Συγγραφείς:  (1) Jorge Francisco Garcia-Samartın, Centre for Automation and Robotics (UPM-CSIC), Polytechnic University of Madrid — Higher Council for Scientific Research, Jose Gutierrez Abascal 2, 28006 Madrid, Spain (jorge.gsamartin@upm.es).  (2) Adrian Rieker, Κέντρο Αυτοματισμού και Ρομποτικής (UPM-CSIC), Πολυτεχνικό Πανεπιστήμιο της Μαδρίτης — Ανώτατο Συμβούλιο Επιστημονικής Έρευνας, Jose Gutierrez Abascal 2, 28006 Μαδρίτη, Ισπανία.  (3) Antonio Barrientos, Center for Automation and Robotics (UPM-CSIC), Polytechnic University of Madrid — Higher Council for Scientific Research, Jose Gutierrez Abascal 2, 28006 Madrid, Spain.  Πίνακας συνδέσμων   Περίληψη και 1 Εισαγωγή  2 Σχετικές εργασίες   2.1 Πνευματική ενεργοποίηση   2.2 Πνευματικοί βραχίονες   2.3 Έλεγχος μαλακών ρομπότ  3 PAUL: Σχεδιασμός και Κατασκευή   3.1 Σχεδιασμός ρομπότ   3.2 Επιλογή υλικού   3.3 Κατασκευή   3.4 Τράπεζα Απόδοσης  4 Απόκτηση δεδομένων και έλεγχος ανοιχτού βρόχου   4.1 Ρύθμιση υλικού   4.2 Σύστημα σύλληψης όρασης   4.3 Δημιουργία συνόλου δεδομένων: Μοντέλα που βασίζονται σε πίνακα   4.4 Έλεγχος ανοιχτού βρόχου  5 Αποτελέσματα   5.1 Τελική έκδοση PAUL   5.2 Ανάλυση χώρου εργασίας   5.3 Απόδοση των μοντέλων που βασίζονται σε πίνακα   5.4 Πειράματα κάμψης   5.5 Πειράματα μεταφοράς βάρους   6 Συμπεράσματα   Πληροφορίες Χρηματοδότησης   Α. Πειράματα και αναφορές  5.5 Πειράματα μεταφοράς βάρους  Τέλος, αξιολογήθηκε η ικανότητα φορτίου του ρομπότ και η απόδοση του κινηματικού μοντέλου και συλλέχθηκαν δεδομένα στο κενό, με διαφορετικά φορτία. Για το σκοπό αυτό, ένα στοιχείο παρόμοιο με τις αρθρώσεις μεταξύ τμημάτων, επίσης τυπωμένο σε PLA, προσαρτήθηκε στο ρομπότ και τοποθετήθηκαν διαφορετικά μεταλλικά βάρη. Η εν λόγω συσκευή φαίνεται στο Σχήμα 20  Τα πειράματα αποτελούνταν από τη μεταφορά του PAUL σε 10 διαφορετικά σημεία στο χώρο εργασίας του και τη σύγκριση της θέσης που έφτασε με τη θέση που θα είχε φτάσει αν δεν είχε βάρος. Η σύγκριση λοιπόν έγινε χρησιμοποιώντας το μπροστινό κινηματικό μοντέλο, λόγω της μεγαλύτερης ακρίβειάς του. Δοκιμάστηκαν τέσσερα διαφορετικά βάρη: 55, 90, 130 και 155 g. Αυτές οι τιμές είναι παρόμοιες με αυτές που χρησιμοποιούνται σε άλλες εργασίες στο πεδίο για εντελώς μαλακό   ρομπότ –εξαιρουμένων των υβριδικών, τα οποία, φυσικά, έχουν πολύ μεγαλύτερη ικανότητα μεταφοράς βάρους– [47, 61].  Το Σχήμα 21 δείχνει τα αποτελέσματα που ελήφθησαν. Τα μέσα σφάλματα είναι αντίστοιχα 5,11, 4,40, 8,61 και 10,01 mm. Από αυτά τα δεδομένα μπορεί να συναχθεί ότι, πέρα από το να αυξάνεται προοδευτικά με το βάρος, υπάρχουν δύο κατηγορίες: μια που ομαδοποιεί τα πειράματα με φορτία 55 και 90 g και μια άλλη που ομαδοποιεί αυτά των 130 και 155 g. Για τις χαμηλότερες τιμές φορτίου, το μοντέλο PAUL προβλέπει τιμές με σφάλματα παρόμοια με αυτά που λαμβάνονται με τη συμβουλή της άμεσης κινηματικής στον πίνακα που λαμβάνεται χωρίς βάρη. Στις άλλες περιπτώσεις, τα αποτελέσματα είναι σαφώς χειρότερα.   Μπορεί επίσης να φανεί ότι οι χαμηλότερες τιμές σφάλματος, ωστόσο, είναι αρκετά παρόμοιες σε όλες τις περιπτώσεις. Αυτό οφείλεται στο γεγονός ότι, στα σημεία που βρίσκονται πιο κοντά στο κέντρο του χώρου εργασίας του, ο χειριστής μπορεί να τοποθετηθεί με πολύ λιγότερα σφάλματα, ανεξάρτητα από το βάρος που φέρει. Αυτό που παράγει το φορτίο, επομένως, δεν είναι μια συστηματική αύξηση του σφάλματος αλλά μια μείωση του χώρου εργασίας, καθώς ο PAUL δεν έχει τη δύναμη να φτάσει στις πιο απομακρυσμένες περιοχές από το κέντρο με το επιπλέον βάρος.   Ο Πίνακας 5 συγκρίνει την απόδοση του PAUL με εκείνες που επιτεύχθηκαν σε άλλες εργασίες. Αν και υπάρχει περιθώριο βελτίωσης, τα αποτελέσματα που λαμβάνονται εδώ είναι καλύτερα από εκείνα του ελέγχου κλειστού βρόχου του [47], όπου το μέσο σφάλμα που προκύπτει είναι 2 cm, και από εκείνα του ενσύρματου χειριστή του [61]. Ενώ το τελευταίο φαίνεται να είναι ανεξάρτητο από το φορτίο, ο PAUL βλέπει το σφάλμα του να αυξάνεται με την αύξηση του βάρους, κάτι που φαίνεται να δείχνει ότι, σε μεγαλύτερα βάρη, ο PAUL θα έχει πράγματι χαμηλότερη απόδοση.  Δύο πτυχές απομένουν να αναλυθούν. Αφενός, για να δούμε αν μεταξύ 90 και 130 g η αύξηση του σφάλματος είναι προοδευτική ή αν, αντίθετα, υπάρχει ένα σημείο που χωρίζει σαφώς τις δύο ομάδες. Από την άλλη πλευρά, θα ήταν επίσης απαραίτητο να μελετηθεί πώς μια βελτίωση της ακρίβειας όταν είναι άδειο θα επηρεάσει την ακρίβεια κατά τη φόρτωση: εάν το ρομπότ θα παραμείνει τόσο ακριβές ή εάν αυτά τα σφάλματα δεν θα μειωθούν.  Αυτό το χαρτί είναι   με άδεια CC BY-NC-SA 4.0 DEED. διαθέσιμο στο arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

EScholar Technologies

EScholar

Αυτός ο ήχος παράγεται στην αρχική γλώσσα της ιστορίας!

Αξιολόγηση της ικανότητας μεταφοράς βάρους και της απόδοσης του κινηματικού μοντέλου του PAUL

About Author

ΣΧΟΛΙΑ

ΚΡΕΜΑΣΤΕ ΕΤΙΚΕΤΕΣ

ΑΥΤΟ ΤΟ ΑΡΘΡΟ ΠΑΡΟΥΣΙΑΣΤΗΚΕ ΣΤΟ

Related Stories

OpenAI Trustees Accused of Misusing Donor Funds

Elon Musk Accuses OpenAI Leaders of Conspiring to Violate RICO Laws

Elon Musk to ChatGPT: Please Stop

The Pros and Cons of Electric Cars

OpenAI Trustees Accused of Misusing Donor Funds

Elon Musk Accuses OpenAI Leaders of Conspiring to Violate RICO Laws

Elon Musk to ChatGPT: Please Stop

The Pros and Cons of Electric Cars

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps