An adaptive admittance controller for collaborative drilling with a robot based on subtask classification via deep learning
Delik delme görevleri için derin öğrenme kullanarak altgörevlerin sınıflandırılması ve buna uygun uyarlamalı bir admitans kontrolcü geliştirilmesi
- Tez No: 766008
- Danışmanlar: PROF. DR. ÇAĞATAY BAŞDOĞAN, DR. ÖĞR. ÜYESİ YUSUF AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: 65
Özet
Bu tezde, katı bir ortamla temas içeren fiziksel bir insan-robot etkileşim görevinin altgörevlerinin gerçek zamanlı sınıflandırılması için yapay sinir ağı modeline dayanan denetimli bir öğrenme yöntemi geliştirilmiştir. Bunun için, fiziksel insan-robot etk- ileşimi içeren bir görev üç altgöreve bölünmektedir: Bekleme, Serbest Hareket ve Temas. Bu altgörevlerin sınıflandırılmasına dayanarak, robot ve insanın fiziksel etk- ileşimini sağlayan bir admitans kontrolcüsünün parametreleri, robot Serbest Hareket altgörevinde insana karşı daha uyumlu (daha az dirençli), Temas altgörevindeyse daha kararlı (stabil) olacak şekilde uyarlanmaktadır. Bekleme altgörevi işlemin başlangıcını tespit etmek için kullanılmaktadır. 12 katılımcıyla yapılan delik delme deneylerinden elde edilen sonuçlar, yapay sinir ağı modelinin farklı admitans kon- trolcüleri kulanıldığında 98% doğrulukla altgörevleri tespit etmeyi başarabildiğini göstermektedir. Son olarak, önerilen altgörev sınıflandırıcısını kullanan uyarlamalı admitans kontrolcüsünün sabit bir admitans kontrolcüsüne göre, Serbest Hareket altgörevinde 20% daha az insan eforuna (yani daha fazla şeffaflığa), Temas alt- görevindeyse 25% daha küçük salınımlara (yani daha fazla kararlılığa) sebep olduğunu görmekteyiz.
Özet (Çeviri)
In this thesis, we propose a supervised learning approach based on an Artificial Neural Network (ANN) model for real-time classification of subtasks in a physical human-robot interaction (pHRI) task involving contact with a stiff environment. In this regard, we consider three subtasks for a given pHRI task: Idle, Driving, and Contact. Based on this classification, the parameters of an admittance controller that regulates the interaction between human and robot are adjusted adaptively in real time to make the robot more transparent to the operator (i.e. less resistant) during the Driving phase and more stable during the Contact phase. The Idle phase is primarily used to detect the initiation of task. Experimental results have shown that the ANN model can learn to detect the subtasks under different admittance controller conditions with an accuracy of 98% for 12 participants. Finally, we show that the admittance adaptation based on the proposed subtask classifier leads to 20% lower human effort (i.e. higher transparency) in the Driving phase and 25% lower oscillation amplitude (i.e. higher stability) during drilling in the Contact phase compared to an admittance controller with fixed parameters.
Benzer Tezler
- Adaptive human force scaling for physical human-robot interaction via admittance control
Admitans kontrolünü kullanarak fiziksel insan-robot etkileşimi için uyarlanabilir insan kuvveti ölçeklendirmesi
YAHYA MOHEY HAMAD AL QAYSI
Doktora
İngilizce
2023
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ÇAĞATAY BAŞDOĞAN
Assist. Prof. Dr. YUSUF AYDIN
- Adaptive backstepping control based emegency scheme for improving transient stability of power systems with renewable energy sources
Yenilenebilir enerji kaynaklarıyla entegre güç sistemlerinde geçici kararlılığı kontrolu için uyarlanabilir geri adım kontrolü tabanlı acil durum düzeni
MOHAMMAD MOTALLEBZADEH
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Robot-assisted drilling on curved surfaces with haptic guidance under adaptive admittance control
Uyarlamalı admitans kontrolcü ve haptik yönlendirme ile kavisli yüzeylerde robot destekli delme
ALIREZA MADANI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ÇAĞATAY BAŞDOĞAN
- Deep reinforcement learning to optimize task performance in human-robot co-manipulation
İnsan-robot birlikte manipülasyonunda, görev performansını optimize etmek için derin pekiştirmeli öğrenme
BERK GÜLER
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ÇAĞATAY BAŞDOĞAN
- Üst uzuv rahatsızlıkları için rehabilitasyon robotu tasarımı ve geliştirilmesi
Design and development of exoskeleton robot for upper limb rehabilitation
FERHAD KALELİ
Yüksek Lisans
Türkçe
2018
Fiziksel Tıp ve Rehabilitasyonİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA