Whole-body dynamic behavior and control of human-like robots. Analisi di un articolo del dipartimento di scienze informatiche dell’università di Stanford. Claudio Sergio Mattioni Mattia Munari

Vantaggi della robotica umanoide Possibilità d’utilizzo delle stesse infrastrutture create per le persone. Maggior facilità di cooperazione con gli uomini. Possibilità di programmazione tramite apprendimento per imitazione. Interfacce comunicative più semplici. L’essere umano come oggetto di studio per il perfezionamento del robot e dei suoi modelli: meccanico, di movimento e di coordinazione.

Svantaggi della robotica umanoide. Grande complessità di realizzazione. Difficoltà di eseguire i task a causa del numero di parametri da controllare in contemporanea. Grande complessità della logica di controllo, e pianificazione. Pianificazione in tempo reale molto difficile. Difficile coordinare il movimento di un end-effector in relazione con il movimento del robot stesso. Numerosi gradi di libertà -> ridondanza cinematica delle configurazioni.

Scopo dello studio Sviluppare un sistema di equazioni che permettano un controllo e pianificazione del movimento con complessità lineare nel tempo. Integrare il controllo dei comportamenti tenendo conto della postura e del movimento dell’intero corpo. Possibilità di specificare i movimenti ad un alto livello di astrazione. Verificare il sistema di controllo proposto con simulazioni in ambiente virtuale SAI.

Punti di forza dello studio Efficienza, generalità di applicazione, e semplicità del sistema proposto. Priorità dei task di movimento. Rilevamento di conflitti. Generazione real-time delle traiettorie -> soluzione ottimale rispetto a: Supervised Learning Rapid motion planning Descrizione esplicita delle traiettorie.

Svolgimento dello studio Analisi del movimento naturale del corpo umano tramite tecniche di motion-capture. Modellizzazione degli schemi del movimento naturale umano tramite potenziali energetici. Sviluppo del sistema di pianificazione e di controllo orientato all’ottenimento della minimizzazione dei potenziali e alla gestione di task multipli.

Svolgimento dello studio Identificazione dei comportamenti di movimento. Ciascun comportamento implica il movimento di diversi giunti con diversi gradi di libertà. Ragionando con i comportamenti si ha un’astrazione superiore che riduce il numero di “gradi di libertà”. Ipotesi di studio: presenza di un comportamento primario e di una postura ad esso associata.

Svolgimento dello studio Decomposizione dei compiti di controllo Partendo dalla classica equazione della dinamica nello spazio dei giunti: Dopo una serie di trasformazioni matematiche possiamo esprimerla nello spazio del singolo task. Possiamo dividere quindi la relazione di forza/torsione nelle componenti relative al task e alla postura:

Svolgimento dello studio Controllo e comportamento dinamico della postura. Grazie alla decomposizione dei compiti di controllo, raggiungiamo la seguente formula: La precedente ci permette di controllare dinamicamente il robot data la postura corrente e il comportamento voluto. Per arrivare a: Che è l’equazione che governa dinamicamente il moto del robot regolando direttamente le forze da applicare ai giunti.

Simulazione e Verifica Per la verifica si è confrontato il comportamento del controllore dinamico con uno statico. Il confronto è stato effettuato in un ambiente di simulazione SAI. Questo ambiente permette di avere una visualizzazione 3D in tempo reale del simulato.

Svolgimento della simulazione Sono stati eseguiti due esperimenti: Il primo prevede il task di mantenere una posizione fissata per la mano (T) mentre il comportamento secondario è quello di oscillare il gomito in modo sinusoidale. Nella prima simulazione effettuata con il controllore non dinamico abbiamo un sistema poco performante. Nella seconda simulazione effettuata con il controllore dinamico abbiamo un risultato molto accurato

Svolgimento della simulazione Il secondo esperimento prevede come task primario lo stesso del primo esperimento. Il task secondario invece è di minimizzare l’errore quadratico medio tra gli angoli di giunto effettivamente ottenuti e la configurazione voluta dei giunti stessi. Nel primo caso vediamo il comportamento tipico di un sistema dinamico del second’ordine con l’oscillazione smorzata dell’errore attorno al valore d’equilibrio. Nel secondo caso abbiamo una tendenza esponenziale all’errore che risulta inferiore.

Conclusioni riguardo all’articolo Punti positivi Ottimo approccio alla soluzione del problema di controllo Grande semplificazione del controllo nonostante i numerosi gradi di libertà Ottenuto un controllore che riesce ad imitare il sistema nervoso umano nell’eseguire task multipli con un sistema di priorità Si sono raggiunti con successo gli obiettivi del caso di studio a giudicare dai risultati delle simulazioni

Conclusioni riguardo all’articolo Punti negativi Passaggi matematici nebulosi e mancanti Non sono sempre chiari i parametri delle formule quando vengono introdotti Scritto in maniera troppo frazionata da diverse persone; ciò porta a ripetizioni e a qualche mancanza nei passi logici Non sono chiare da subito le differenze tra task, postura e comportamenti Eccessiva ridondanza in alcuni punti a scapito di chiarezza espositiva in altri