Sensorhand für intelligentes Greifen mit Robotern

Transkript

1 Research Collection Doctoral Thesis Sensorhand für intelligentes Greifen mit Robotern Author(s): Scherrer, Johann-Kaspar Publication Date: 1993 Permanent Link: Rights / License: In Copyright - Non-Commercial Use Permitted This page was generated automatically upon download from the ETH Zurich Research Collection. For more information please consult the Terms of use. ETH Library

2 fa0 Mi''. W* Diss.ETHNo Sensorhand für intelligentes Greifen mit Robotern ABHANDLUNG zur Erlangung des Titels DOKTOR DER TECHNISCHEN WISSENSCHAFTEN der EIDGENÖSSISCHEN TECHNISCHEN HOCHSCHULE ZÜRICH vorgelegt von JOHANN-KASPAR SCHERRER Dipl. Masch.-Ing. ETH geboren am von Stein SG Angenommen auf Antrag von Jr Prof. Dr. G. Schweitzer, ETH Zürich, Referent Prof. Dr. C. W. Burckhardt, EPF Lausanne, Korreferent kaaa)u,(\l\/ ADAG Administration & Druck AG Zürich 1993

3 -vi- Kurzfassung Robotergreifer dienen dazu, an einem Roboter- oder Manipulatorann befestigt, Gegenstände zu greifen oder Gegenstände mit einem im Greifer festgehaltenen Werkzeug zu bearbeiten. Heute werden in der Industrie für diese Zwecke hauptsächlich hochspezialisierte Greifer eingesetzt, welche sich nur gerade für die Ausführung einer spezifischen Tätigkeit eignen, zum Beispiel dem Greifen eines einzigen Werkstücks. In den Forschungslabors der Universitäten wird demgegenüber mit viel Aufwand an einer künst lichen Hand gearbeitet, welche sich bezüglich Kinematik und Greiffähigkeit möglichst universell, also wie die menschliche Hand verhalten soll. Mit diesen Greifern sollen dereinst komplexe Greif-, Montage- und Demontage aufgaben ausgeführt werden. Der intelligente Sensorgreifer, der hier vorgestellt wird, baut auf einer einfachen Mechanik auf. Die universelle Greiffähigkeit, d.h. bei diesem Greifer das kraftschlüssige Greifen unterschiedlicher Gegenstände, soll in erster Linie durch den Einsatz komplexer Sensorik sowie durch geeignete Signalverarbeitung und Ansteuerung der Bewegungsfreiheitsgrade des Greifers erzielt werden und nicht durch eine menschenähnliche, aufwendige Handmechanik mit vielen Freiheitsgraden. Von verschiedenen Fingeranord nungen wird die bezüglich Arbeitsraum und Einfachheit geeignetste evaluiert und an einem Prototypgreifer getestet.

4 - vii- Um Informationen über und für den Greifprozess zu erhalten, werden Fingerkräfte, Greifpunktabstände, Abstände von Objekten zum Greifer und im speziellen zu den Fingerspitzen sowie die Kräfte zwischen Roboter und dem Greifer gemessen. Für die berührungsfreie Abstandsmessung im Nahbereich werden faseroptische Mrarot-Sensoren eingesetzt. Der Abstand im Fembereich bis zu einem Meter vom Greifer wird durch Ultraschallsen soren gemessen. Für die Greifkraftmessung an den Fingern sowie die Lokalisierung der Greifkraftangriffspunkte werden neu entwickelte Sensor elemente mit Dehnmessstreifen verwendet. Zur Kollisionsüberwachung und Messung der Objektgewichte Greifer und Roboter angebracht. wird ein Kraft-Momenten-Sensor zwischen Die Steuerung des Greifers erfolgt über einen Mikroprozessor des Typs M Die Software wurde in der Entwicklungsumgebung VMETH entwickelt und läuft unter dem Echtzeit-Betriebssystem XMETH. Die einzelnen Standardaufgaben des Greifers werden gemäss ihren Anforderungen in Prozesse unterschiedlicher Priorität eingebunden. Die Standardaufgaben des Greifers wie zum Beispiel "Greifer schliessen", "Greifer öffnen" oder "Finger positionieren" sind als Prozeduren ausgeführt und können in einem übergeordneten Programm implementiert und aufge rufen werden. Die Prozeduren werden dabei durch die zahlreichen Sensor signale und durch die von diesen abgeleiteten Sensorfiags gesteuert. Mittels der Kombination solcher Standardaufgaben können komplizierte Abläufe realisiert werden, wie zum Beispiel der Greif- und Entladezyklus beim Geschirrabräumen. Der Gesamtablauf des Abräumens ist in eine Vielzahl von einzelnen Aktionen, Abfragen und Verzweigungen aufgeteilt. Für die Schematisierung und Darstellung der Einzelschritte wird die Methode der Zustandsdiagramme angewendet. Die einzelnen Aktionen wie zum Beispiel "Move" oder "GripperClose" werden dabei als Zustände bezeichnet. Die als Boolean-Variablen deklarierten Flags verknüpfen die einzelnen Zustände zu einem Gesamtablauf mit zahlreichen Verzweigungen Spezialfälle. für Ausnahme- und Das daraus resultierende, teilintelligente, reaktive Verhalten der Maschine ermöglicht das Erfassen und Behandeln von zahlreichen,

5 - viünicht dem Standardfall entsprechenden Situationen. Auftretende Störungen werden von der Steuerung erkannt und in der Regel Übersteigt die Störung ein für den Roboter, die Anlage selbst behoben. oder den Bediener gefährliches Mass, wird der Bediener für die Störungsbeseitigung herbeige zogen. Das dreidimensionale Visionsystem erkennt und lokalisiert bekannte und abgespeicherte auftritt, Objekte. In den Fällen, wo ein unbekanntes Objekt oder ein bekanntes Objekt nicht erkannt werden kann, wird ein Verfahren mit neuronalen Netzwerken eingesetzt, welches Greifinforma tionen aus dem zweidimensionalen Objekt-Umriss ableitet. Das Verfahren beruht auf einer Kombination eines Hopfield-Tank Netzes mit einem Feed- Forward Netz. Das Hopfield-Tank Netz, im wesentlichen ein Optimie rungsalgorithmus, berechnet für einen Satz von einigen hundert Lernob jekten optimale Greifpunkte und Greifkräfte der drei Finger. Das Feed- Forward Netz wird anschliessend mit diesen Lernbeispielen trainiert und kann in der Folge seine "Erfahrung" aufgrund dieser Lernphase auf neue unbekannte Objekte mit gutem Erfolg und geringem Rechenaufwand anwenden. Die vorliegende Arbeit ist Bestandteil des interdisziplinären ETH- Polyprojekts "Kooperierender Roboter mit visuellen und taktilen Fähig keiten". Neben dem "intelligenten" Greifen mit einem mechamsch einfachen Greifwerkzeug bestanden weitere Forschungsschwerpunkte des Projekts in der dreidimensionalen Bildverarbeitung und Objekterkennung, der Zusammenarbeit des Roboters mit dem Menschen und in der besondere Sicherheitsanforderungen erfüllenden Steuerung des Roboters. Verschiedene Aufgaben aus den Bereichen Industrie, Haushalt, Agrikultur und Dienstleistungen stehen vor wichtigen Automatisierungs schritten. Der Dreifingergreifer und sein Konzept, einfache Mechanik mit aufwendiger Sensorik und effizienten Steuerungsalgorithmen zu einem leistungsfähigen, universellen und intelligenten Greifsystem zu vereinen, stellen einen Beitrag zur Lösung der in unstrukturierter oder nur wenig strukturierter Umgebung anstehenden Greif probleme dar.

6 -ix- Abstract Robot grippers mounted on a robot arm are designed to grasp objects or to hold a tool. Today in industry most of the grippers are highly specialized in fulfilling only one specific task, e.g. the grasping of one component. In research labs at numerous universities, the objectives are to design and build an artificial human like hand with universal grasping abilities. The intelligent sensor gripper, presented in this work, is built up on simple mechanics. The universal grasping abilities of the gripper, in this case the force-closure grasps of various components, have to be achieved mainly through the combination of complex, demanding sensing with appropriated signal processing and process Controlling and not through a sophisticated, human like finger and hand design. Various geometric concepts of two and three finger grippers are analysed and compared. The best concept relative to workspace and simplicity is finally used for the prototype gripper. The gripper is equipped with numerous sensors. Strain gauge sensors in the three fingers measure grasping forces as well as positions of the points of attack of the grasping forces and allow it to supervise the slipping of grasped components. A force torque sensor in the wrist detects colusions of the gripper with the environment and weights the components in the gripper. The distances to objects or obstacles are supervised in the vicinity, in front

7 -Xof the fingers, by fibreoptic ränge sensors and in the far field, in front of the gripper, by ultrasonic ränge sensors. The gripper is controlled by a Single M microprocessor board. The Software, developed with VMETH, is implemented in the real time XMETH-Kernel. Both VMETH and XMETH are Software tools developed at the ETH Zürich. The cyclic Operations of the gripper, e.g. position or force control loop, are defined as processes of different priorities. The Standard commands given to the gripper such as 'Gripper Close', 'Gripper Open' or 'Finger Position' are defined as procedures, that can be imple mented and executed from a higher routine or program. The command procedures are largely influenced by sensor information and their related local and global sensor flags. The combination of those procedures allows us to realize complex tasks, e.g. the grasping and unloading cycle of the dish unloading problem. The whole problem of sorting dishes is formulated as a finite State machine. Each command to the robot, gripper or any other device is imple mented as a State. The sensor flags connect the states and control the flow of the process. Exceptions and special tasks can be easily formulated as a branching of the finite State machine. Usually the Controller detects malfunctions and solves the related problem without help from the Operator. If the malfunction or exception is too serious and could damage gripper or robot or injure the Operator, the Controller stops all movements of the System components and calls the human Operator for assistance. The three dimensional vision System analyses three images, two silhouettes and one gray level image. It's able to recognize from these pictures all components of the dishes and cutlery of the Cafeteria benchmark in arbitrary positions and orientations. The recognition method is model based, which means that object features have to be extracted and stored in the recognition System before the recognition task can be started. In cases where unknown objects are found on the scene an algorithm, based on neural networks, generates grasping data from the segmented object contour line. The algorithm combines a Hopfield-Tank Net and a Feed-Forward Net.

8 -xi- The Hopfield-Tank Net optimises grasp positions and forces for arbitrary shapes. The Feed-Forward Net stores different classes of Solutions and derives stable grasping forces and finger locations from existent, taught shapes to similar new ones. The neural net cascade generates in real time a good, suboptimal set of grasping forces and locations for arbitrary shapes. The 'intelligent sensor gripper' project is part of the interdisciplinary research project 'Cooperating Robot with Visual and Tactile Skills', which was initiated by the mechatronics lab and supported by the ETH Zürich. Its main research domains were: three dimensional image processing and object recognition, safe Cooperation between robot and human Operator and the intelligent grasping of various components with a mechanically simple universal gripper. Many different tasks in the fields of industry, household, agriculture or public Services need to be automated in the future. The three finger gripper, its concept to combine simple mechanics with demanding sensing and efficient control algorithms are a contribution to the Solution of the grasping problems and difnculties of these new tasks in unstractured or only partially structured environments.