Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di: https://www.researchgate.net/publication/308809848
Metode lokalisasi robot humanoid untuk navigasi berkaki dua di lingkungan yang dihuni manusia
Makalah Konferensi - Juni 2015
DOI: 10.1109/CYBER.2015.7287997
KUTIPAN
2
MEMBACA
370
7 penulis, termasuk:
Zeyang Xia
Akademi Ilmu Pengetahuan Tiongkok
74 PUBLIKASI 692 KUTIPAN
Jing Xiong
Akademi Ilmu Pengetahuan Tiongkok 90 PUBLIKASI 856 KUTIPAN
Shaokui Weng
Akademi Ilmu Pengetahuan Tiongkok
10 PUBLIKASI 118 KUTIPAN
Ying Hu
Akademi Ilmu Pengetahuan Tiongkok 92 PUBLIKASI 703 KUTIPAN
Beberapa penulis publikasi ini juga sedang mengerjakan proyek-proyek terkait:
Robotika untuk proyek Tampilan Ortodontik Presisi
Pelatihan tambahan untuk regresi dan pengurangan dimensi jaringan saraf Lihat proyek
LIHAT PROFIL LIHAT PROFIL
LIHAT PROFIL LIHAT PROFIL
Subscribe to DeepL Pro to translate larger documents.
Visit www.DeepL.com/pro for more information.
Semua konten yang mengikuti halaman ini diunggah oleh Zeyang Xia pada 28 Maret 2019.
Pengguna telah meminta peningkatan file yang diunduh.
Konferensi Internasional IEEE Tahunan ke-5 tentang Teknologi Cyber dalam Otomasi, Kontrol dan Sistem Cerdas 8-
12 Juni 2015, Shenyang, Tiongkok
Metode lokalisasi robot humanoid untuk
navigasi berkaki dua di lingkungan yang dihuni manusia
Huang Li1,2,3 , Zeyang Xia1,2∗ ,Jing Xiong1∗ ,Yangzhou Gan1,2 ,Shaokui Weng1,2 ,Ying Hu1,2 ,Jianwei Zhang4 1. Institut Teknologi Canggih Shenzhen, Akademi Ilmu Pengetahuan Tiongkok, Shenzhen, 518055, Tiongkok
2. The Chinese University of Hong Kong, Hong Kong, 999077, Tiongkok 3. Universitas Akademi Ilmu Pengetahuan Tiongkok, Beijing, 100049, Tiongkok 4. TAMS, Departemen Informatika, Universitas Hamburg, Hamburg, 22527, Jerman
* Penulis yang berkorespondensi, Email: {zy.xia, jing.xiong}@siat.ac.cn
Abstrak-Dalam perencanaan langkah kaki secara real-time untuk robot humanoid, diperlukan lokasi penempatan kaki yang akurat. Namun, metode yang ada hanya diperlukan untuk mendapatkan lokalisasi robot sebagai partikel, yang tidak secara khusus mempertimbangkan lokalisasi penempatan kakinya.
Makalah ini menyajikan metode lokalisasi penempatan kaki untuk robot humanoid di lingkungan tempat tinggal manusia.
Sensor Kinect pertama kali digunakan untuk mendapatkan peta digital dari lingkungan global dan posisi serta orientasi kepala robot kemudian diekstraksi. Posisi dan orientasi penempatan kaki kemudian dihitung berdasarkan hubungan geometris spasial antara kepala dan kaki target. Metode yang diusulkan digunakan dalam perencanaan langkah kaki secara real time di lingkungan yang dinamis. Hasil eksperimen memvalidasi kelayakannya.
Kata Kunci-robot humanoid, penggerak dua kaki, langkah kaki, lokalisasi
I. PENDAHULUAN
Dalam beberapa tahun terakhir, masalah populasi yang menua semakin serius. Cara menggunakan robot untuk membantu para lansia telah menjadi titik panas penelitian.
Dibandingkan dengan robot beroda, robot humanoid memiliki kemampuan untuk menaiki tangga dan melangkahi rintangan, sehingga lebih disukai untuk melayani para lansia di lingkungan tempat tinggal manusia.
Perencanaan gerak adalah salah satu masalah yang paling menantang yang harus diatasi agar robot berkaki dua dapat menyelesaikan tugas-tugas tingkat tinggi. Mengingat lingkungan yang kompleks dan masalah stabilitas selama berjalan, perencanaan langkah kaki tidak sama dengan perencanaan jalur konvensional. Kuffner dkk. [1].
[3] mengusulkan pendekatan berbasis pengambilan sampel untuk perencanaan langkah kaki global. Chestnut dkk. [4]
memperbaiki metode Kuffner dkk. dengan menggunakan algoritme pencarian heuristik (A*) untuk menghasilkan urutan langkah kaki pada model aksi yang dapat disesuaikan secara dinamis. Xia dkk. [5]-[7] pertama kali memperkenalkan algoritme acak untuk perencanaan langkah kaki. Dalam algoritma mereka, algoritma penjelajahan pohon acak cepat (RRT) digunakan untuk memecahkan masalah perencanaan yang gagal di lingkungan yang tertutup atau sempit.
Namun demikian, algoritme ini ditujukan untuk lingkungan statis. Dalam lingkungan statis, seseorang hanya perlu merencanakan langkah kaki sekali saja, dan tidak perlu
memperbarui rencana ini
Pekerjaan ini didukung oleh Yayasan Sains Nasional Chi- na (No.51305436), Program Penelitian Fundamental Shenzhen (J-CYJ20140901003939038), dan Asosiasi Promosi Inovasi Pemuda, Akademi Ilmu Pengetahuan Chi- n a (No.2015301).
urutan langkah kaki. Sementara di lingkungan tempat tinggal manusia, karena rintangan dan target bersifat dinamis, maka perlu untuk merencanakan ulang dan memperbarui langkah kaki dalam waktu nyata. Untuk perencanaan langkah kaki secara real time, diperlukan lokalisasi langkah kaki yang sesuai dengan posisi awal langkah kaki.
Untuk lokalisasi robot, sebagian besar metode yang ada [8]-[11] hanya melibatkan lokalisasi robot dengan menganggapnya sebagai satu titik dan memperkirakan posisi titik tersebut, dan tidak mempertimbangkan lokalisasi langkah kaki. Makalah ini mengusulkan sebuah kerangka kerja untuk lokalisasi langkah kaki berdasarkan sensor visual. Dalam kerangka kerja tersebut, sensor visual diadopsi untuk mendapatkan peta global lingkungan dan mengekstrak titik yang ditandai pada kepala robot. Titik yang ditandai yang diekstraksi digunakan untuk memperkirakan posisi dan arah kepala robot. Kemudian, posisi langkah kaki dihitung dari hubungan geometris spasial antara kepala dan kaki. Dalam percobaan, Kinect [12] digunakan sebagai sensor visual untuk mendapatkan peta global dan mengekstrak titik yang ditandai. Nao [13]
digunakan sebagai robot humanoid untuk eksperimen fisik. Hasil eksperimen memverifikasi kelayakan metode lokalisasi langkah kaki yang diusulkan.
Bagian selanjutnya dari makalah ini disusun sebagai
berikut. Bagian II memperkenalkan kerangka kerja perencanaan langkah kaki. Bagian III menyajikan kerangka kerja pelokalan langkah kaki Bagian IV menjelaskan pendekatan pelokalan. Bagian V memberikan hasil eksperimen, dan Bagian VI menyimpulkan makalah ini.
II. PENGENALAN PERENCANAAN LANGKAH KAKI
Perencana langkah kaki berbasis pengambilan sampel adalah algoritme yang menggunakan pohon pencarian untuk menghasilkan urutan langkah kaki yang didasarkan pada pengambilan sampel penempatan langkah kaki. Pekerjaan ini mencakup dua bagian berikut:
1) Model penempatan langkah kaki adalah sekumpulan penempatan langkah kaki yang layak dipilih untuk mengayunkan kaki di wilayah yang dapat dijangkau.
Pemilihan gaya berjalan menentukan distribusi penempatan langkah kaki robot, penempatan langkah kaki dan gaya berjalan adalah hubungan satu-ke-satu. Untuk merealisasikan gaya berjalan yang khas dan membuat robot dapat maju, berbelok, berjalan ke samping, dan sebagainya, kami membangun sebuah pustaka langkah elemen yang berisi 10 langkah elemen sebagai basis data untuk perencana langkah kaki (Gbr. 1).
2) Pohon pencarian diperluas dengan pengambilan sampel penempatan langkah kaki, pencarian A* digunakan untuk menghitung urutan kaki.
978-1-4799-8730-6/15/$31.00 © 2015 IEEE 540
Gbr. 1. Penempatan pijakan kaki untuk kaki ayun. Persegi panjang kiri menunjukkan kaki penyangga, persegi panjang kanan menunjukkan penempatan footstep yang memungkinkan untuk kaki ayun. Bagian tengah tanda silang pada setiap persegi panjang menunjukkan koordinat penempatan footstep yang ditentukan.
Pengecekan tabrakan berdasarkan lingkungan dan kemungkinan jejak pendaratan adalah kendala untuk perluasan. Pohon pencarian dibangun dari penempatan langkah kaki awal robot humanoid dan selesai hingga satu penempatan langkah kaki yang meluas mencapai wilayah tujuan.
III. KERANGKA KERJA PELOKALAN LANGKAH KAKI
A. Transisi Langkah Kaki-Gerakan Tubuh
Siklus perencanaan perencana langkah kaki adalah dari satu transisi gerakan langkah kaki ke gerakan kaki lainnya.
Gbr. 2 menunjukkan model transisi langkah kaki-gerakan saat kaki penyangga berada di sebelah kiri dan kaki ayun berada di sebelah kanan. Langkah kaki yang berbasis sesuai dengan sampel wilayah yang dapat dijangkau, maka robot harus menempatkan kaki ayun ke penempatan langkah kaki yang diinginkan. Namun, untuk proses berjalan terus menerus, langkah selalu berubah antara kiri dan kanan dan kontrol CoM untuk menjaga stabilitas diperlukan.
Gbr. 2. Model transisi langkah kaki: kiri - Wilayah yang dapat dijangkau dari kaki ayun; kanan - seperangkat penempatan langkah kaki yang layak yang sudah ditentukan sebelumnya
kepala lebih mudah diperoleh melalui indera visual. Jadi, alih- alih memperkirakan posisi langkah kaki secara langsung, pertama-tama kita memperkirakan posisi dan arah kepala, lalu menghitung posisi langkah kaki. Posisi dan arah kepala diperkirakan dari wilayah yang ditandai yang ditetapkan pada kepala robot. Diagram blok lokalisasi langkah kaki yang diusulkan ditunjukkan pada Gbr. 3.
Gbr. 3. Pelokalan langkah kaki untuk robot berkaki dua.
IV. PENDEKATAN
A. Kalibrasi Kinect
Kalibrasi kamera adalah langkah penting dalam mengekstraksi informasi metrik dari gambar 2D. Metode Zhang telah dianggap sebagai metode yang efisien untuk kalibrasi kamera [14]. Dengan menggunakan metodenya, pertama-tama kita harus menempatkan pelat papan di area di mana kamera dapat menangkap (Gbr. 4). Dengan mengasumsikan pelat
Gbr. 4. Kalibrasi kamera: (Xc, Yc, Zc) menunjukkan koordinat kamera, (Xw, Yw, Zw) menunjukkan koordinat dunia.
sistem koordinat di bidang dunia Z=0, hubungan antara sistem koordinat dunia dan sistem koordinat kamera dapat dijelaskan melalui rumus-rumus berikut ini:
sesuai dengan strategi stabil robot [6].
B. Pelokalan langkah kaki
Ketika robot berjalan di lingkungan, ada
u X
s v = K [ r1 r2 t ] Y
1 1
H = [ h h h1 2 3 ] =
λK [ r r1 2 t ]
r1 = 1 K-1h1, r2 = 1 K-1h2
(1)
(2) zona di mana kaki robot tidak dapat ditangkap oleh sensor visual. λ λ
Memang sulit untuk mendapatkan posisi langkah kaki secara
langsung. Namun, hubungan yang sesuai dari kepala dan kaki robot ditetapkan pada transisi langkah kaki-gerakan, dan posisi
di mana K menunjukkan matriks intrinsik kamera, [X, Y, 1]T adalah koordinat homogen dari titik-titik pada bidang pelat, [u, v , 1] adalah koordinat homogen dari titik-titik pada 5421
|| || || ||
h K K h2 = 0
-
(x5-X) + (y5-Y) (x4-X)2 +(y4-Y)2
⎡ ⎤
bidang gambar yang merupakan proyeksi yang sesuai dengan bidang pelat, [r1 , r2 ] adalah matriks rotasi, dan t adalah vektor translasi.
Menurut sifat matriks rotasi, r1T r2 =0 dan r1 = r2 =1, setiap gambar dapat memperoleh dua batasan dasar matriks intrinsik berikut ini:
T -T -1
hT K-T 1
K-1h1 = hT K-T K-1h2 (3)
1 2
Karena kamera memiliki 5 parameter yang tidak diketahui, jika tidak kurang dari tiga gambar yang digunakan, kita bisa mendapatkan satu-satunya solusi K dan parameter intrinsik lainnya.
B. Estimasi posisi dan arah kepala robot
Karena kerumitan struktur robot humanoid, kami menetapkan tiga wilayah yang ditandai pada kepala robot.
Zona hitam persegi panjang digunakan karena dapat meningkatkan akurasi untuk menangkap posisi wilayah yang ditandai (Gbr. 5).
Gbr. 5. Daerah yang ditandai pada robot.
We define that: (x, y) indicates head position; vector indicates head direction. Three marked region are set on the robots, (x1, y1), (x2, y2), (x3, y3) are the center of each mark which can be gained by Kinect, the relationship between the coordinates is as follows.
Gbr. 6. Hubungan geometris spasial, (x4 , y4 ) adalah posisi tanda pada gambar 2D, (x, y, h) adalah posisi tiga dimensi yang sebenarnya.
C. Perhitungan posisi langkah kaki
Secara umum, ada 12 derajat kebebasan (DOF) untuk mengontrol jalan kaki robot humanoid berkaki dua. Oleh karena itu, kami menggunakan 12 DOF untuk mengilustrasikan perhitungan jika langkah kaki dari posisi dan arah kepala.
Gbr. 7 menunjukkan struktur spasial dari 12 DOF untuk berjalan dengan dua kaki, di mana sistem koordinat 1-12 menunjukkan DOF yang sesuai, dan 0 menunjukkan sistem koordinat dunia. Hubungan antar sendi dapat dijelaskan dengan
x (x1 + x3 ) /2 y = (y1 + y3 ) /2
→a (x2 - x, y2 - y) (4)
(x1 , y1 ), (x2 , y2 ), dan (x3 , y3 ) diestimasi dari bidang dengan jarak h (tinggi kepala robot) dari bidang kaki robot menggunakan kamera tunggal. Karena sifat dari model kamera lubang jarum, terdapat kesalahan antara posisi yang diestimasi dengan posisi sebenarnya pada bidang kaki robot. Diperlukan perhitungan posisi sebenarnya untuk menghilangkan kesalahan tersebut melalui hubungan geometris berikut (Gbr.
6). Gbr. 7. DOF robot yang sesuai pada transisi gerakan langkah kaki.
x5 xy00
y5 = ⎢⎣ √ 2 2⎦⎥ (5) G nm (matriks rotasi dari sendi n ke sendi m) dan L nm
Di mana h adalah ketinggian kepala robot pada transisi gerakan langkah kaki, H adalah ketinggian kamera, dan (X, Y) adalah koordinat kamera yang diproyeksikan ke bidang langkah kaki.
cos θ sin θ 0 G = sin θ cos θ 0
0 0 1 L = [ x y z ] (6)
H dan (X, Y) dihitung dari vektor translasi, matriks intrinsik
dan matriks rotasi kamera. di mana sudut rotasi, x, y, dan z adalah jarak translasi dalam arah x, y, dan z secara berurutan. Posisi
(vektor transisi dari sendi n ke sendi m), yang diberikan sebagai berikut:
h / √ H
5432
⎪
⎧
⎪
⎩
⎪
⎨⎪ Kaki kiri = ( x y h ) Kaki kiri-1
dari langkah kaki dapat dihitung dari posisi dan arah kepala dengan menggunakan dua persamaan berikut.
Kaki kiri = L0 12 + G0 12L12 11 + G0 11L11 10+
G0 10L10 9 + G0 9L9 8 + G0 8L8 7 + G0 7L7 14 Kaki kanan = L0 1 + G0 1L1 2 + G0 2L2 3+
G0 3L3 4 + G0 4L4 5 + G0 5L5 6 + G0 6L6 14 Kaki kanan = ( x y h ) Kaki kanan kanan-1
(7)
Karena kekakuan robot, baik G dan L dikoreksi berdasarkan nilai teoretis.
V. EKSPERIMEN DAN HASIL
Dalam percobaan kami, robot Aldebaran NAO dengan 25 derajat kebebasan digunakan sebagai model robot berkaki dua dan Kinect digunakan sebagai sensor visual. Kinect digunakan karena dapat menghasilkan Peta Kedalaman 3D untuk perencana langkah kaki dan menangkap tanda di kepala robot.
Gbr. 8 menunjukkan adegan eksperimental virtual yang dibuat oleh webots [15]. Adegan pengujian adalah area persegi 2m * 2m, Kinect dipasang di langit-langit dengan ketinggian sekitar 2740mm dari lantai. Resolusi kamera adalah 640 * 480, dan area yang efisien adalah 430 * 430.
Gbr. 8. Pemandangan virtual untuk pengujian eksperimental. Sensor Kinect dipasang di langit-langit, ukuran lingkungan pengujian adalah 2*2 m.
Untuk kalibrasi kamera, digunakan papan catur dengan blok 14*14 (masing-masing blok berukuran 50*50mm). 12 gambar diambil untuk memperkirakan matriks intrinsik dan vektor terjemahan (Gbr. 9).
Gbr. 10 (a) menunjukkan adegan eksperimental fisik model penyangga kaki kanan, Gbr. 10 (b) menunjukkan posisi langkah kaki yang diekstraksi.
Untuk estimasi kesalahan kuantitatif dari lo- kalisasi langkah kaki, 15 kelompok dari setiap transisi langkah kaki- gestur dilakukan. Posisi nyata dan estimasi posisi dari 30 kelompok data yang diuji ditunjukkan pada Gbr. 11.
Ketika kaki penyangga adalah kaki kiri, kesalahannya adalah 16,821 ± 11,64mm, dan ketika kaki penyangga adalah kaki kanan
5443
±
Gbr. 9. Proses kalibrasi kamera, 12 gambar digunakan untuk menghitung parameter kamera.
Gbr. 10. (a). Adegan percobaan ketika robot menyangga kaki dengan benar. (b).
Posisi yang dihitung oleh program, tanda silang merah adalah posisinya.
Gbr. 11. Kelompok data yang diuji berisi model kiri dan kanan.
kaki, kesalahannya adalah 15,445 9,197mm. Kesalahan rata-rata dalam percobaan kami jauh lebih baik daripada kesalahan rata- rata yang dikurangi menjadi 73,3mm dengan pendekatan filter Kalman dalam [10]. Gbr. 12 menunjukkan distribusi kesalahan.
Kesalahan rata-rata memenuhi permintaan akurasi untuk perencanaan langkah kaki.
Gbr. 12. Kesalahan dan kesalahan rata-rata pada model kaki penyangga yang berbeda.
Kami memverifikasi kelayakan metode lokalisasi yang disajikan untuk navigasi berkaki dua di lingkungan tempat tinggal manusia dengan simulator berbasis webots. Dalam percobaan ini, bola merah mewakili titik target, robot akan melacak titik tujuan sampai robot mencapainya. Baik target maupun rintangan (kotak biru) dapat digerakkan untuk merepresentasikan lingkungan tempat tinggal manusia. Gbr.13 menunjukkan prosedur navigasi. Ketika lingkungan berubah, perencana langkah kaki akan merencanakan ulang urutan langkah kaki yang baru dengan menggunakan posisi langkah kaki saat ini sebagai posisi awal yang diestimasi oleh lokalisasi. Robot akan menyesuaikan urutan langkah kaki untuk mencapai target. Hasil percobaan membuktikan kelayakan metode lokalisasi.
Gbr. 13 . Prosedur navigasi dalam simulator berbasis webot.
VI. KESIMPULAN DAN PEKERJAAN DI MASA DEPAN
Dalam perencanaan langkah kaki secara real-time, posisi dan arah langkah kaki diperlukan. Makalah ini menyajikan metode lokalisasi berbasis visual untuk langkah kaki robot berkaki dua. Metode yang disajikan telah diuji pada platform robot fisik dalam sebuah adegan eksperimental. Hasil pengujian memverifikasi bahwa metode yang disajikan layak untuk lokalisasi langkah kaki dari perencanaan langkah kaki robot berkaki dua. Kesalahan lokalisasi memenuhi permintaan akurasi untuk perencanaan langkah kaki. Penelitian selanjutnya akan difokuskan pada peningkatan ketahanan kerangka kerja dan penerapan metode yang diusulkan pada perencanaan langkah kaki robot biped di lingkungan fisik manusia.
REFERENSI
[1] J. J. Kuffner, K. Nishiwaki, K. Kgami, M. Inaba, dan H. Inoue, Perencanaan langkah kaki di antara rintangan untuk robot berkaki dua, dalam Proc. IEEE/RSJ Int. Conf. Intell. Robots Syst. , Maui, Hawaii, Oct.2001, pp.500-505.
[2] J. J. Kuffner, K. Nishiwaki, K. Kgami, M. Inaba, dan H. Inoue, Perencanaan gerak untuk robot humanoid, Trans. Adv. Robot, vol.15, pp.365-374, 2005.
[3] J. Chestnutt, J. Kuffner, K. Nishiwaki, dan S. Kagami, Merencanakan strategi navigasi berkaki dua di lingkungan yang kompleks, dipresentasikan di IEEE Int. Conf. Humanoid Robot, Munich, Jerman, 2003.
[4] J. Chestnutt, M. Lau, J. Kuffener, J. Hodgins, dan T. Kanada, Perencanaan langkah kaki untuk humanoid Hongda ASIMO, dalam Proc. IEEE Int. Conf. Robot. Autom, Tsukuba, Japan, 2005, pp. 629- 634.
[5] Z. Xia, J. Xiong dan K. Chen, Parameter adaptasi diri dalam n a v i g a s i b e r k a k i d u a y a n g menggunakan perencana langkah kaki acak yang tidak seragam, Robotica 28, 2010, hlm. 361- 366.
[6] Z. Xia, J. Xiong dan K. Ken, Navigasi global untuk robot humanoid menggunakan perencana langkah kaki berbasis sampling, IEEE/ASME Transactions on Mechtronics vol 16, 2011, pp. 716-723.
[7] Z. Xia, J. Xiong, dan K. Chen, Pendekatan berbasis sampling deterministik untuk perencanaan langkah kaki global untuk robot humanoid, dalam Proc. 2009 IEEE Int. Conf. Robot Humanoid (Humanoids), Paris, Perancis, 7-10 Desember 2009, hal. 142-14.
[8] R. Cupec, G. Schmidt, O. Lorch, Eksperimen robot berjalan dengan panduan penglihatan dalam skenario terstruktur, IEEE/ISIE 2005.
Prosiding Simposium Internasional IEEE tentang Elektronika Industiral, Juni. 20-23, 2005, pp.1581-1586.
[9] S. Osswald, A. Hornung, M. Bennewitz, Proposal yang lebih baik untuk pelokalan yang sangat akurat menggunakan data jangkauan dan penglihatan, Konferensi Internasional IEEE/RSJ 2012 tentang Robot dan Sistem Interligent (IROS), 7-12 Oktober 2012, hal 1809-1814.
[10] Y. Hao, Z. Liang, J. Liu, J. Li, H. Zhao, Desain Kerangka Kerja Robot Humanoid pada Kompetisi Simulasi Sepak Bola 3D RoboCup. 2013 IEEE International Conference on Control and Automation (IC- CA), Hangzhou, China, 12-14 Juni 2013, hal 1423-1428.
[11] Y. Kang, H. Kim, S. Ryu, N. Doh, Sistem Navigasi Humanoid yang Dapat Diandalkan Berdasarkan Penggerak Bipedal, IEEE Transactions on Industiral Electronics, vol 59, 2012, hal 1050-1060.
[12] NAO http://www.aldelbaran.com/en/humanoid-robot/nao-robot.
[13] Microsoft Kinect http://www.microsoft.com/en-us/kinectforwindows.
[14] Z. Zhang, Teknik baru yang fleksibel untuk kalibrasi kamera, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 22, NO.11, 2000.
[15] Webots http://www.cyberbotics.com/overview.
5454
Lihat statistik publikasi
