مصالحه مهندسی در رباتیک: بده بستان میان کنترل موقعیت و کنترل امپدانس
رباتهای صنعتی برای دستیابی به دقت زیر میلیمتری به شدت به کنترل موقعیت متکی هستند، اما این سفتی در محیطهای غیرقابل پیشبینی به یک نقطه ضعف تبدیل میشود. کنترل امپدانس این مشکل را با رفتار فنر قابل تنظیم برای ربات حل میکند، به این ترتیب دقت مطلق را فدای مدیریت ایمن نیروهای تماسی میکند.
به قلم ایمان شریعتی
این خبر را به اشتراک بگذارید
- محققان تعامل انسان و ربات
- ایمنی، انعطافپذیری و تنظیم نیروی پویا را در اولویت قرار میدهند تا رباتها بتوانند بدون قفس در کنار انسانها کار کنند.
- مهندسان اتوماسیون صنعتی
- برای محیطهای تولیدی ساختاریافته، دقت مطلق، تکرارپذیری و کنترل موقعیت با بهره بالا را ارزشمند میدانند.
- رباتیکدانان الهامگرفته از زیستشناسی
- از تقلید مکانیک عضله-تاندون بیولوژیکی و سفتی متغیر برای سادهسازی بار محاسباتی کنترل ربات حمایت میکنند.
نکات کلیدی
- رباتهای صنعتی سنتی از کنترل موقعیت برای دستیابی به دقت زیر میلیمتری استفاده میکنند، اما نمیتوانند به طور ایمن در برابر موانع غیرمنتظره انعطاف نشان دهند.
- کنترل امپدانس بازوی رباتیک را به عنوان یک فنر قابل تنظیم در نظر میگیرد و به آن اجازه میدهد ضربهها را جذب کرده و با انسانها تعامل ایمن داشته باشد.
- این رویکرد انعطافپذیر، سیستمهای بیولوژیکی را تقلید میکند، جایی که انسانها به جای محاسبه نیروهای دقیق برای گرفتن اشیاء، سفتی عضلات را تنظیم میکنند.
- سیستمهای کنترل امپدانس فعال هنوز از تأخیر ۱۵ تا ۲۵ میلیثانیهای رنج میبرند و برای ایمنی واقعی به بافرهای فیزیکی نیاز دارند.
یک گروه از مهندسان رباتیک معتقدند وظیفه اصلی یک بازوی مکانیکی، وفاداری مطلق به مختصات فضایی است—یعنی رساندن نقطه مرکزی ابزار به یک مختصات دکارتی مشخص با دقت زیر میلیمتری، صرف نظر از مقاومت خارجی. گروه دیگر اصرار دارند که در محیطهای بدون ساختار، رباتی که نتواند انعطاف نشان دهد، رباتی است که خرابکاری میکند. آنها استدلال میکنند که مدیریت رابطه پویا بین نیرو و حرکت، مهمتر از رسیدن به یک مختصات دقیق است. این تنش اساسی بین کنترل موقعیت و کنترل امپدانس، دو الگوی اصلی است که نحوه تعامل فیزیکی ماشینها با دنیای اطرافشان را تعیین میکند.
ما اغلب ویدئوهای تبلیغاتی رباتهای انساننما را میبینیم که به آرامی یک لیوان آب را تحویل میدهند یا میزی را پاک میکنند، همراه با ادعاهایی در مورد «لمس شبیه انسان» و هوش مصنوعی پیشرفته. اما در زیر این نمایشهای صیقلی، قابلیت واقعی به یک مصالحه ریاضی در سطح مفاصل متکی است. ربات واقعاً محیط را به شکلی که یک سیستم عصبی بیولوژیکی حس میکند، «احساس» نمیکند؛ بلکه در حال اجرای الگوریتمی است که به طور مصنوعی موتورهای آن را نرم میکند. درک این سازوکار مستلزم نگاهی فراتر از لایه نرمافزاری و ورود به فیزیک عملگرها است.
رباتهای صنعتی سنتی بر اساس کنترل موقعیت سختگیرانه کار میکنند. همانطور که در کتابهای درسی آزاد دانشگاه کلمسون در مورد رباتیک آمده است، این سیستمها از حلقههای بازخورد با بهره بالا برای به حداقل رساندن خطای ردیابی استفاده میکنند و انحرافات را در طول عملیات زیر ۰.۱ میلیمتر نگه میدارند؛ استانداردی که از زمان پذیرش گسترده بازوی یونیمیت در سال ۱۹۶۱، تولید صنعتی را تعریف کرده است. اگر یک بازوی با کنترل موقعیت به مانعی غیرمنتظره برخورد کند، موتورهای آن جریان الکتریکی فزایندهای میکشند تا بر مقاومت غلبه کنند. ربات تلاش میکند تا به مقصد برنامهریزی شده برسد، تا زمانی که یک محدودیت ایمنی نقض شود، فیوزی بسوزد یا خرابی مکانیکی رخ دهد.[3]
کنترل امپدانس، که توسط نویل هوگان در مقالات مهم سال ۱۹۸۵ خود معرفی شد، این الگو را به طور کامل وارونه میکند. به جای فرمان دادن به یک موقعیت سخت در فضا، کنترلکننده یک رابطه پویا بین ربات و محیطش تعریف میکند و عملاً بازوی مکانیکی را به عنوان یک سیستم جرم-فنر-دمپر قابل تنظیم در نظر میگیرد. هنگامی که یک ربات با کنترل امپدانس به سطحی برخورد میکند، برای عبور از آن مبارزه نمیکند؛ بلکه طبق یک پروفایل سفتی و میرایی برنامهریزی شده، انعطاف نشان میدهد. با فدا کردن دقت مطلق موقعیتی، سیستم یک نیروی تماسی ایمن و قابل پیشبینی را حفظ میکند و به آن اجازه میدهد بدون نیاز به قفسهای ایمنی سنگین، در کنار انسانها کار کند.[4]
در تحلیل فنی سورس رباتیک آمده است: «فرض اساسی کنترل امپدانس این است که بازوی مکانیکی نباید به عنوان منبع موقعیت، بلکه به عنوان یک امپدانس کنترل شود.» این بدان معناست که سیستم انحراف در موقعیت فیزیکی خود را میپذیرد تا تبادل انرژی با محیط را مدیریت کند. اگر به بازوی دارای کنترل امپدانس فشار بیاورید، دقیقاً مانند یک فنر فیزیکی، با نیرویی متناسب با جابجایی به عقب فشار میآورد، نه اینکه دست شما را به عنوان یک خطای موقعیتی که باید اصلاح شود، در نظر بگیرد.[4]
این رویکرد مستقیماً سیستمهای بیولوژیکی را شبیهسازی میکند. تحقیقات منتشر شده در PMC نشان میدهد که حرکت انسان به شدت به مکانیک مفاصل و امپدانس عضلانی متکی است تا کنترل عصبی حرکت را ساده کند. هنگامی که یک انسان توپ سنگینی را میگیرد، سیستم عصبی مرکزی مسیر و نیروی دقیق مورد نیاز برای متوقف کردن آن را در زمان واقعی محاسبه نمیکند. در عوض، قبل از برخورد، سفتی عضلات بازو را تنظیم میکند و به مکانیک فیزیکی بدن اجازه میدهد تا انرژی جنبشی را به طور طبیعی جذب کند.[6]
این رویکرد مستقیماً سیستمهای بیولوژیکی را شبیهسازی میکند.
نشریه بیونیک و بیومکانیک کاربردی بررسی میکند که چگونه کنترل امپدانس فعال این اصل بیولوژیکی را به بازوهای رباتیک منتقل میکند. با تنظیم پویا پارامترهای سفتی و میرایی مجازی در نرمافزار کنترل، رباتها میتوانند با اپراتورهای انسانی تعامل ایمن داشته باشند، اشیاء شکننده مانند تخم مرغ یا ظروف شیشهای را حمل کنند و کارهایی را که نیاز به تماس لغزشی دارند، مانند پولیش یا پاک کردن سطح، انجام دهند. رفتار ربات بر اساس الزامات کار تغییر میکند: مفاصل خود را برای بلند کردن اجسام سنگین سفت میکند و برای تعاملات ظریف و غیرقابل پیشبینی که نیروی سخت باعث آسیب میشود، آنها را نرم میکند.[2]
کاربرد این طرح کنترلی فراتر از بازوهای تولیدی ثابت و رباتهای مشارکتی است. نشریه IEEE/CAA Journal of Automatica Sinica کاربرد کنترل امپدانس را در رباتیک متحرک، به ویژه برای آرایشهای پیرو-رهبر و دینامیک تعامل انسان و ربات بررسی میکند. در این سناریوها، «فنر» یک طناب مجازی است که چندین پلتفرم خودمختار یا یک اپراتور انسانی و یک ربات را به هم متصل میکند. این امپدانس مجازی به آرایش اجازه میدهد تا ساختار کلی خود را حفظ کند و در عین حال اختلالات فضایی را به صورت انعطافپذیر جذب کند و از درگیری سخت ماشینها بر سر خطاهای موقعیتی جزئی در حین مسیریابی جلوگیری کند.[5]
با این حال، پیادهسازی کنترل امپدانس متغیر، پیچیدگی محاسباتی و مکانیکی قابل توجهی را به همراه دارد که کنترل موقعیت از آن اجتناب میکند. یک بررسی جامع منتشر شده در arXiv بر چالش مداوم تنظیم این پارامترهای امپدانس در زمان واقعی برای کارهای مختلف تأکید میکند. اگر سفتی مجازی بیش از حد بالا تنظیم شود، ربات به طور خطرناکی سخت باقی میماند و هدف طرح کنترلی انعطافپذیر را از بین میبرد. برعکس، اگر سفتی بیش از حد پایین تنظیم شود، ربات کند، نامنظم شده و در انجام کار مکانیکی مفید شکست میخورد و حتی برای تحمل وزن خود در برابر جاذبه دچار مشکل میشود.[1]
محدودیتهای فیزیکی سختافزار نیز «توهم انعطافپذیری» را محدود میکند. مدخل دایرةالمعارف هولوئیک در مورد تنظیم نیروی تماس اشاره میکند که سیستمهای کنترل امپدانس فعال معمولاً تأخیر تنظیم نیرویی بین ۱۵ تا ۲۵ میلیثانیه از خود نشان میدهند. این تأخیر به این معنی است که ربات نمیتواند فوراً به ضربههای ناگهانی و سخت واکنش نشان دهد. در طول آن پنجره کوتاه، ربات مانند یک جسم سخت رفتار میکند، که ترکیبی از کنترل نرمافزاری فعال و انعطافپذیری فیزیکی—مانند پوششهای لاستیکی یا عملگرهای کشسان سری—را برای ایمنی واقعی در محیطهای انسانی ضروری میسازد.[7]
بده بستان مهندسی اجتنابناپذیر است و توسط قوانین فیزیک دیکته میشود، نه محدودیتهای نرمافزاری. نمیتوان یک بازوی رباتیک ساخت که همزمان برای ماشینکاری تیتانیوم هوافضا کاملاً سخت باشد و برای فیزیوتراپی یا مراقبت از سالمندان کاملاً انعطافپذیر. مرز کنونی، در تلاش محققان برای پر کردن این شکاف، شامل الگوریتمهای پیشرفته یادگیری ماشین است که سعی میکنند وضعیت امپدانس لازم را میلیثانیههایی قبل از وقوع تماس پیشبینی کنند و مشخصات ربات را بر اساس بازخورد بصری و لمسی به صورت پویا تغییر دهند. این امر مستلزم مجموعهدادههای عظیمی از تعاملات فیزیکی برای آموزش مدلها است.[1][8]
تا زمانی که آن مدلهای پیشبینی به قابلیت اطمینان تقریباً کامل در تمام موارد حاشیهای دست یابند، حوزه رباتیک یک رشته از مصالحههای حسابشده باقی خواهد ماند. ماشینهایی که به طور فزایندهای وارد خانهها، بیمارستانها و فضاهای کاری مشترک ما میشوند، بازوهای صنعتی غیرقابل انعطاف و با کنترل موقعیت قرن گذشته نخواهند بود. در عوض، آنها به عنوان فنرهای مجازی با دقت تنظیم شده عمل خواهند کرد، که برنامهریزی شدهاند تا دقت مطلق را فدا کنند تا زمانی که دنیای واقعی ناگزیر فشار میآورد، به طور ایمن تسلیم شوند. آینده اتوماسیون نه بر رباتهایی که میتوانند از هر مانعی عبور کنند، بلکه بر رباتهایی که میدانند چگونه انعطاف نشان دهند، متکی است.
چرا مهم است
با خروج رباتها از قفسهای کارخانهها و ورودشان به خانهها، بیمارستانها و فضاهای کاری مشترک، توانایی آنها در انعطافپذیری ایمن در برابر تماسهای فیزیکی غیرقابل پیشبینی، به گلوگاه اصلی مهندسی تبدیل شده است که تعیین میکند آیا این ماشینها به انسانها کمک میکنند یا به آنها آسیب میرسانند.
آنچه نمیدانیم
- مدلهای یادگیری ماشین با چه سرعتی میتوانند پارامترهای امپدانس را به طور قابل اعتماد و در زمان واقعی، قبل از وقوع تماس، پیشبینی و تنظیم کنند.
- آیا کنترل امپدانس فعال که صرفاً مبتنی بر نرمافزار است، هرگز به اندازهای سریع خواهد شد که عملگرهای کشسان سری فیزیکی را در کاربردهای با سرعت بالا به طور کامل جایگزین کند.
- نهادهای نظارتی چگونه آزمایش ایمنی رباتهایی را که به جای محدودکنندههای نیروی فیزیکی، به امپدانس متغیر متکی هستند، استانداردسازی خواهند کرد.
منابع
[1]arXivرباتیکدانان الهامگرفته از زیستشناسیVariable impedance control and learning -- A review
مطالعه در arXiv →
[2]Applied Bionics and Biomechanicsرباتیکدانان الهامگرفته از زیستشناسیActive Impedance Control of Bioinspired Motion Robotic Manipulators: An Overview
مطالعه در Applied Bionics and Biomechanics →
[3]Clemson University Open Textbooksمهندسان اتوماسیون صنعتیImpedance Control – Modeling, Motion Planning, and Control of Manipulators and Mobile Robots
مطالعه در Clemson University Open Textbooks →
[4]Source Roboticsمحققان تعامل انسان و رباتImpedance in robotics
مطالعه در Source Robotics →
[5]IEEE/CAA Journal of Automatica Sinicaمحققان تعامل انسان و رباتHuman Interaction Dynamics for Its Use in Mobile Robotics:Impedance Control for Leader-follower Formation
مطالعه در IEEE/CAA Journal of Automatica Sinica →
[6]PMCرباتیکدانان الهامگرفته از زیستشناسیLeveraging Joint Mechanics Simplifies the Neural Control of Movement
مطالعه در PMC →
[7]Huluic Encyclopediaمحققان تعامل انسان و رباتContact Force Regulation
مطالعه در Huluic Encyclopedia →
[8]تیم سردبیری کوهستانتحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
نظرات
بیشتر در فناوری
مشاهده همه →پروتکلهای نمایشگر
پروتکل نرخ تازهسازی متغیر (VRR) چگونه مشکل بریدگی و پرش تصویر را حل میکند؟
6 منبع
هوش مصنوعی مولد
کالبدشکافی مدلهای انتشار: هوش مصنوعی واقعاً چگونه از میان برفک و نویز، تصاویر خیرهکننده میسازد؟
6 منبع
امنیت دیتابیس
آسیبپذیری «PostGREShell» در PostgreSQL: نقص ۱۲ ساله در Replication که منجر به اجرای کد از راه دور میشود
6 منبع
معیارهای سختافزاری
توهم چرخه کار: چرا گرافیکی که ۱۰۰٪ درگیر است، هنوز هستههای پردازشی بیکار دارد؟
7 منبع
هر زاویه. هر روز.
دریافت فناوری اخبار همراه با پوشش کامل منابع و تحلیل دیدگاهها، مستقیم در صندوق ورودی شما.





