Návrh pohybových vzorů pro magnetický šplhající robot

Abstract

Rychlý pokrok v robotice umožňuje vývoj robotů schopných vykonávat úkoly, které jsou pro člověka nebezpečné nebo fyzicky náročné, jako je inspekce a údržba rozsáhlých ocelových konstrukcí, například mostů či lodních trupů. Tato práce se zaměřuje na návrh adaptivního řízení lokomoce dvounohého magnetického lezoucího robota MinchW. Tento robot využívá elektromagnetickou adhezi a rotační klouby k pohybu po feromagnetických površích, přičemž čelí výzvám, jako jsou gravitační vlivy, nerovnoměrné rozložení hmotnosti a potřeba změny orientace. K ověření řídicích strategií byl v prostředí MuJoCo vytvořen detailní digitální dvojník robota, který umožňuje bezpečné a efektivní testování algoritmů před jejich implementací na fyzický systém. Nejprve byly manuálně navrženy adaptivní vzory pohybu pro zajištění stabilní lokomoce na površích s různou orientací. Následně bylo využito posilované učení jako alternativní metoda pro generování adaptivních dvounohých chodů. Navržené přístupy byly ověřeny na fyzickém robotu řízeném prostřednictvím systému ROS (Robot Operating System), který poskytuje robustní rámec pro komunikaci a správu robotických procesů. V budoucnu může robot MinchW přispět ke snížení rizik pro lidské pracovníky a zvýšení spolehlivosti a efektivity monitorování kritické infrastruktury.

With the rapid advancement of robotics, machines are increasingly being designed to assist in tasks that are hazardous or beyond human physical capabilities. Examples include the inspection and maintenance of large ferromagnetic structures such as bridges and ship hulls. This thesis presents an adaptive locomotion control framework for MinchW, a bipedal inchworm-inspired magnetic climbing robot intended for such applications. The robot exploits electromagnetic adhesion and rotational joints to achieve locomotion on ferromagnetic surfaces, where motion is complicated by gravitational effects, uneven load distribution, and orientation transitions. A digital twin of the robot is constructed in MuJoCo to facilitate the testing and verification of control strategies in simulation prior to deployment on the physical system. Adaptive gaits are first manually designed to enable stable locomotion across different orientations. Subsequently, reinforcement learning is investigated as an alternative approach to generate bipedal adaptive gaits, with the aim of improving flexibility and robustness compared to manually designed strategies. The proposed methods are further validated on physical hardware, with the robot operated through the Robot Operating System (ROS). Looking ahead, MinchW could help reduce risks to human workers while improving the reliability and efficiency of monitoring critical infrastructure.