Sistema basado en aprendizaje profundo para evadir obstáculos estáticos con un robot fijo de 6 DOF
Deep learning based system to avoid static obstacles with a 6 DOF fixed robot
Citación
Date
2020-09-23Author
Herrera Benavides, Julian Esteban
Obtained degree
Magíster en Ingeniería Mecatrónica
Key words
; robotica; teoria de grafos
Metadata
Show full item record
Documents PDF
Abstract
Este documento presenta el diseño de un sistema de seguridad que evita colisiones entre un robot antropomórfico de seis grados de libertad y los operarios u objetos que se encuentren presentes en el entorno. Mediante el sistema desarrollado se permite incluir manipuladores en entornos que requieran trabajos colaborativos hombre-máquina, en los cuales está el riesgo de presentarse colisiones que pueden ser perjudiciales tanto para el robot como para los operarios. La planeación de movimiento se calcula integrando módulos que realizan segmentación semántica, nube de puntos, cálculos cinemáticos, análisis de colisiones y solución de grafos; tareas que son explicadas a lo largo del documento. Los resultados obtenidos demuestran que es posible evadir con niveles de prioridad los obstáculos, lo que permite controlar la cercanía del robot respecto a estos y así disminuir la posibilidad de colisión. Se logra obtener planeaciones de movimiento robustas con grafos de 27000 nodos, los cuales se solucionan en promedio en 396 segundos, por lo que este enfoque es útil principalmente para entornos estáticos en donde no se requiere actualizar los grafos solucionados.
This document presents the design of a security system that prevents collisions between an anthropomorphic robot with six degrees of freedom and operators or objects present in the environment. Through the developed system it is allowed to include manipulators in environments that require collaborative man-machine works, in which the hazard of collisions (risky for both the robot and the operator) is latent. The motion planning is calculated by integrating modules that perform semantic segmentation, point cloud, kinematic calculations, collision analysis and graph solution; tasks that are explained throughout the document. The results show that it is possible to evade obstacles with priority levels, this allows controlling the robot's proximity to the obstacles and thus reducing the probability of collision. Robust motion planning is achieved with 27,000-node charts, these are resolved in 396 seconds on average. Thus, this approach is useful primarily for static environments where you don't need to update the resolved charts.