Semi-autonome Teleimpedanzregelung auf Basis visueller Erkennung von Objektgeometrie, -material und Umgebungsbezug
Georg Siegemund, Alejandro Díaz Rosales, Arne Glodde, Franz Dietrich, Luka Peternel
IEEE-RAS 23rd International Conference on Humanoid Robots (Humanoids 2024) — IEEE · 2024
Überblick
Teleoperation erlaubt es einer Bedienperson, einen Roboter in komplexen oder unstrukturierten Umgebungen zu steuern. Sobald jedoch physischer Kontakt im Spiel ist, muss die Bedienperson nicht nur die Position vorgeben, sondern auch dafür sorgen, dass die mechanische Interaktion mit der Umgebung angemessen ist.
Diese Forschungsarbeit untersucht einen Shared-Control-Ansatz, bei dem die Bedienperson weiterhin für die Bewegung verantwortlich bleibt, während der Roboter seine Impedanz vor und während der Interaktion autonom anpasst.
Auf einen Blick
Roboterbewegung und Interaktionssteifigkeit gleichzeitig zu steuern erhöht die Arbeitslast der Bedienperson und kann riskant werden, wenn die Eigenschaften der entfernten Umgebung unbekannt sind.
Ein RGB-D-Vision-System erkennt Objektgeometrie, -material und den Bezug des Objekts zu seiner Umgebung. Diese Information wird in eine geeignete Robotersteifigkeit übersetzt, während die Bedienperson die Position des Endeffektors steuert.
Das System passte die Steifigkeit bei Verschraubungs- und Polieraufgaben erfolgreich an. Die Objekt- und Materialerkennung erreichte in den berichteten Experimenten eine Präzision von über 80 %.
Geteilte Steuerung für physische Interaktion
Die Verantwortung ist aufgeteilt: Die Bedienperson steuert die gewünschte Roboterposition, während das autonome System abschätzt, wie steif der Roboter bei der Interaktion mit dem erkannten Objekt sein sollte.
Diese Aufteilung reduziert die Anzahl der Variablen, die die Bedienperson bei einer physischen Interaktionsaufgabe aktiv steuern muss.
Das Objekt vor dem Kontakt verstehen
Die passende Steifigkeit hängt nicht allein vom Material ab: Eine dünne oder unzureichend abgestützte Metallplatte kann eine schonendere Interaktion erfordern als ein dickeres oder besser gestütztes Bauteil aus einem anderen Material.
Die Methode berücksichtigt daher Objektidentität, Material, Geometrie, den Bezug des Objekts zu seiner Umgebungsstützung sowie die aktuelle Interaktionsposition.
Visionsbasierte Objekterkennung
RGB-D-Daten dienen der Objekt- und Materialerkennung, während eine Punktwolkenverarbeitung die Geometrie des Objekts sowie dessen Bezug zur umgebenden Umgebung extrahiert.
Geometriebewusste Steifigkeit
Die erkannten Stützbedingungen werden genutzt, um zu bestimmen, wo ein Objekt mechanisch stärker oder schwächer ist.
Die autonome Regelung kann die Steifigkeit dadurch in mechanisch empfindlichen Bereichen reduzieren, während sie dort höher bleibt, wo das Objekt eine stärkere Interaktion sicher toleriert.
Experimentelle Validierung
Der zentrale Versuchsaufbau kombinierte einen KUKA-LBR-iiwa-Roboter, ein haptisches Force-Dimension-Sigma.7-Gerät und eine Intel-RealSense-D455-RGB-D-Kamera. Untersucht wurden zwei praxisnahe Aufgabentypen: das Eindrehen von Schrauben auf einer Platte und das Polieren einer Fläche.
Die Experimente zeigten eine reibungslose Steifigkeitsanpassung, während die Bedienperson die Kontrolle über die Endeffektorposition behielt. In einem Vergleich an einem unabgestützten Bereich einer Metallplatte reduzierte die geometriebewusste Methode die Durchbiegung von 4,32 mm auf 2,20 mm gegenüber einer rein materialbasierten Steifigkeitsstrategie.
Warum das relevant ist
Semi-autonome Impedanzanpassung kann die Arbeitslast der Bedienperson verringern und die physische Interaktion mit entfernten Umgebungen verbessern — insbesondere, wenn die Bedienperson nur unvollständige Informationen über Objektgeometrie oder mechanische Stützung hat.
Abbildungen
Zitation
Siegemund, G., Díaz Rosales, A., Glodde, A., Dietrich, F., & Peternel, L. (2024). Semi-autonomous Teleimpedance Based on Visual Detection of Object Geometry and Material and its Relation to Environment. 2024 IEEE-RAS 23rd International Conference on Humanoid Robots (Humanoids), pp. 779–786. IEEE.
Interesse an einer Forschungskooperation?
Kontaktieren Sie uns, um gemeinsame Forschung, Datenerhebung oder die angewandte Bewertung neuer Methoden zu besprechen.