 위치에 대한 좌표값과 방향을 의미한다.
참고로, 역기구학 해석부(320)에서는 수학식 1의 qk를 반복적으로 업데이트하여 목표 위치(Xd)의 좌표값과 방향에 부합하는 역기구학 해를 연산하여야 하고, 로봇 야코비안에 대한 행렬 역변환(Matrix Inversion)을 수행하여야 하므로 계산량이 많으며, 연산하고자 하는 목표 관절 각도(qd)와 초기 해를 지나치게 상이한 값을 설정하는 경우 목표 관절 각도(qd)의 연산이 불가능하거나 많은 계산 시간을 소모하게 될 수 있다.
그러나, 역기구학 해석부(320)는 학습부(315)에서 연산된 수치해석용 관절 각도(qstart)를 초기 해로서 이용하며, 전술한 수치해석용 관절 각도(qstart)는 연산하고자 하는 목표 관절 각도(qd)에 근사하거나 동일한 값을 갖는 위치 벡터이기 때문에, 역기구학 해석부(320)의 계산량과 계산 시간을 현저하게 줄일 수 있으며, 목표 관절 각도(qd)의 연산이 불가능한 상황도 미연에 방지할 수 있다.
아울러, 다자유도 로봇의 개발자가 목표 위치(Xd)에 대응하는 목표 관절 각도(qd)를 직접 연산할 필요가 없으므로, 개발자의 부담을 줄일 수 있고, 다자유도 로봇에 구비되는 관절의 수나 형태, 자유도를 제한할 필요가 없게 된다.
지금까지 본 발명의 바람직한 실시예에 따른 다자유도 로봇 제어시스템에 대해 설명하였다. 이하에서는, 본 발명의 바람직한 실시예에 따른 다자유도 로봇 제어방법에 대해서 설명한다. 다만, 본 발명의 바람직한 실시예에 따른 다자유도 로봇 제어방법은 상술한 다자유도 로봇 제어시스템에서 수행되는 것이므로, 각 단계에서 수행되는 기능은 상술한 다자유도 로봇 제어시스템과 관련하여 상술한 기능과 동일하다. 따라서, 이하에서는, 전체적인 흐름을 중심으로 설명한다.
도 5는 본 발명의 일실시예에 따른 다자유도 로봇 제어방법을 설명하기 위한 도면이다.
도 5를 참조하면, 먼저, 본 발명의 일실시예에 따른 다자유도 로봇 제어시스템의 프로세서는 복수의 학습용 관절 각도와, 각각의 학습용 관절 각도에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치들을 포함하는 학습 데이터를 생성한다(S100).
구체적으로, 프로세서는 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위 내에서 무작위로 학습용 관절 각도들을 생성하고(S110), 정기구학 해석을 통하여 학습용 관절 각도들로부터 다자유도 로봇의 말단부 또는 툴이 도달하는 학습용 도달 위치의 좌표값과 방향을 각각 산출한다(S120).
이때 생성되는 학습용 관절 각도는 위치 벡터로 생성되며, 정기구학 해석 시 데나비-하텐베르크 파라미터(Denavit-Hartenberg parameters, DH parameters)를 이용하여 학습용 관절 각도로부터 학습용 도달 위치의 좌표값과 방향을 산출할 수 있다.
그리고, 프로세서는 다자유도 로봇의 관절을 이동시키거나 이동을 제한하고자 하는 이동 경로에 대한 정보 및 여자유도에 대한 정보를 추가정보로서 입력받고(S130), 학습용 관절 각도들과 학습용 도달 위치들이 포함된 데이터들 중에서 기설정된 필터링 조건에 부합하는 데이터를 제거한 후 남은 데이터와 추가정보를 학습 데이터로서 생성하여 출력한다(S140).
이때, 전술한 추가정보는 목표 위치에 대응하는 목표 관절 각도를 연산하였을 때, 하나의 목표 위치에 대해 복수의 목표 관절 각도가 존재하는 경우, 복수의 목표 관절 각도 중에서 사용자 요구에 부합하는 목표 관절 각도를 선택하는 기준으로 활용될 수 있다.
아울러, 기설정된 필터링 조건은, 예를 들어, 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위를 벗어나는 것, 다자유도 로봇의 관절들이 제한된 작업공간을 침범하게 하는 것, 다자유도 로봇의 관절들이 장애물이 위치한 경로로 이동 또는 회전하게 하는 것, 사용자가 임의로 설정한 역기구학 해의 범위를 벗어나는 것, 수치해석용 관절 각도의 연산을 위한 학습에 부적합한 것일 수 있다.
그 다음, 프로세서는 학습 데이터를 이용하여 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 수치해석용 관절 각도를 학습한다(S200).
이때, 프로세서는 학습 데이터에 전처리를 수행하여 학습용 데이터셋(Dataset)과 평가용 데이터셋으로 구분하고, 학습(train)과 학습평가(evaluation)를 수행한 다음, 학습 과정에서 계산된 역기구학 해와 실제 해의 차이가 임계값을 넘지 않으면 학습을 종료할 수 있다.
그리고, 학습평가 과정에서 에러 값이 설정값보다 크면 하이퍼 파라미터(Hyper parameter)를 수정하거나, 데이터셋의 확장을 위한 추가 학습 데이터를 요구할 수도 있다.
그 다음에, 프로세서는 다자유도 로봇의 말단부 또는 툴을 이동시킬 목표 위치가 입력되면, 목표 위치에 대응하는 적어도 하나의 수치해석용 관절 각도를 연산한다(S300).
그 다음에, 프로세서는 역기구학 해석을 통하여 적어도 하나의 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산한다(S400).
이때, 프로세서는 수치해석용 관절 각도를 초기 해로서 이용하여 역기구학 해석을 수행하게 되는데, 수치해석용 관절 각도는 연산하고자 하는 목표 관절 각도에 근사하거나 동일한 값을 갖는 위치 벡터이기 때문에, 역기구학 해석 과정에서 수반되는 계산량과 계산 시간을 현저하게 줄일 수 있으며, 목표 관절 각도의 연산이 불가능한 상황도 미연에 방지할 수 있다.
이로 인해, 다자유도 로봇의 개발자가 목표 위치에 대응하는 목표 관절 각도를 직접 연산할 필요가 없으므로, 개발자의 부담을 줄일 수 있고, 다자유도 로봇에 구비되는 관절의 수나 형태, 자유도를 제한할 필요가 없게 된다.
참고로, 제 S400 단계에서, 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산하는 예에 대해, 수학식 1을 이용하여 참조하여 상술하였으므로, 구체적인 설명은 생략하였다.
이와 같은 본 발명은 또한 컴퓨터 판독 가능한 저장 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터 판독 가능한 저장 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터 판독 가능한 저장 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다.
본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100 : 메모리
200 : 통신부
300 : 프로세서

Claims (11)

  1. (1) 복수의 학습용 관절 각도와, 각각의 학습용 관절 각도에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치들을 포함하는 학습 데이터를 생성하는 단계;
    (2) 학습 데이터를 이용하여 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 수치해석용 관절 각도를 학습하는 단계;
    (3) 다자유도 로봇의 말단부 또는 툴을 이동시킬 목표 위치가 입력되면, 목표 위치에 대응하는 적어도 하나의 수치해석용 관절 각도를 연산하는 단계; 및
    (4) 역기구학 해석을 통하여 적어도 하나의 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산하는 단계;를 포함하고,
    상기 제 (1)단계는,
    (1-4) 학습용 관절 각도들과 학습용 도달 위치들이 포함된 데이터들 중에서 기설정된 필터링 조건에 부합하는 데이터를 제거하고, 남은 데이터와 추가정보를 학습 데이터로서 생성하는 단계;를 포함하는 것을 특징으로 하는, 다자유도 로봇 제어방법.
  2. 삭제
  3. 제 1항에 있어서,
    상기 제 (1)단계는,
    상기 제 (1-4)단계 이전에,
    (1-1) 다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위 내에서 무작위로 학습용 관절 각도들을 생성하는 단계; 및
    (1-2) 정기구학 해석을 통하여 학습용 관절 각도들로부터 다자유도 로봇의 말단부 또는 툴이 도달하는 학습용 도달 위치의 좌표값과 방향을 각각 산출하는 단계;를 더 포함하는 것을 특징으로 하는, 다자유도 로봇 제어방법.
  4. 제 3항에 있어서,
    상기 제 (1)단계는, 상기 제 (1-2)단계 이후에,
    (1-3) 다자유도 로봇의 관절을 이동시키거나 이동을 제한하고자 하는 이동 경로에 대한 정보 및 여자유도에 대한 정보를 추가정보로서 입력받는 단계;를 더 포함하는 것을 특징으로 하는, 다자유도 로봇 제어방법.
  5. 삭제
  6. 컴퓨터에서, 제 1항, 제 3항 및 제 4항 중 어느 한 항의 다자유도 로봇 제어방법을 실행하도록, 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램.
  7. 프로세서;
    상기 프로세서에 의해 실행 가능한 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 프로세서의 제어하에, 다자유도 로봇의 관절에 구비된 모터 또는 액츄에이터를 목표 관절 각도로 동작시키는 제어 신호를 해당 모터 또는 액츄에이터에 송신하는 통신부;를 포함하고,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    복수의 학습용 관절 각도와, 각각의 학습용 관절 각도에 따라 다자유도 로봇의 말단부 또는 툴이 도달하는 위치인 학습용 도달 위치들을 포함하는 학습 데이터를 생성하며,
    학습 데이터를 이용하여 다자유도 로봇의 말단부 또는 툴의 위치에 대응하는 수치해석용 관절 각도를 학습하고,
    다자유도 로봇의 말단부 또는 툴을 이동시킬 목표 위치가 입력되면, 목표 위치에 대응하는 적어도 하나의 수치해석용 관절 각도를 연산하며,
    역기구학 해석을 통하여 적어도 하나의 수치해석용 관절 각도로부터 다자유도 로봇의 말단부 또는 툴을 목표 위치로 도달시킬 수 있는 목표 관절 각도를 연산하고,
    학습 데이터의 생성 시, 상기 프로세서는,
    학습용 관절 각도들과 학습용 도달 위치들이 포함된 데이터들 중에서 기설정된 필터링 조건에 부합하는 데이터를 제거하고, 남은 데이터와 추가정보를 학습 데이터로서 생성하는, 다자유도 로봇 제어시스템.
  8. 삭제
  9. 제 7항에 있어서,
    학습 데이터의 생성 시, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    다자유도 로봇의 관절들이 이동 또는 회전 가능한 범위 내에서 무작위로 학습용 관절 각도들을 생성하고,
    정기구학 해석을 통하여 학습용 관절 각도들로부터 다자유도 로봇의 말단부 또는 툴이 도달하는 학습용 도달 위치의 좌표값과 방향을 각각 산출하는, 다자유도 로봇 제어시스템.
  10. 제 9항에 있어서,
    학습 데이터의 생성 시, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    다자유도 로봇의 관절을 이동시키거나 이동을 제한하고자 하는 이동 경로에 대한 정보 및 여자유도에 대한 정보를 추가정보로서 입력받는, 다자유도 로봇 제어시스템.
  11. 삭제
KR1020200122039A 2020-09-22 2020-09-22 다자유도 로봇 제어방법 및 시스템 KR102522511B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200122039A KR102522511B1 (ko) 2020-09-22 2020-09-22 다자유도 로봇 제어방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200122039A KR102522511B1 (ko) 2020-09-22 2020-09-22 다자유도 로봇 제어방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20220039205A KR20220039205A (ko) 2022-03-29
KR102522511B1 true KR102522511B1 (ko) 2023-04-17

Family

ID=80997295

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200122039A KR102522511B1 (ko) 2020-09-22 2020-09-22 다자유도 로봇 제어방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102522511B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220134537A1 (en) * 2020-10-29 2022-05-05 Nvidia Corporation Transformation of joint space coordinates using machine learning
CN114770510B (zh) * 2022-05-09 2024-02-23 杭州景业智能科技股份有限公司 运动学解析解择优方法、装置、计算机设备及存储介质
CN116117816B (zh) * 2023-02-18 2024-02-23 北京远舢智能科技有限公司 一种机器人学习方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150094855A1 (en) 2012-05-04 2015-04-02 Leoni Cia Cable Systems Sas Imitation learning method for a multi-axis manipulator
JP2018190241A (ja) 2017-05-09 2018-11-29 オムロン株式会社 タスク実行システム、タスク実行方法、並びにその学習装置及び学習方法
JP2019155501A (ja) * 2018-03-09 2019-09-19 株式会社日立製作所 軌道計画装置、軌道計画方法、及び生産システム
JP2019159767A (ja) * 2018-03-13 2019-09-19 オムロン株式会社 演算装置、演算方法、及びそのプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0588721A (ja) * 1991-09-30 1993-04-09 Fujitsu Ltd 関節型ロボツトの制御装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150094855A1 (en) 2012-05-04 2015-04-02 Leoni Cia Cable Systems Sas Imitation learning method for a multi-axis manipulator
JP2018190241A (ja) 2017-05-09 2018-11-29 オムロン株式会社 タスク実行システム、タスク実行方法、並びにその学習装置及び学習方法
JP2019155501A (ja) * 2018-03-09 2019-09-19 株式会社日立製作所 軌道計画装置、軌道計画方法、及び生産システム
JP2019159767A (ja) * 2018-03-13 2019-09-19 オムロン株式会社 演算装置、演算方法、及びそのプログラム

Also Published As

Publication number Publication date
KR20220039205A (ko) 2022-03-29

Similar Documents

Publication Publication Date Title
KR102522511B1 (ko) 다자유도 로봇 제어방법 및 시스템
US10331104B2 (en) Machine tool, simulation apparatus, and machine learning device
US6445964B1 (en) Virtual reality simulation-based training of telekinegenesis system for training sequential kinematic behavior of automated kinematic machine
US6004016A (en) Motion planning and control for systems with multiple mobile objects
Schmitt et al. Modeling and planning manipulation in dynamic environments
US11975451B2 (en) Simulation-in-the-loop tuning of robot parameters for system modeling and control
KR20200033805A (ko) 다관절 로봇의 액추에이터들을 제어하기 위한 시스템 및 방법
CN110856934B (zh) 规划使用机器人系统抬起重物的运动的方法
Lin et al. Prescribed performance based sliding mode path-following control of UVMS with flexible joints using extended state observer based sliding mode disturbance observer
Liu et al. Learning peg-in-hole assembly using Cartesian DMPs with feedback mechanism
Wirnshofer et al. State estimation in contact-rich manipulation
CN114051444A (zh) 借助于至少一个机器人执行应用
Oguz et al. Progressive stochastic motion planning for human-robot interaction
Izadbakhsh et al. Superiority of q-Chlodowsky operators versus fuzzy systems and neural networks: Application to adaptive impedance control of electrical manipulators
Petrovic et al. Sim2Real Deep Reinforcement Learning of Compliance-based Robotic Assembly Operations
Mohammad Hossein Fallah et al. Conjugated visual predictive control for constrained visual servoing
Al-Shuka et al. Adaptive hybrid regressor and approximation control of robotic manipulators in constrained space
WO2021250923A1 (ja) ロボットシステム、制御装置、及び制御方法
JP2023075884A (ja) 動的動作計画システム
CN114114902A (zh) 机器控制装置
Friedrich et al. Maintenance automation: Methods for robotics manipulation planning and execution
Zhang et al. A teleoperating system for underwater manipulator to practice a time limit task
Clegg Self-tuning position and force control of a hydraulic manipulator
Fjerdingen et al. A learning camera platform for remote operations with industrial manipulators
Sita et al. Robot companion for industrial process monitoring based on virtual fixtures

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant