Forschungsprojekte
© Universität Bielefeld
FlexIRob
Motion Learning an ihren Fingerspitzen
Roboter in die Lage zu versetzen, zu Mitarbeitern zu werden, die effizient und sicher mit dem Menschen kollaborieren, ist ein großes Ziel der aktuellen Robotikforschung. Im CoR-Lab der Universität Bielefeld nutzen Forscher Lern- und Interaktionstechnologien für die Steuerung von nachgiebigen Robotern wie dem KUKA Leichtbauroboter (LWR), um eine solche Mensch-Roboter-Interaktion zu realisieren. Die Forschungsergebnisse fließen kontinuierlich in das Vorzeige-Robotersystem "FlexIRob" ein, das eine Testumgebung für flexible Roboterkollegen und fortgeschrittene Mensch-Roboter-Kollaborationsszenarien bietet.
In seinem aktuellen Aufbau erlaubt FlexIRob, einem redundanten Roboter verschiedene Nullraumeinschränkungen in verschiedenen Bereichen des Arbeitsraums beizubringen. Benutzer ohne besondere Robotikkenntnisse können diese Aufgabe in physischer Interaktion mit dem nachgiebigen Roboter durchführen, um beispielsweise eine Arbeitszellenumgebung neu zu konfigurieren. Nach einer kurzen Trainingsphase löst das gelernte adaptive Mapping das inverse Kinematikproblem des Roboters. Sie ist in die Bewegungssteuerung des Systems eingebettet und ermöglicht so die Ausführung beliebiger Bewegungen im Aufgabenraum unter Berücksichtigung der gelernten Nullraumbeschränkungen. Dies ist ein großer Schritt in Richtung unserer Vision eines flexiblen Roboter-Co-Worker-Systems, da es die komplexe manuelle Programmierung vermeidet, die Standardmethoden für diese Aufgabe bisher erforderten.
Für das FlexIRob-Szenario hat die Gruppe Cognitive Systems Engineering am CoR-Lab eine Systemarchitektur für die Steuerung von nachgiebigen Robotern, insbesondere für den KUKA LWR, entwickelt, die eine Reihe von kohärenten Werkzeugen für die High-Level-Simulation, die Programmierung von einzelnen und die Wiederverwendung von kompletten Lern- oder Interaktionskomponenten bereitstellt. Das Lernen in diesem System wird mit Hilfe von neuronalnetzbasierten Lernalgorithmen realisiert, wie z.B. der am CoR-Lab in der Forschungsgruppe Cognitive Robotics entwickelten Backpropagation-Decorrelation-Lernmethode.
Die folgenden Videos zeigen das Einlernen unterschiedlicher Redundanzauflösungen in verschiedenen Teilen des Arbeitsraums und die Ausführung von Bewegungen durch den Roboter, die an seine Umgebungsbedingungen angepasst sind.
Die FlexIRob-Einstellung wird als technische Basis in mehreren Projekten verwendet, darunter die it's OWL Mensch-Maschine-Interaktion, CogIMon und CoHRoS.