Συντάχθηκε 17-06-2015 10:15
από Esthir Gelasaki
Email συντάκτη: egelasaki<στο>tuc.gr
Ενημερώθηκε:
17-06-2015 12:22
Ιδιότητα: υπάλληλος.
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΚΟΥΣΑΝΑΚΗΣ ΒΑΣΙΛΕΙΟΣ
με θέμα
Βιολογικά-εμπνευσμένος έλεγχος κίνησης του ανθρωποειδούς ρομπότ ΝΑΟ με χρήση Κεντρικών Γεννητριών Προτύπων.
Bio-inspired Motion Control of the Humanoid Robot NAO using Central Pattern Generators (CPGs)
Παρασκευή 19 Ιουνίου 2015, 1 μμ
Αίθουσα Συνεδριάσεων Σχολής ΗΜΜΥ, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Σταυρακάκης (ΗΜΜΥ) (επιβλέπων)
Δρ. Δημήτρης Π. Τσακίρης (ΙΠ-ITE)
Αναπληρωτής Καθηγητής Μιχαήλ Γ. Λαγουδάκης (ΗΜΜΥ)
Περίληψη
Οι πρόσφατες εξελίξεις, τόσο στα υπολογιστικά συστήματα, όσο και στα μηχανικά μέρη των ρομποτικών συστημάτων, επέτρεψε την διερεύνηση και νέων προκλήσεων, όπως την δημιουργία ανθρωποειδών ρομπότ, με τη δυνατότητα να αντιμετωπίζουν τα περίπλοκα περιβάλλοντα στα οποία κινείται ο άνθρωπος. Αρκετές μελέτες επικεντρώνονται στην κίνησή τους, στον έλεγχό της, όπως και στον τρόπο που αυτά τα ρομπότ αλληλεπιδρούν με ανθρώπινα εργαλεία, αλλά και με τον ίδιο τον άνθρωπο. Η αυξανόμενη πολυπλοκότητα στο σχεδιασμό του σώματός τους, καθιστά αναγκαία την χρήση ακόμη πιο εξελιγμένων μεθόδων ελέγχου της κίνησής τους. Αναζητώντας τέτοιες μεθόδους, οι επιστήμονες της ρομποτικής στράφηκαν προς την μελέτη έμβιων οργανισμών, οι οποίοι μπορούν να επιδείξουν αξιοσημείωτη ευρωστία και προσαρμοστικότητα στην κίνησή τους. Ένα βασικό συστατικό του ελέγχου αυτής της κίνησης είναι νευρωνικά δίκτυα, που ονομάζονται Κεντρικές Γεννήτριες Προτύπων (Central Pattern Generators – CPGs), που βρίσκονται στην σπονδυλική στήλη αρκετών οργανισμών, και τα οποία είναι σε μεγάλο βαθμό υπεύθυνα για την παραγωγή των σημάτων ελέγχου κατά την διάρκεια ρυθμικών κινήσεων των οργανισμών. Ένα από τα βασικά χαρακτηριστικά αυτών των δικτύων είναι ότι μπορούν να παράγουν ρυθμικές συμπεριφορές, ακόμη και χωρίς την παρουσία αισθητηριακής πληροφορίας. Η αναπαραγωγή αντίστοιχων μηχανισμών ελέγχου κίνησης σε ανθρωποειδή ρομπότ συνιστά μία σημαντική πρόκληση.
Σε αυτή την διπλωματική εργασία, γίνεται προσπάθεια, με τη χρήση κεντρικών γεννητριών προτύπων, να επιτευχθεί η αναπαραγωγή σταθερού περπατήματος στον εξομοιωτή Webots, για το ανθρωποειδές ρομπότ NAO της εταιρίας Aldebaran Robotics. Το είδος των CPGs που επιλέχθηκε να χρησιμοποιηθεί έχει σαν βάση του τον μη-γραμμικό ταλαντωτή Hopf, ο οποίος μπορεί να αναπαράγει σε ένα ικανοποιητικό βαθμό τις τροχιές των αρθρώσεων του ανθρωποειδούς που παράγονται κατά το περπάτημα. Η διαδικασία που ακολουθήθηκε ξεκινάει από την καταγραφή των τροχιών των αρθρώσεων με κατάλληλους αισθητήρες, την εκμάθηση των σημάτων αυτών μέσω του CPG, και, στη συνέχεια, του ελέγχου των αρθρώσεων του ρομπότ μέσω των CPGs, με σκοπό την αναπαραγωγή του περπατήματος. Η παραπέρα βελτιστοποίηση των CPGs έγινε μέσω κατάλληλης εξελικτικής διαδικασίας, με τη χρήση γενετικών αλγορίθμων. Για την υλοποίηση της διαδικασίας αυτής χρησιμοποιήθηκαν κατάλληλες αντικειμενικές συναρτήσεις που εξελίσσουν τις παραμέτρους των CPGs, με σκοπό να βελτιώσουν την απόκριση του συστήματος ελέγχου της κίνησης του ανθρωποειδούς ρομπότ κατά το περπάτημα.
Επιπλέον, αυτή η διπλωματική εργασία μελετάει, με ρομποτικά πειράματα στο ίδιο το ρομπότ NAO, την ευστάθεια του περπατήματος που έχει υλοποιηθεί από την κατασκευάστρια εταιρία, σε περιβάλλοντα με σκαλιά, επικλινείς επιφάνειες, καθώς και σε επιφάνειες με εμπόδια και άμμο.
Abstract
Recent advances in computing and hardware have enabled the development of more complex robotic systems, like humanoid robots with the ability to interact with complex environments where humans live and act. Robotics research has addressed the problem of locomotion of such robots and the way that they interact with humans. However, the increasing complexity in the design of humanoid robots necessitates the development of ever more satisfactory motion control methodologies. Towards that purpose, research in robotics has been inspired by the study of living organisms, which demonstrate robust and adaptable locomotor behavior. Key components of their motion control are neural networks, called Central Pattern Generators (CPGs), which are often located on the spine of their bodies, and are responsible for the production of rhythmic control signals during walking, running, swimming or flying, even in the absence of sensory feedback. Reproducing such motion control schemes in humanoid robots represents a significant challenge, made even more important due to the need to control fast and efficiently a large number of degrees of freedom in such robots.
In this thesis, an attempt is made to set up and exploit a CPG-based motion control strategy, in order to achieve stable walking locomotion for the simulated humanoid robot NAO, developed by the company Aldebaran Robotics. The Webots simulator and Matlab are the main computing tools used. The CPG scheme implemented is based on the Hopf nonlinear oscillator, which is able to reproduce the joint trajectories of the robot during walking in a satisfactory way. We started by recording the joint trajectories of the robot during walking, and, then, these trajectories are learned by the CPGs via a Hebbian learning process. Subsequently, the CPG network generates the desired joint trajectories, which give rise to walking behavior of the humanoid robot. Furthermore, an evolutionary optimization process, based on genetic algorithms, is employed, for fine tuning the CPG parameters via appropriate objective functions.
Moreover, this thesis studies, via robotic experiments on the NAO robot itself, the robustness of its built-in walking behavior on steps, inclines, as well as on rugged and granular substrates.
