Automatická kalibrace pomocí 'sebedotyku' a sebepozorování u dvojrukého průmyslového manipulátoru

Abstract

Přesná kalibrace je klíčový faktor určující chování robotu. Tradiční kalibrační procedury zahrnují různé formy přídavných měřicích zařízení a stávají se nepraktickými, pokud se robot nebo prostředí ve kterém je nasazen často mění. Současným trendem v automatizaci je posun od velkosériové k malosériové výrobě. Zároveň se díky pokroku v měřicí technologii stávají dostupnými pokročilé senzory, jako například kamery, RGB-D a silové senzory. Díky tomu je možné provádět automatizovanou sebekalibraci na základě redundantní informace poskytované těmito senzory. V této práci jsme využili dva prumyslové manipulátory upevněné na společné základně se silovými senzory na koncovém článku a vybavili je: (i) dvěma externími fotoaparáty upevněnými na společné základně manipulátorů, (ii) speciálními koncovými články s referenčními značkami. Po uvedení robotu do kontaktních ("sebedotykových") pozic pomocí silové zpetné vazby jsme sbírali data z obou fotoaparátů a kloubových enkodérů robotu. Použitím metod nelineární optimalizace nejmenších čtverců jsme kvantitativně porovnali výkony kinematické kalibrace pri využití různých kombinací protínajících se kinematických retězců - sebepozorování (pomocí fotoaparátu) nebo sebedotyk, kde je využito omezení dané fyzickým kontaktem.

Accurate calibration is key for the performance of every robot. Traditional calibration procedures involve some form of external measuring apparatus and become impractical if the robot itself or the site where it is deployed change frequently - current trend in automation with shift from mass to small batch production. At the same time, advances in sensor technology make affordable but increasingly accurate devices such as cameras, RGB-D, and force/tactile sensors available, making it possible to perform automated selfcontained calibration relying on redundant information in these sensory streams. In this work, we employ two industrial manipulators mounted on a common base, with Force/Torque sensors at the tool and additionally equip them with: (i) two external cameras mounted on the robot base, (ii) special end-effectors with fiducial markers. Driving the robot to contact ("self-touch") configurations relying on force feedback, we collect images from the cameras as well as encoder readings. Using non-linear least squares optimization, this dataset is then used to quantitatively compare the performance of kinematic calibration by employing different combinations of intersecting kinematic chains - either through self-observation (using the cameras) or self-touch, where the physical contact constraint is exploited.