Stikkord: robotarm

Publisert av — Legg igjen en kommentar

Ny sensørteknologi forbedrer presisjonen til fleksible robotarmer med opptil 65%

Forskere har utviklet en revolusjonerende sensørmodell som dramatisk forbedrer nøyaktigheten til fleksible robotarmer. Ved å kompensere for hastighetseffekter i fiber Bragg grating-sensorer, oppnås opptil 65% bedre presisjon sammenlignet med konvensjonelle metoder.

Kontinuum-manipulatorer (CDM) – fleksible robotarmer som kan bøye seg som en slange – representerer fremtiden for kirurgiske instrumenter og presisjonselektronikk. Men å spore og kontrollere formen deres i sanntid har vært en betydelig utfordring, spesielt under varierende bevegelseshastigheter.

Fiber Bragg Grating løser hastighetsproblem

Den nye forskningen introduserer en hastighetskompensert modell som bruker fiber Bragg grating (FBG) sensorer – avanserte fiberoptiske sensorer som kan måle deformasjon med ekstrem presisjon. Problemet med tidligere metoder var at sensorenheten glir inne i manipulatorens kanal når hastigheten endres, noe som skaper unøyaktigheter i kurvaturmålingene.

«Ved å inkludere hastighetseffekter i beregningsmodellen oppnår vi betydelig bedre sporingsevne på tvers av alle hastighetsnivåer,» forklarer forskerne.

FBG-sensorene fungerer ved at lys med spesifikke bølgelengder reflekteres tilbake når fiberen deformeres. Denne endringen kan måles med nanometerpresisjon og konverteres til nøyaktige kurvaturdata.

Imponerende testresultater

Eksperimentene ble gjennomført ved tre ulike aktuatorhastigheter: 0.2 mm/sek, 0.8 mm/sek og 1.4 mm/sek, både i frie og begrensede miljøer. Resultatene viser:

  • 22-65% forbedring i form- og tupp-sporingsevne
  • Betydelig reduksjon i avvik ved både positive og negative bøyninger
  • Konsistent ytelse på tvers av alle testede hastigheter

Teknologien er spesielt lovende for kirurgiske applikasjoner hvor millimeterpresisjon kan være avgjørende. Men også andre anvendelsesområder som inspeksjonsroboter, mikromanipulering og avanserte 3D-printere kan dra nytte av teknologien.

Praktiske anvendelser og fremtidsmuligheter

For hobbyister og profesjonelle som arbeider med robotprosjekter, åpner denne teknologien for helt nye muligheter. FBG-sensorer kan integreres i eksisterende manipulatorsystemer og er kompatible med standard fiberoptiske komponenter.

Den forbedrede nøyaktigheten gjør systemene egnet for krevende oppgaver som krever presis posisjonskontroll. Dette inkluderer alt fra medisinsk utstyr til industrielle inspeksjonssystemer hvor tradisjonelle stive robotarmer ikke kan operere.

Selv om teknologien fortsatt er i forskningsfasen, indikerer resultatene at vi snart kan se kommersielle implementasjoner som vil revolusjonere hvordan vi designer og styrer fleksible robotsystemer.

Kilde: IEEE sensors journal

Relevante produkter fra RoboNordic

Publisert av — Legg igjen en kommentar

Hvordan bygge en IK-løser for robotarm i ROS2 – Komplett guide til NERO Arm

Inverse kinematics (IK) er hjørnesteinen i moderne robotstyring, men kan være utfordrende å implementere for redundante 7-DOF robotarmer. En ny tutorial viser hvordan du kan bygge en parametrisk IK-løser for NERO-robotarmen i ROS2, basert på banebrytende forskning fra Tsinghua University.

Hva gjør 7-DOF robotarmer spesielle?

En 7-DOF robotarm med S-R-S konfigurasjon (Spherical Shoulder – Revolute Elbow – Spherical Wrist) har én ekstra redundant frihetsgrad sammenlignet med konvensjonelle 6-DOF manipulatorer. Dette betyr at når end-effektorens posisjon og orientering er fastsatt, finnes det uendelig mange løsninger for leddvinklene.

Denne redundansen er både en fordel og en utfordring. På den ene siden gir den robotarmen større fleksibilitet til å unngå hindringer og operere i trange rom. På den andre siden kompliserer det beregningen av inverse kinematics betydelig.

Parametrisk tilnærming til IK-løsning

Tutorialen presenterer en elegant løsning basert på parametrisk inverse kinematics. Metoden introduserer en redundancy parameter som effektivt reduserer det uendelige løsningsrommet til en håndterbar mengde.

Nøkkelen ligger i å parametrisere redundansen på en måte som gjør det mulig å optimalisere for spesifikke kriterier som leddgrenser, energiforbruk eller hinderunnvikelse.

Implementasjonen består av to hovedkomponenter:

  • ik_solver.py: Kjernealgoritmen som utfører de matematiske beregningene
  • ik_joint_state_publisher.py: ROS2-node for sanntidsoperasjon

Praktisk implementasjon i ROS2

Det som gjør denne tilnærmingen særlig verdifull er integrasjonen med ROS2-økosystemet. Den parametriske IK-løseren kan kjøres som en sanntids-node, noe som gjør den egnet for:

  • Interaktiv robotstyring og telepresens
  • Automatiserte pick-and-place operasjoner
  • Forsknings- og utdanningsprosjekter
  • Industrielle automatiseringsløsninger

Algoritmen tar hensyn til leddgrenser og optimaliserer bevegelsene for å unngå singulariteter – et vanlig problem ved IK-beregninger. Dette gjør løsningen robust nok for praktisk bruk.

For utviklere som jobber med robotikk-prosjekter, representerer denne tutorialen en verdifull ressurs. Den kombinerer solid matematisk fundament med praktisk implementasjon, og viser hvordan avansert robotikk-forskning kan omsettes til brukbare verktøy.

Kilde: ROS Discourse

Publisert av — Legg igjen en kommentar

Ny algoritme løser komplekse robotbevegelser med Jacobian-styrt partikkelsvermoptimering

Forskere har utviklet en forbedret partikkelsvermoptimering (PSO) som løser komplekse bevegelsesberegninger for robotarmer som mangler analytiske løsninger. Den nye metoden kombinerer ikke-lineære treghetsvekter med Jacobian-veiledning for å oppnå mer presise og jevne robotbevegelser.

Inverse kinematikk er et av de mest utfordrende problemene innen robotikk – å beregne hvilke leddvinkler en robotarm trenger for å nå en ønsket posisjon og orientering. Mens enkle roboter har matematiske formler som gir eksakte svar, må komplekse robotarmer (såkalte ikke-Pieper roboter) løse dette gjennom iterative beregningsmetoder.

Utfordringene med tradisjonell PSO

Partikkelsvermoptimering har lenge vært en populær metode for å løse inverse kinematikk, men konvensjonelle PSO-algoritmer sliter med flere problemer:

Algoritmene konvergerer ofte for tidlig mot suboptimale løsninger, presterer ustabilt nær singulære konfigurasjoner, og gir begrenset jevnhet i robotbanene.

Dette fører til rykkerige bevegelser og redusert nøyaktighet – spesielt problematisk for presisjonskrevende oppgaver som montasje eller kirurgiske inngrep.

Den nye løsningen: Jacobian-styrt PSO

Forskerne har utviklet en forbedret ramme som adresserer disse utfordringene gjennom to hovedinnovasjoner:

To-fase treghetsvektstrategi: Algoritmen tilpasser seg dynamisk – den utforsker bredt i starten for å unngå lokale minimumer, før den fokuserer på fininnstilling når den nærmer seg den optimale løsningen.

Jacobian pseudo-invers veiledning: Ved å integrere gradientbasert retningsinformasjon fra Jacobian-matrisen, får algoritmen bedre «sans» for hvilken retning den skal søke i. Dette gjør konvergensen raskere og mer robust, særlig i utfordrende singulære konfigurasjoner.

Praktiske fordeler og bruksområder

Den nye metoden bruker kvaternion-basert poserepresentasjon kombinert med en «joint continuity penalty» som sikrer jevne overganger mellom bevegelser. Dette er særlig verdifullt for:

• Industriroboter: Bedre presisjon i pick-and-place operasjoner
• Kollaborative roboter: Jevnere bevegelser som er tryggere rundt mennesker
• Forskningsroboter: Håndtering av komplekse geometrier som redundante eller ikke-standard konfigurasjoner
• Utdanningsformål: Mer pålitelige resultater for studenter som jobber med robotikksimuleringer

Metoden er kompatibel med eksisterende robotkontrollsystemer og kan implementeres på standard datamaskinvare. For hobbyister og studenter som jobber med Arduino eller Raspberry Pi-baserte robotarmer, kan denne tilnærmingen gi betydelig forbedrede resultater sammenlignet med tradisjonelle metoder.

Kilde: Scientific reports