Viele Industrieroboter sind deutlich stärker als der Mensch, dabei aber sehr unflexibel. Beispielsweise kann der Mensch einen Gegenstand viel weiter werfen und viel eleganter auffangen, indem in den elastischen Sehnen und Muskeln Energie „zwischengespeichert“ wird. Solche flexiblen Aktuatoren erfordern jedoch wesentlich anspruchsvollere Regelalgorithmen als bei herkömmlichen Robotern zur Anwendung kommen.
Laufzeit
2008-08-31 bis 2011
Projektpartner
• Université Paris Descartes - CNRS • Deutsches Zentrum Für Luft und Raumfahrt (DLR) • University of Edinburgh • IDSIA • Technische Universiteit Delft
Ziel des STIFF-Konsortiums ist es, ein stark biomimetisch geprägtes Roboter-Hand-Arm-System mit der Agilität, Robustheit und Flexibilität auszustatten, die den menschlichen Bewegungsapparat kennzeichnen, indem die Paradigmen der variablen Steifigkeit, die vom zentralen Nervensystem des Menschen so effektiv eingesetzt werden, zu analysieren und nachzuahmen. Ein wichtiger Bestandteil unserer Studie ist die anatomisch korrekte Nachahmung des Bewegungsapparates des menschlichen Arms und der menschlichen Hand. Im Rahmen des Projekts sollen neuartige Methoden entwickelt werden, um zu analysieren, wie der menschliche Arm seinen mechanischen Widerstand anpassen kann, z. B. durch eine Veränderung der Intensität der gleichzeitigen Muskelkontraktion oder durch Anpassungen der Reflexverstärkung. Die Widerstände von Arm und Hand werden mithilfe von leistungsstarken Robotermanipulatoren untersucht, die in der Lage sind, störende Krafteinwirkungen zu erzeugen. Während Steifigkeit und Elastizität gegenwärtig im Rahmen künstlicher Laboraufgaben genutzt werden, werden wir das steifheitsabhängige Verhalten bei der Ausführung natürlicher Aufgaben wie dem Werfen eines Balls oder dem Einführen eines Stifts in eine Öffnung untersuchen. Die bestehenden, auf einem geschlossenen Regelkreis basierenden Erkennungsmechanismen werden um nichtlineare zeitvariante Methoden erweitert, um das Verhalten bei Reich- und Greifaufgaben zu analysieren. Die Greifkraftmodulation und die Handmuskelaktivitätskorrelationen werden durch maschinelle Lerntechniken erfasst und dann auf das Robotersystem übertragen. Schließlich werden Optimierungsmethoden, die zusammengetragen und auf dem biophysikalischen Detailmodell validiert werden, auf die Variable-Impedanz-Aktoren (VIA) des neuartigen biomorphen Roboters übertragen.
