Legged Locomotion of Robots + Laborprojekt - Cheatsheet

Kinematik und Dynamik von robotischen Beinen

Definition:

Untersucht Bewegungen und Kräfte in robotischen Beinen, Fokus auf Bewegungssteuerung und Stabilität.

Details:

• Kinematik: Analyse der Gelenkwinkel und Positionen.
• Dynamik: Betrachtung der Kräfte und Momente.
• D-Gleichung: \(M(\theta)\ddot{\theta} + C(\theta,\dot{\theta})\dot{\theta} + G(\theta) = \tau\)
• Vorwärts-/Rückwärtskinematik zur Bewegungsplanung.
• Stabilitätskriterien: ZMP, CoM.
• Simulationsmodelle und Echtzeitanwendungen.
• PID-Regelung zur positionsbasierten Steuerung.

Künstliche neuronale Netze für die Bewegungssteuerung

Definition:

Verwendung von künstlichen neuronalen Netzen zur Steuerung der Bewegung von Robotern mit Beinen.

Details:

• Bewegungssteuerung basiert auf Reinforcement Learning.
• Neuronale Netze modellieren komplexe Bewegungsabläufe.
• Input: Sensor-Daten (z.B. Gyroskop, Beschleunigungsmesser).
• Output: Steuerbefehle an die Gelenkantriebe.
• Trainingsphase: Optimierung durch Belohnungsfunktionen.
• Vorteile: Adaptivität und Lernfähigkeit in unstrukturierten Umgebungen.

Model Predictive Control (MPC)

Definition:

Model Predictive Control (MPC) ist eine fortgeschrittene Methode zur Prozessregelung, die eine Reihe zukünftiger Zustände des Systems vorhersagt, um optimale Steuersignale zu berechnen.

Details:

• Verwendung in der Beinrobotik zur Regelung und Stabilisierung der Bewegung.
• Nutzt ein Modell des Systems zur Vorhersage zukünftiger Zustände.
• Berechnung erfolgt über Optimierungsprobleme in Echtzeit.
• Zielfunktion: Minimierung einer Kostenfunktion über einen Horizont.
• Beschränkungen für Zustände und Eingaben werden berücksichtigt.
• Formale Darstellung der Zielfunktion: \[ J = \sum_{i=0}^{N-1} \left( x_{i}^T Q x_{i} + u_{i}^T R u_{i} \right) + x_{N}^T Q_{f} x_{N} \]
• Dynamik des Systems: \[ x_{k+1} = f(x_{k}, u_{k}) \]

Analyse biologischer Bewegungen als Vorbild

Definition:

Untersuchung und Nachahmung biologischer Bewegungsmuster zur Verbesserung robotischer Gangmuster.

Details:

• Ziel: Optimierung der Energieeffizienz und Stabilität bei Robotern.
• Analyse von Muskel- und Gelenkbewegungen bei Lebewesen.
• Anwendung von Erkenntnissen aus der Biomechanik.
• Mathematische Modellierung von Bewegungsabläufen.
• Simulation und Implementierung in robotische Systeme.
• Erwägung von Sensor- und Steuerungstechniken.

Materialauswahl und -eigenschaften für Roboterglieder

Definition:

Materialauswahl beeinflusst Leistung, Effizienz, Kosten, Gewicht und Lebensdauer der Roboterglieder. Wichtige Materialeigenschaften sind Festigkeit, Steifigkeit, Dichte und Korrosionsbeständigkeit.

Details:

• Festigkeit: Bestimmt die maximale Belastung; Werkstoffe wie Titan oder Aluminium haben hohe Festigkeit.
• Steifigkeit: Verhindert Verformung; Werkstoffe mit hohem E-Modul (z.B. Kohlefaser).
• Dichte: Beeinflusst Gewicht; Leichte Materialien wie Aluminium oder sogar Kunststoffe reduzieren Masse.
• Korrosionsbeständigkeit: Erhöht die Lebensdauer besonders in feuchten/korrosiven Umgebungen; Edelstähle oder spezielle Beschichtungen.
• Fertigungskosten: Kunststoffspritzguss kostengünstig, jedoch geringere Steifigkeit.
• Formbarkeit: Manche Materialien lassen sich leichter bearbeiten oder in komplexe Formen bringen (z.B. Aluminium).
• Reibung und Verschleiß: Niedrige Reibung vermindert Energieverluste und Materialverschleiß (z.B. gepolymere Gleitlager).

Einfluss von Sensoren und Feedback-Systemen

Definition:

Einfluss von Sensoren und Feedback-Systemen: Optimierung der Fortbewegung und Stabilität von Robotern durch Echtzeit-Datenanalyse und Anpassungsmechanismen.

Details:

• Sensoren liefern Daten über Position, Orientierung, Geschwindigkeit und externe Kräfte.
• Feedback-Systeme passen die Bewegungen basierend auf Sensordaten in Echtzeit an.
• Wichtige Sensorsysteme: IMUs, Kraftsensoren, Lidar, Kameras.
• Mathematische Modelle zur Datenverarbeitung: \( \text{z.B. Kalman-Filter} \text{und Partikelfilter} \).
• Anwendungen: Gleichgewichtskontrolle, Bahnplanung, Anpassung an unwegsames Gelände.

Einsatz von PID-Reglern in der Robotersteuerung

Definition:

Verwendung von Proportional-Integral-Differential-Reglern zur präzisen Steuerung der Roboterbewegung und -stabilität.

Details:

• Kontinuierliche Anpassung der Roboterbewegung durch Regelgrößenfeedback.
• PID-Regelung umfasst drei Elemente: Proportional (P), Integral (I) und Differential (D).
• Proportionalanteil: Anpassung basierend auf dem unmittelbaren Fehler.
• Integralanteil: Korrektur bei anhaltendem Fehler durch Summierung.
• Differentialanteil: Reaktion auf Geschwindigkeit der Fehleränderung.
• Formel: \[ u(t) = K_p e(t) + K_i \int e(t) dt + K_d \frac{d e(t)}{dt} \]
• Anwendung: Optimierung von Laufmustern, Gleichgewicht und Responsivität des Roboters.

Planung und Umsetzung von Robotik-Projekten

Definition:

Schrittweise Vorgehensweise zur Entwicklung und Installation von Roboterlösungen.

Details:

• Projektdefinition: Ziele und Anforderungen klären
• Machbarkeitsstudie: Technische und wirtschaftliche Machbarkeit prüfen
• Prototypenentwicklung: Erste Modelle und Simulationen erstellen
• Implementierung: Hardware und Software entwickeln
• Tests und Validierung: Funktionstests durchführen
• Dokumentation: Projektverlauf und Ergebnisse dokumentieren
• Integration: Roboter in bestehende Systeme einbinden
• Wartung und Optimierung: Laufende Pflege und Verbesserung