정적·기구학적 제한 조건이 있는 물체의 조작을 위한 다중 로봇 동작 생성

Abstract

로봇이 물품을 조작하고자 할 때 물품의 정적 평형과 힘 제한 조건을 만족하며 동작해야 한다. 또한, 복수 대의 로봇이 동시에 물체를 조작할 때 로봇 사이에는 구속 체인 제한 조건이 생성된다. 하지만 로봇의 관절각 제한과 페이로드의 부족으로 인해 제한 조건을 만족하는 동작 계획에 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위한 다중 로봇 시스템의 그래프 기반 제한 동작 계획 알고리즘을 제안한다. 물품의 포즈가 주어졌을 때 C-VAE 학습 네트워크를 이용하여 가능한 파지점을 도출하고 관절 공간 내 동작의 시작 지점과 목표 지점을 설정한다. 이후 물체의 포즈를 샘플링하고 이를 목표로 하는 역기구학을 계산하여 로봇의 관절값을 업데이트하여 그래프를 확장해 나간다. 또한, 동작의 시작과 목표 지점이 동일한 제한 매니폴드에 존재하지 않는 경우 중간에 물체를 재파지하는 동작을 추가한다. 이로써 로봇의 하드웨어적 한계가 있는 상황에서도 정적/기구학적 제한 조건을 만족하는 동작을 계획할 수 있다. 최종적으로 시뮬레이션 상에서 기존 알고리즘과 제안한 알고리즘을 비교하고 세 대의 매니퓰레이터를 이용하여 IKEA의 STEFAN 의자를 회전하는 실험을 통해 성공적으로 알고리즘을 검증한다.

When robots try to manipulate a object, they have to satisfy static equilibrium and force constraints. Furthermore closed chain constraints are generated when multiple robots simultaneously manipulate the object. Because of the robot's joint limit and lack of its payload, constrained motion planning is still challenging problem. We propose graph-based motion planning algorithm of multi robot systems to to address these problems. First, given the pose of the object, we sample possible grasping point using the C-VAE learning network and then set start and goal node of motion using the point. Next, we extend the graph by randomly sampling the object pose and get robot joint configurations using inverse kinematics with proper initial seed. If start and goal node do not exist on the same constraint manifold, manipulators re-grasp the object, meaning that they jump from the start constraint manifold to the goal manifold. These make manipulating the object with static/kinematic constraints successful even in situations where there exist hardware limitations of the robot. Finally, we verified the algorithm by comparing with existing algorithms in simulation and conducting an real experiment using three manipulators.