Planificación de movimiento mediante algoritmo de campos potenciales con optimizacion de parametros aplicado a un manipulador antropomorfico de 6 GLD
DOI:
https://doi.org/10.21754/tecnia.v21i2.848Palabras clave:
Planificación de movimiento, campos potenciales, red neuronal supervisada, cinemática inversa, manipulador robóticoResumen
En este trabajo se desarrolla una variación del algoritmo de campos potenciales para la planificación de trayectorias que evita obstáculos aplicado a un manipulador antropomórfico de 6 grados de libertad. En primera instancia se generó el modelo de cinemática inversa basada en un proceso de control iterativo multivariable, luego se modificó el modelo agregando un vector de rotación obtenido por las fuerzas repulsivas entre el obstáculo y las seis articulaciones del robot de manera que el manipulador pueda encontrar una ruta que evite el obstáculo y alcance una posición objetivo. Este modelo final de cinemática inversa con campos potenciales genera trayectorias que dependen del parámetro de velocidad de optimización y de los coeficientes de campos vectoriales. Con el objetivo de optimizar las trayectorias se generó una base de datos con los puntos iniciales, finales y de obstáculos de diferentes trayectorias con sus respectivos parámetros optimizados para entrenar una red neuronal supervisada. Los resultados muestran que la red neuronal debe entrenarse con una mayor cantidad de datos debido a que se calculan parámetros erróneos para ciertas posiciones iniciales y finales. Finalmente, la simulación del manipulador de 6 grados de libertad que sigue la trayectoria generada por el modelo de cinemática inversa y campos potenciales con los parámetros optimizados calculados empíricamente resultan en un modelo con un comportamiento adecuado logrando evitar los obstáculos.
Descargas
Citas
[2]Borenstein, J., y Koren, Y, "Real-time obstacle avoidance for fast mobile robots”. IEEE Transactions on systems, Man, and Cybernetics, 19(5), 1179-1187, 1989.
[3] Liu, Z., Ai, Q., Liu, Y., Zuo, J., Zhang, X., Meng, W., y Xie, S.,“An Optimal Motion Planning Method of 7-DOF Robotic Arm for Upper Limb Movement Assistance”. In 2019 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM), pp. 277-282. IEEE., jul. 2019.
[4] A. McLean, I. Mazon, “Incremental roadmaps and global path planning in evolving industrial environments”. In Proceedings of IEEE International Conference on Robotics and Automation, 1996, Vol. 1, pp. 101-107.
[5] N. Sleumer, N. Tschichold-Gürmann. “Exact cell decomposition of arrangements used for path planning in robotics”. Technical report/ETH Zürich, Department of Computer Science 329, 1999.
[6] T. Mac, C. Copot, D. Tran y R. De Keyser, “Heuristic approaches in robot path planning: A survey”, Robotics and Autonomous Systems, vol. 86, pp. 13-28, Dec. 2016.
[7] F. Cosío y M. Padilla Castañeda, “Autonomous robot navigation using adaptative potential fields”, Mathematical and computer modelling, vol. 40, no. 9-10, pp. 1141-1156, Nov. 2004.
[8] H. Shen, H. Wu, B. Chen, Y. Jiang y C. Yan, “Obstacle avoidance algorithm for 7-DOF redundant anthropomorphic arm”, Journal of Control Science and Engineering, vol. 2015.
[9] E. Conkur, “Path planning using potential fields for highly redundant manipulators”, Robotics and Autonomous Systems, vol. 52, no. 2-3, pp. 209-228, Aug. 2005.
[10] Rajendran, P., Thakar, S., Bhatt, P. M., Kabir, A. M. y Gupta, S. K, “Strategies for speeding up manipulator path planning to find high quality paths in cluttered environments”. Journal of Computing and Information Science in Engineering, 1-27, 2020.
[11] Corke, P. I. “A simple and systematic approach to assigning Denavit–Hartenberg parameters”. IEEE transactions on robotics, 23(3), 590-594, 2007.
[12] Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ... y Vanderplas, J. (2011). Scikit-learn: Machine learning in Python. The Journal of machine learning research, 12, pp. 2825-2830.
Descargas
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Los artículos publicados por TECNIA pueden ser compartidos a través de la licencia pública internacional Creative Commons: CC BY 4.0. Permisos lejos de este alcance pueden ser consultados a través del correo tecnia@uni.edu.pe