Mobile Manipulation

Viele Hausarbeiten erfordern es Werkzeuge über eine große Fläche zu bewegen. Das wichtigste Beispiel für eine solche Aufgabe ist die Reinigung, wobei ein Reinigungsgerät entlang einer schmutzigen Oberfläche geführt wird. Die Ausrichtung des Wekzeuges, die Bewegungsrichtung, sowie die ausgeübte Kraft und die eingestellte Steifigkeit sind dabei entscheidende Aspekte für das Reinigungsergebnis. Diese Parameter können aber nur berücksichtigt werden, wenn die Planungsebene und die Regelungsebene aufeinander abgestimmt sind. Weiterhin muss der Roboter optimal ausgerichtet sein um die komplette Region abzudecken.  

Rollin' Justin: Window Cleaning / Fensterreinigung
Dieses Video zeigt den humanoiden Roboter „Rollin' Justin" des Deutschen Zentrums für Luft- und Raumfahrt (DLR) beim Fenster reinigen, einem typischen Beispiel für Ganzkörpermanipulation. Hybride Planung wird eingesetzt um die optimale Position des Roboters unter Berücksichtigung der Aufgabe zu bestimmen. Zusätzlich werden die Regelungsparameter für das nachgiebige Verhalten während dieser Planungsphase bestimmt. So kann der Roboter Ungenauigkeiten und externe Einflüsse kompensieren, während die Aufgabe erfüllt wird.

Mobile Manipulation

Erreichbarkeitskarten, für die Manipulatoren des Roboters, werden zusammen mit Objektwissen verwendet, um den Roboter optimal zu Positionieren:

  • Die Basisposition sowie die Trosokonfiguration werden optimiert.
  • Wohin der Roboter sich bewegen soll, wird während der geometrischen Planung bestimmt.
  • Ein A* Planungsmodul berechnet anschließend die Trajektorie zum Zielpunkt.

Parametrisierung der Regelungsebene

Eine o

ptimale Positionierung eines redundanten Manipulators gewährleistet eine höhere Erreichbarkeit und damit mehr Raum für:

  • Selbstkollisionsvermeidung,
  • Einhalten objektspezifischer Kontaktkräfte,
  • Reaktion auf äußere Störungen und Ungenauigkeiten.

Die Regelungsstrategien werden hierzu durch den Einsatz von Nullraumprojektionen hierarchisch angeordnet.

Erreichbarkeitskarten werden zusammen mit Objektwissen verwendet, um den Roboter optimal zu Positionieren.

Ausgewählte Veröffentlichungen

Daniel Leidner, Alexander Dietrich, Florian Schmidt, Christoph Borst, and Alin Albu-Schäffer, "Object-Centered Hybrid Reasoning for Whole-Body Mobile Manipulation", to be published in Proc. of the IEEE International Conference on Robotics and Automation, Hong Kong, China, June 2014.

Kontakt

Daniel Leidner

Institut für Robotik und Mechatronik
Kognitive Robotik
Münchener Straße 20, 82234 Oberpfaffenhofen-Weßling