Konstruktion einer Sandbox für die Analyse von Kontrollalgorithmen und das Training von Robotern

Abstract

Die Kontrolle von humanoiden und tierähnlichen Robotern ist nach wie vor eine große Herausforderung. Methoden aus dem Bereich des maschinellen Lernens funktionieren bereits gut in Simulationen. Doch die Diskrepanz zwischen Simulation und Realität erschwert es manchmal, ebenso gute Resultate auf dem echten Roboter zu erreichen. Des Weiteren brauchen Lernalgorithmen eine enorme Menge an Trainingsdaten. Das Ziel dieser Arbeit ist die Konstruktion einer Sandbox, die es ermöglichen soll, simulierte und echte Roboter miteinander zu vergleichen, und die ein kontrolliertes und kontinuierliches Sammeln von simulierten und echten Daten unterstützt. Die Sandbox besteht aus einer Motion-Capture-Komponente und einer Simulationskomponente. Die Motion-Capture-Komponente ist verantwortlich für die Datensammlung. Dafür wird ein System von OptiTrack mit sechs hoch präzisen Infrarotkameras verwendet. Die Simulationskomponente wird mit Simulink und der Simscape-Multibody-Library realisiert und ist verantwortlich für die Exploration und den Vergleich von Simulationsdaten mit realen Daten. Für diese Arbeit wird ein vierbeiniger Roboter von ROBOTIS verwendet, der von 15 Dynamixel-Servomotoren gesteuert wird. Um den Roboter in die Sandbox zu integrieren, muss sein Controller neu programmiert werden. Das vereinfacht den Transfer von Bewegungsdaten auf den Roboter und ermöglicht es, den Roboter von der Ferne zu steuern. Der Roboter wird dann mit reflektierenden Markern versehen und seine Bewegungen werden aufgezeichnet. Mit der CAD-Software SolidWorks, wird ein 3D Modell des Roboters nachgebaut, welches für die Simulation in Simulink verwendet wird. Das Ergebnis ist ein System, das präzise die Bewegungsdaten eines kleinen Roboters sammeln kann. Diese Daten werden dann zur Simulation weitergeleitet und können dort mit Simulationsdaten verglichen werden. Simulationsdaten können auch einfach auf dem echten Roboter getestet und erneut aufgezeichnet werden. Das System ist also ein geschlossener Kreislauf, der iterative Roboterforschung ermöglicht. Zwei Datensätze werden mithilfe der resultierenden Sandbox verglichen: Ein Datensatz von ROBOTIS, der ideale Gelenkswinkel für den Roboter beinhaltet, und ein Datensatz, der mit dem Motion-Capture-System gewonnen wird. Beide Datensätze werden für Simulationen verwendet. Die Position und Orientierung des simulierten Roboters werden mit den Motion-Capture-Daten verglichen. Trotz starker Variationen in den Simulationsergebnissen, behält der simulierte Roboter sein ungefähres Gangbild und weicht nur wenige Zentimeter vom echten Roboter ab.

The control of legged robots and teaching robotic hands to grasp are still challenging tasks. Machine learning approaches already work well in simulation. However, the discrepancy between simulation and reality sometimes causes difficulties when applying simulation results to the real robot. Learning algorithms also require a huge amount of training data. The goal of this work is to build a sandbox that provides a detailed comparison between simulated and real-world robots and offers a way of controlled and continuous data collection and exploration. The sandbox consists of a motion capture and a simulation component. The motion capture component is responsible for the continuous data collection and is realized with a system from OptiTrack with six high-precision infrared cameras. The simulation component is realized with Simulink and the Simscape Multibody library. This component is responsible for the exploration and comparison of simulated data with real-world data. The robot that is selected for this work is a small four-legged puppy robot from ROBOTIS that is actuated with 15 Dynamixel servomotors. To integrate the robot into the sandbox, the robot's controller is reprogrammed to make a transfer from motion data to the robot easier and to control the robot remotely. The robot is programmed with a straight walking gait and equipped with reflective markers to track its movements. With the computer-aided design (CAD) software SolidWorks, a 3D model of the puppy robot is constructed that is used for simulation in Simulink. The result is a system that accurately gathers 6 degrees of freedom (DOF) data of a small robot. This data is transferred to the simulation and can be compared to simulated data. Data from the simulation can also be tested easily on the real robot and tracked again. This way, a closed-loop system is provided for iterative robot exploration. Two datasets are compared with the help of the resulting sandbox: A dataset from ROBOTIS containing ideal joint angles for the robot, and a dataset that is obtained with the motion capture system, containing tracked joint angles. The datasets are simulated, and the position and orientation of the robot are compared to the data from the motion capture. Despite strong variations in the simulated results, the simulated robot kept a similar direction and was only a few centimetres off from the real robot.