عنوان پایان‌نامه
یادگیری جابجایی ماهرانه اشیاء توسط ربات با بازوهای چرخ انگشتی
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: E 2110;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 54565
- تاریخ دفاع
- ۳۰ شهریور ۱۳۹۱
- دانشجو
- محمدسینا پرستگاری
- استاد راهنما
- مجید نیلی احمدآبادی, بابک نجاراعرابی
- چکیده
- در این پایان¬نامه، به استخراج روش¬های برنامه¬ریزی جابه¬جایی ماهرانه اشیاء از عملکرد انسان برای کنترل ربات¬های چرخ¬انگشتی می¬پردازیم. ربات چرخ¬انگشتی از یک یا چند بازوی مصنوعی تشکیل شده که در انتهای هر بازو، یک چرخ فعال به عنوان بند آخر وجود دارد. مزیت اصلی ساختار چرخ-انگشتی، قابلیت غلتش چرخ بر روی جسم تحت تماس است. این قابلیت، امکان جابه¬جایی نقطه تماس انگشت با جسم به صورت مستقل از دیگر مفاصل بازو را به ربات می¬دهد و باعث گسترش فضای کار ربات (Work Space) در مقایسه با یک ربات معمولی با تعداد درجات آزادی برابر می¬شود. برای کنترل مفاصل یک بازوی چرخ¬انگشتی به منظور جابه¬جایی اجسام نیاز به آنالیز کینماتیکی مسئله وجود دارد. آنالیز کینماتیکی بازو به همراه چرخ¬ها و هندسه جسم در حالت کلی می¬تواند مسئله پیچیده¬ای باشد که نیاز به محاسبات ریاضی پیچیده دارد. در واقع برای حالتی که شکل جسم به صورت هندسی نباشد انجام محاسبات بسیار مشکل می¬شود. در این طرح، با اضافه کردن یک روند "یادگیری" به ربات چرخ¬انگشتی مسئله کنترل مفاصل بازو به روش هوشمندانه انجام می¬شود. هدف از انجام این کار کاهش حجم محاسبات و بهبود کنترل بازو است. روند یادگیری به این شکل است که یک پروسه یادگیری جابه¬جایی اجسام به وسیله انگشتان چرخ¬دار برای انسان طراحی می¬شود. به این منظور انگشت¬های مصنوعی مجهز به چرخ فعال برای انسان ساخته می¬شوند که شخص با استفاده از آنها به جابه¬جایی اجسام می¬پردازد. سپس از طریق داده برداری از انگشتان مصنوعی، مشاهده تصویری (Visual Observation) عمل شخص و مصاحبه با شخص عامل، از روند یادگیری انسان داده برداری شده و یک روند مشابه برای ربات طراحی و پیاده¬سازی می¬شود. به این ترتیب تجربیات شخص عامل به ربات انتقال یافته عمل یادگیری انجام می¬شود. مزیت این روش یادگیری در آن است که انسان تجربه جابه¬جایی با انگشت چرخ¬دار را ندارد. در نتیجه می¬تواند روند یادگیری این عمل را در ذهن خود تحلیل کرده و اطلاعات آن را در اختیار بگذارد. در نتیجه عمل یادگیری، گزینه¬های اولیه برای یک مسیر مناسب را می¬توان به وسیله اطلاعات قبلی حاصل از یادگیری به دست آورد و با محاسبات کینماتیکی و ارتقای آنها مسیر نهایی مطلوب به دست می¬آید.
- Abstract
- In this dissertation, we address extracting intelligent manipulation techniques from human manipulation skills for wheeled-tip robots. Wheeled-tip robots constitute of one or more artificial fingers with an active wheel at the end of each finger that acts as its fingertip. The main advantage of the wheeled-tip structure is the ability of moving the finger-tip of the robot on the object independently which extends the robot's workspace. Motion planning for this class of manipulators needs kinematic analysis of the object and the robot which could be a very complex task in general. Here we try to imitate motion planning strategies from human learning process of manipulating with artificial wheeled-tip fingers. By extracting and implementing more intelligent motion planning algorithms, we can reduce the computational costs and increase capabilities of the robot in manipulation of any arbitrary shaped object. We study the manipulation learning capabilities of humans on a novel manipulation task, and exploit the planning strategies of the humans learned to work with the system. The learning process is like this: artificial fingers with active wheels at their tip are designed for humans. Volunteers do the manipulation task by using the designed wheeled-tip fingers. Then by getting feedback from the fingers' joints, visual observation of the manipulation task and an interview by the person, we collect the required data to design and implement a similar manipulation process for the wheeled-tip robot. Additional advantage of this learning process is that the volunteers do not have any experience in working with wheeled-tip fingers. Therefore they can analyze the learning process in their mind and tell us the results. As a result, initial motion planning could be done by means of collected intelligent planning strategies and then the final plan could be obtained by refining the initial plans by kinematic analysis.
