31832

برنامه‌­ريزي و كنترل حركت ربات چهارپا براي پيمودن پله و سطح شيب‌­دار

كارشناسي ارشد

مهندسي مكانيك

1400

1403/07/09

دكتر محمد شهبازي

-

مهندسي مكانيك

كنترل حركت چهار‌پا از مسائل مهم در زمينه رباتيك محسوب مي‌شود كه قدمت تاريخي زيادي نداشته و از مسائل روز در علم كنترل محسوب مي‌شود. ربات‌هاي چهارپا كه نمودي از جانداران هستند، درجات آزادي زيادي دارند كه اين مسئله باعث مي‌شود كنترل اين ربات‌ها با پيچيدگي مواجه شود. بر اين اساس استفاده از مدل مناسب براي اين ربات‌ها كه بتواند تمام يا بخشي از كنترل را انجام دهد اهميت بسيار بالايي دارد. از طرفي مي‌توان گفت كه، مهم‌ترين چالش در حركت ربات‌هاي چهارپا ارائه كنترل‌كننده‌اي است كه در آن ربات بتواند مسيرهاي ناهموار را بپيمايد و حركت خود را نسبت به محيطي كه در آن قرار دارد سازگار كند. در سال‌هاي اخير، كنترل‌كننده‌هاي متعددي براي ربات‌هاي چهار‌پا به‌منظور حركت بر روي سطوح ناهموار ارائه شده‌است. يكي از بهترين كنترل‌كننده‌هايي كه براي ربات‌هاي چهارپا بدين منظور استفاده شده‌است، كنترل‌كننده پيش‌بين مدل است. علاوه بر اين كنترل‌كننده، ربات نياز به برنامه‌ريز جاپاي دقيقي دارد كه بتواند جاي پاهاي ربات را بر روي سطوح ناهموار تعيين كند. ايده اصلي اين پژوهش نيز استفاده از كنترل‌كننده پيش‌بين مدل و يك روش تجربي براي تعيين جاپاها است كه بتواند با استفاده از مدلي مناسب و بهينه‌سازي نيروهاي كف پا، حركت ربات بر روي پله‌ها و سطوح شيب‌دار را ايجاد كند. در اين پژوهش، با توسعه نرم‌افزار ارائه شده توسط تيم ربات چهارپاي MIT كه براي سطوح صاف طراحي شده بود، توانستيم ربات چهارپاي ميني چيتا را بر روي پله و سطوح شيب‌دار به حركت درآوريم. دو الگوريتم براي حركت ربات، يكي براي سطوح شيب‌دار و ديگري براي پله‌ها، ارائه شد. همچنين، به‌منظور كاهش نياز به تنظيمات دستي پارامترها براي حركت بر روي پله، يك شبكه عصبي آموزش داديم كه موقعيت گام‌ها را به‌صورت خودكار تعيين مي‌كند. نتايج اين پژوهش نشان مي‌دهد كه با استفاده از اين كنترل‌كننده، مي‌توان ربات ميني چيتا را بدون لغزش و در حالي كه قيود نيروهاي وارد بر كف پا رعايت مي‌شوند، بر روي سطوح شيب‌دار تا زاويه 25 درجه و پله‌هاي 12 سانتي‌متري به حركت درآورد.

1403/10/16

Planning and Control of Quadruped Robot Locomotion for Stairs and Slopes

9/30/2024 12:00:00 AM

Quadrupedal motion control is a critical issue in robotics, which, although relatively new, is one of the most important challenges in modern control systems. Quadruped robots, inspired by biological organisms, possess a high number of degrees of freedom, making their control complex. Therefore, utilizing an appropriate model capable of handling full or partial control of these robots is of paramount importance. Additionally, one of the main challenges in quadruped locomotion is developing a controller that enables the robot to traverse uneven terrains while adapting its movement to the surrounding environment. In recent years, various controllers have been developed for quadruped robots to facilitate movement over rough terrains. One of the most effective controllers used for this purpose is the Model Predictive Controller. Along with this controller, the robot requires an accurate footstep planner capable of determining the exact placement of the robot’s feet on uneven surfaces. The core idea of this research is to utilize an MPC alongside an empirical method for footstep planning. This approach aims to optimize ground reaction forces and enable stable movement of the robot on stairs and sloped surfaces. In this research, we extended the software developed by MIT, initially designed for flat surfaces, to enable the Mini Cheetah quadruped robot to move on stairs and sloped surfaces. We proposed two algorithms for the robot’s movement—one for slopes and one for stairs. Additionally, to reduce the need for manual parameter tuning when navigating stairs, we developed a neural network that automatically determines the position of the robot’s steps. The results of this study demonstrate that, with the use of this controller, the Mini Cheetah robot can move on slopes of up to 25 degrees and on 12-centimeter-high stairs, without slipping, while ensuring that ground reaction force constraints are maintained.

ربات چهارپا , كنترل‌كننده پيش‌بين مدل , پله و سطح شيب‌دار , شبكه ‌عصبي

Quadruped Robot , Model Predictive Controller , Stairs and Sloped Surface , Neural Network

amin ghanbarzadeh

dr. mohammad shahbazi