Smart Piezo-Resistive Sensing and Experience Based Control for Soft Robot Grasping

作     者：Jawad Mehmood Butt 

作者单位：上海交通大学 

学位级别：硕士

导师姓名：王贺升

授予年度：2019年

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

主      题：软式机器人抓手 软压力传感器 柔性位置传感器 基于织物的位置传感器 机器人学中的Q-学习 本体感觉 机器人抓取 基于行为的控制 概率控制 数据驱动机器人 强化学习 

摘      要：软机器人由于具有极高自由度,在形状适应和复杂运动等任务方面具有极大应用潜力。这些自由度为软机器人在开环控制中执行相应任务提供了足够的空间,与刚性机器人相比更适合在复杂非结构环境中作业。这些人工软机器人主要是从人类身上获得灵感,但相对而言,并没有表现出智能嵌入式传感和决策这两个最重要的生物灵感支柱,因此,本文的工作使软机器人朝着决策和智能传感迈出了一步。触觉感知和位置反馈使机器人能够更好地理解现实世界中的相互作用。在其中,最重要的一点是,感知要求主体和客体以定性的方式处理。针对这一问题,在论文的第一部分,我们研究了二维软机器人,即作为感知主体的软体夹持器和作为感知对象的可变刚度,不同重量和几何形状的目标夹持物。与能够提供触觉和位置反馈的人手相比,软机器人操作手难以被赋予相似的智能性,这种滞后限制了软件抓手在开环控制域中应用。在本文中,我们提出了适用于闭环控制应用一种柔软的操作手设计方案与控制方法。我们设计的索驱动软夹持器能够提供触觉和位置反馈,并满足触觉和位置感知的标准及其在闭环控制任务中的应用。本文提出的传感器在材料,设计和制造方面相较于现有工作具有一定的创新。在以往的工作中,用于软体操作手上的压力传感器与柔性材料的顺应性不兼容,因此或多或少的限制了执行器的运动,降低软体操作手的灵活性。因此我们设计了一种在软体内部创建压力传感器的方法。该传感器完全用柔性材料制作而成,并且实现了软触觉感知的概念。另一方面,位置传感器同样使用柔性材料制造,相比于同类型位置传感器,我们的设计满足了微型化的要求;除此外,相较于一般的位置传感器设计仅适用于软机器人的离散运动,本文提出的传感器同样适用于软机器人连续移动信号的采集。为了证明传感器性能,我们进行传感器特性测试和抓取实验,证实了该传感器在抓取任务期间可提供重复且高精度测量结果。文章的第二部分侧重于开发基于经验的最佳控制策略。该策略基于决策的概念。由于软体操作手的抓握行为是随机的而不是确定性的(这是因为软体操作手额外的柔顺性以及目标物体几何形状,变形因子和重量参数的不确定性造成的),这使得非结构化环境中的随机抓握任务产生了概率效应。针对这个问题,我们提出了一种创新性的基于Q学习经验策略,即将抓取任务分割为多个事件,然后通过最小化成本函数进行运动策略的优化。软体操作手行为模型和抓取模型是通过概率事件而建模的,是抓取策略的主要组成部分。建模中所使用的数据由配有位置反馈的软体操作手提供。该策略的输出是在控制任务中软机器人学习到的成功抓取到可变形目标物体的权重。除此之外,数据集通过增加不同重量和刚度的目标对象来避免欠拟合并使得该策略变得高效。在该部分的最后,我们通过对所提方法的定性分析以证明其优越性。