In Kooperation mit der Daimler Benz AG, Abteilung Forschung und Systemtechnik in Berlin ist eine Software-TeachBox entstanden. Diese TeachBox soll es ermöglichen den Manipulatorarm der Firma amtec mit 6 Drehgelenken und einem Greifer zu steuern. Es soll darauf aufbauend möglich sein den Arm im Betrieb zu testen sowie Untersuchungen für nachfolgend zu entwickelnde Software durchzuführen.

Betreuung: Prof. Dr.-Ing. G. Hommel, Prof. Dr. P. Pepper
Technische Universität Berlin, Institut für Technische Informatik, Fachgebiet Prozeßdatenverarbeitung und Robotik
in Kooperation mit der Daimler Benz AG Forschung und Systemtechnik Berlin / Intelligente Systeme

Die Diplomarbeit ist im Rahmen der Entwicklung eines autonomen Service-Roboters entstanden. Dieser mobile Roboter wird bei der Daimler Benz AG, Abteilung Forschung und Systemtechnik in Berlin, für die Entwicklung von Verfahren zur Navigation und Manipulation eingesetzt. Er ist Teil des Forschungsprojekts "Autonomer Service Roboter" (ASR).

Der Roboter ist mit einem Manipulatorarm ausgestattet. Zwischen Handgelenk und Endeffektor des Manipulators ist ein Kraft-/Momentensensor angebracht. Auf der mobilen Plattform sind zwei Bordrechner installiert. Für die Manipulatorsteuerung wird jedoch nur ein Rechner benutzt.

Ziel der Arbeit war es, eine funktionale Schnittstelle zwischen dem menschlichen Bediener und der Manipulator-Hardware zur Verfügung zu stellen sowie die Manipulation in die Struktur der Steuerungssoftware des Roboters einzubinden. Zum einen sollte eine interaktive Benutzungsschnittstelle entwickelt werden, mit der alle Möglichkeiten des Manipulators unterstützt und bedienbar sind. Zum anderen sollte die Steuerungssoftware den Manipulator als Betriebsmittel neben der mobilen Plattform und der Sensorik nutzen können.

Das Programmsystem soll auf PC-kompatiblen Rechnern unter dem Betriebssystem QNX (Echtzeitbetriebssystem der Firma QNX Software Systems Ltd., Kanada) arbeiten. Die im ASR-Projekt vorgenommenen Erweiterungen von Systemfunktionen, das Versionsverwaltungssystem und die allgemeine Programmstruktur sind so weit möglich übernommen worden.

Aus der existierenden bildschirm- und tastaturorientierten "Software-Teach-Box" entstand ein System aus verschiedenen verteilten Prozessen mit grafischer Bildschirmoberfläche. Alle Funktionen werden dabei dargestellt, Einstellungen können interaktiv vorgenommen werden und sind durch sofortige Rückmeldungen über Beobachtung des Manipulators und des Terminals nachvollziehbar.

Als Erweiterung des bestehenden Konzeptes der Terminalbedienung sollte ein Verfahren implementiert werden, das es ermöglicht, mit vom Menschen direkt auf den Manipulator ausgeübten Kräften Position und Orientierung des Armes zu verändern. Zur Erfassung der Werte von Kräften und Momenten wird der montierte Kraft-/Momentensensor verwendet. Damit soll ein unkompliziertes Erlernen von Bewegungen erreicht werden, um auf einfachem Wege vollständige Trajektorien zu speichern. Mit diesem Verfahren soll auch die Grundlage für erlerntes Greifen, Transportieren und Ablegen von Objekten geschaffen werden.

Die so gelernten Bewegungen sind nach Objekttyp und Handhabungsort klassifizierbar. Verschiedene Bewegungsbahnen einer Klasse sollen zum Ausgleich von Positionierungsungenauigkeiten der mobilen Plattform dienen. Hierfür sollten Verfahren entwickelt und Schnittstellen nach den Erfordernissen des Gesamtsystems implementiert werden.

Aufbauend auf die Realisierung der kraftgeführten Bewegung sollen Ansätze und Implementierungen beschrieben werden, die es in der späteren Entwicklung ermöglichen, Manipulator und mobile Plattform gleichzeitig zu bewegen.

Betreuung: Prof. Dr.-Ing. G. Hommel, Zweitgutachter: Prof. Dr. P. Pepper
Technische Universität Berlin, Fachbereich Informatik, Fachgebiet Prozeßdatenverarbeitung und Robotik
in Kooperation mit der Daimler Benz AG

In der industriellen Fertigung werden Roboterarme für gleichförmige, immer wiederkehrende Tätigkeiten eingesetzt. Im Vordergrund steht hierbei meist die Effizienz, mit der der Roboterarm die entsprechende Aufgabe erfüllt. Die Effizienz hängt z.B. von der Geschwindigkeit, der Beschleunigung, der hohen Wiederholgenauigkeit ab, und natürlich von den dadurch minimierten Kosten, die uns aber hier nicht interessieren sollen. Umgangsprachlich könnte man sagen, dem Roboterarm wird beigebracht, was er tun soll. Dies kann durch hochbezahlte Fachkräfte geschehen, die alle Bewegungen, die der Arm später ausführen soll, von Hand durch Benutzung einer sogenannten Teach Box, mit der man den Arm von Hand steuern kann, abfahren; diesen Vorgang nennt man Teach In. Eine andere Möglichkeit, dem Roboterarm beizubringen, was er tun soll, sind Verfahren zur automatischen Bahngenerierung. Die Verfahren zur automatischen Bahngenerierung stecken jedoch noch in den Kinderschuhen und werden noch nicht auf breiter Front eingesetzt. Beide Verfahren sind sehr langwierig und können bis zu mehreren Tagen dauern.

Das Ergebnis beider Herangehensweisen sind kollisionsfreie Bewegungsbahnen, die sowohl kollisionsfrei mit allen, den Roboter umgebenden Hindernissen sind, als auch Kollisionen des Arms mit sich selbst ausschließen. Die so entstandenen Bewegungsbahnen können nun beliebig oft abgefahren werden, ohne daß eine Kollision auftritt, solange man die Umgebung des Roboterarms nicht verändert. Verändert sich die Umgebung des Arms derart, daß nun ein Hindernis so plaziert ist, daß eine oder mehrere Bewegungsbahnen nicht mehr kollisionsfrei ausgeführt werden können, müssen neue Bahnen generiert oder die bestehenden modifiziert werden. Auch dieser Vorgang ist sehr aufwendig und zeitintensiv.

Für Manipulatorarme, die nicht ortsfest, sondern auf mobile Plattformen montiert sind, können die oben genannten Verfahren nur sehr bedingt angewendet werden. Zum einen will man autonom agieren und Gegenstände manipulieren, auch wenn kein Mensch zugegen ist, der die Bewegungen des Arms steuert, zum anderen will man nicht vor jeder Bewegung des Arms mehrere Tage warten müssen. Dabei nehmen die Anforderungen an Ausführungsdauer und Energieverbrauch bei der Bahngenerierung bei mobilen Plattformen einen weitaus geringeren Stellenwert ein und sind zu vernachlässigen, da die Bewegungsbahnen häufig nur wenige Male ausgeführt werden und die Energieoptimalität zugunsten längerer Berechnungszyklen erkauft werden müßte. Entscheidend ist vielmehr das flexible Reagieren auf die ständige Veränderung der Umgebung des Manipulators. Auch die Kompensation von Positonsfehlern der Plattform durch ungenaues Docken wird gefordert.

Das entwickelte Verfahren zur Kollisionserkennung und das hierauf basierende Verfahren zur Wegplanung beruhen auf der Betrachtung der Lagebeziehung und der Abstandsberechnung verschiedener geometrischer Objekte. Der Arm, der Roboterkörper und die Umgebung werden unter Berücksichtigung ihrer Form bzw. der verfügbaren Sensordaten hierzu durch adäquate geometrische Objekte modelliert.

Um die Zahl der geometrischen Objekte, deren Position es für jede Konfiguration neu zu berechnen gilt, gering zu halten, und dennoch eine möglichst hohe Übereinstimmung mit der Realität zu erreichen, wurde, wie bereits beschrieben, ein Kompromiß zwischen Kugeln, für die die Abstandsberechnung besonders einfach ist, und einer exakten Modellierung durch Flächen gewählt und der Arm durch insgesamt 13 Zylinder modelliert. Der Roboterkörper wurde durch 18 rechteckige Flächen modelliert, alle Hindernisse durch Punktwolken.

Die Kollisionserkennung basiert auf Abstandsberechnungen der Zylinder des Arms, den Flächen der Plattform und den Punkten der Hindernisse.

Für die Wegplanung wurde ein Trajektoriennetz, welches Kollisionsfrei mit dem Roboterkörper ist, berechnet. Auf diesem Trajektoriennetz wird mittels des von Dantzig und Dijkstra entwickelte Algorithmus (A* mit Restwegschätzung 1) ein Weg gesucht. Wurde ein Weg gefunden, wird eine Kollisionsprüfung durchgeführt und ggf. weitergesucht.

Die entwickelten Verfahren und deren Umsetzung repräsentieren eine effiziente Lösung der gestellten Aufgabe. Es ist gelungen, ein robustes, schnelles und echtzeitfähiges Verfahren zur Kollisionserkennung des Arms mit sich selbst, dem Roboterkörper, dem Sensorkopf und Hindernissen der Umgebung des Roboters zu realisieren.

Die Wahl von Zylindern zur Modellierung des Arms stellte sich als richtige Entscheidung heraus, da sie die geometrischen Eigenschaften des Arms hinreichend gut approximieren, durch ihre leichte mathematische Handhabbarkeit aber den Aufwand für Abstandsberechnungen gering halten. Die Einschränkung der entwickelten Bibliothek zur Abstandsberechnung auf rechteckige Flächen hingegen war eher eine Behinderung der Entwicklung.

Die Heuristik zur Auswahl der betrachteten Hindernispunkte bei der Bewegung des Arms reduziert den Berechnungsaufwand zur Kollisionserkennung auf einen Bruchteil, was sich besonders bei der kraftgeführten Bewegung bemerkbar macht.

Die Experimente, die mit dem Verfahren zur Wegplanung zeigen, daß die Ausnutzung des Wissens über die Kollisionsfreiheit mit dem Roboterkörper der Trajektorien aus der Datenbasis einen positiven Einfluß auf das Laufzeitverhalten der Bahn generierung hat. Ein weiterer Vorteil ist die Integration von bestimmten Eigenschaften der Bewegungsbahnen, sogenannter Constraints, aus denen die Datenbasis generiert wird. So werden z.B. bei entsprechender Auswahl der Bahndateien Umstände berücksichtigt, wie z.B. der, daß der Inhalt von Gläsern bei der Ausführung der geplanten Bahnen nicht verschüttet wird.

Die Anwendung der entwickelten Verfahren auf ähnliche Systeme ist prinzipiell möglich, da die Verfahren weitestgehend allgemein gehalten wurden. Die Portierung der Software auf andere Systeme ist ohne großen Aufwand möglich, da der Quellcode in C geschrieben und streng modular aufgebaut ist.

Betreuung: Prof. Dr.-Ing. G. Hommel, Prof. Dr.-Ing. D. Filbert
Technische Universität Berlin, Institut für Technische Informatik, Fachgebiet Prozeßdatenverarbeitung und Robotik
in Kooperation mit der Daimler Benz AG Forschung und Systemtechnik Berlin / Intelligente Systeme

...
 
 

Betreuung: Prof. Dr.-Ing. G. Hommel
Technische Universität Berlin, Institut für Technische Informatik, Fachgebiet Prozeßdatenverarbeitung und Robotik
in Kooperation mit der Daimler Benz AG Forschung und Systemtechnik Berlin / Intelligente Systeme

...