หุ่นยนต์

ฉันต้องการเซ็นเซอร์แรง / แรงบิดหกแกนสำหรับหุ่นยนต์ของฉัน แต่ฉันไม่สามารถซื้อได้ ฉันกำลังคิดที่จะทำด้วยตัวเอง ฉันมีประสบการณ์เกี่ยวกับการใช้เกจวัดความเครียด แต่ฉันไม่สามารถหาวิธีจัดการได้เพื่อสร้างเซ็นเซอร์แรง / แรงบิดแบบหกแกน นี่คือสิ่งที่ฉันสามารถทำให้ตัวเองเป็นไปได้หรือไม่? พวกเขาทำงานอย่างไร ทฤษฎีที่อยู่เบื้องหลังพวกเขาคืออะไร? ฉันอยากรู้ว่าพวกเขาทำงานอย่างไรแม้ว่าจะไม่สามารถสร้างตัวเองได้ ที่เพิ่ม: เพื่อความชัดเจนฉันกำลังพูดถึงเซ็นเซอร์แรง / แรงบิดเช่นนี้ATI Nano 17 : ฉันไม่ได้พูดถึง accelerometers หรือ gyros หรือ MEMS IMUs

16 sensors  force-sensor 

ที่ห้องปฏิบัติการของเราเรามีหุ่นยนต์ประเภท "Kurt" หลายขนาด (ประมาณขนาดของ Pioneer, หกล้อ, เฟืองท้าย) ไจโรสโคปในตัวนั้นล้าสมัยไปแล้วในขณะนี้ ปัญหาหลักคือไจโรสโคปมีดริฟท์ขนาดใหญ่ที่เพิ่มขึ้นเมื่อไจโรร้อนขึ้น (ความผิดพลาดสูงถึง 3 ° / s) เราส่วนใหญ่ใช้ IMU (หน่วยวัดแรงเฉื่อย) เพื่อรับค่าประมาณเริ่มต้นที่ได้รับการแก้ไขในภายหลังโดยอัลกอริทึมการแปลบางอย่าง แต่แม้จะทำเช่นนั้นข้อผิดพลาดเริ่มต้นขนาดใหญ่ที่เกิดจาก IMU มักจะน่ารำคาญ เราใช้โทรศัพท์ Android (Galaxy S2) เป็นการชั่วคราวเพื่อทดแทน IMU และผลลัพธ์จะดีขึ้นมากเมื่อเทียบกับ IMU เก่า อย่างไรก็ตามฉันไม่ชอบขึ้นอยู่กับการเชื่อมต่อ WiFi ระหว่าง IMU และคอมพิวเตอร์ควบคุม (แล็ปท็อปที่ใช้ ROS / Ubuntu) ดังนั้นเราจึงต้องการซื้อ IMU ใหม่ IMU ใดที่เราควรเลือก เกณฑ์ใดที่สำคัญที่ต้องพิจารณาสำหรับการสมัครของเรา

16 ros  imu  odometry  gyroscope  ugv 

ฉันกำลังดิ้นรนกับแนวคิดของเมทริกซ์ความแปรปรวนร่วม ตอนนี้ความเข้าใจของฉันสำหรับ ,และอธิบายถึงความไม่แน่นอน ตัวอย่างเช่นสำหรับมันอธิบายถึงความไม่แน่นอนของค่าของ x ตอนนี้คำถามของฉันเกี่ยวกับ sigmas ที่เหลือพวกเขาเป็นตัวแทนอะไร? มันหมายความว่าอะไรถ้าพวกมันเป็นศูนย์ ฉันสามารถตีความได้ว่าถ้าเป็นศูนย์หมายความว่าฉันไม่มีความไม่แน่นอนเกี่ยวกับค่าของ xΣ=⎡⎣⎢σxxσyxσθxσxyσyyσθyσxθσyθσθθ⎤⎦⎥Σ=[σxxσxyσxθσyxσyyσyθσθxσθYσθθ] \Sigma = \begin{bmatrix} \sigma_{xx} & \sigma_{xy} & \sigma_{x \theta} \\ \sigma_{yx} & \sigma_{yy} & \sigma_{y \theta} \\ \sigma_{\theta x} & \sigma_{\theta y} & \sigma_{\theta \theta} \\ \end{bmatrix} σx xσxx\sigma_{xx}σYYσYY\sigma_{yy}σθ θσθθ\sigma_{\theta \theta}σx xσxx\sigma_{xx}σx xσxx\sigma_{xx} หมายเหตุฉันกำลังอ่านหลักการเคลื่อนไหวหุ่นยนต์ - ทฤษฎีอัลกอริทึมและการใช้งานโดย Howie Choset และ …

16 kalman-filter  noise 

ในการเริ่มต้นด้านวิศวกรรมซอฟต์แวร์โดยทั่วไปคุณไปที่ห้องพร้อมกับคอมพิวเตอร์หรือนำแล็ปท็อปของคุณมาเขียนโค้ด ฉันสนใจที่การเริ่มต้นของหุ่นยนต์ทำงาน: มีสถานที่แยกต่างหากสำหรับการออกแบบหุ่นยนต์หรือไม่? ใช้ตัวอย่างเช่นAnki พวกเขามีห้องทดลองแยกต่างหากสำหรับการออกแบบหุ่นยนต์หรือไม่? หุ่นยนต์ได้รับจากการออกแบบครั้งเดียวไปสู่การผลิตอย่างไร ฉันไม่พบที่ที่ดีกว่าใน SE เพื่อโพสต์สิ่งนี้ (ส่วนธุรกิจที่เพิ่งเริ่มต้นหมดอายุ): โปรดเชื่อมโยงฉันไปยังไซต์ SE อื่นหากมีที่ที่ดีกว่าในการถามคำถามนี้

16 manufacturing 

อะไรคือความแตกต่างที่สำคัญระหว่างการวางแผนการเคลื่อนไหวและการวางแผนเส้นทาง? ลองนึกภาพว่าวัตถุประสงค์ของอัลกอริทึมคือการหาเส้นทางระหว่างหุ่นยนต์ฟุตบอลฮิวแมนนอยด์กับลูกบอลซึ่งควรสั้นที่สุดเท่าที่จะเป็นไปได้และยังพอใจในความปลอดภัยที่ระบุในเส้นทางในแง่ของระยะห่างจากสิ่งกีดขวาง คำศัพท์ไหนดีกว่ากัน การวางแผนการเคลื่อนไหวหรือการวางแผนเส้นทาง?

16 mobile-robot  motion-planning  humanoid 

ฉันกำลังศึกษาวิธีการควบคุมที่เหมาะสมที่สุด (และนำไปใช้ใน Matlab) และเป็นกรณีทดสอบที่ฉันเลือก (ตอนนี้) ลูกตุ้มง่าย ๆ (จับจ้องกับพื้นดิน) ซึ่งฉันต้องการควบคุมให้อยู่ในตำแหน่งบน ฉันจัดการเพื่อควบคุมโดยใช้วิธีป้อนกลับแบบ "ง่าย" (แกว่งขึ้นบนพื้นฐานของการควบคุมพลังงาน + เสถียรภาพ LQR สำหรับตำแหน่งบน) และวิถีการแสดงสถานะเป็นภาพ (ฉันลืมคำอธิบายแกน: x คือทีต้า, y คือทีต้า จุด ตอนนี้ฉันต้องการลองวิธีการควบคุมที่ดีที่สุด "เต็ม" เริ่มต้นด้วยวิธี LQR ซ้ำ (ซึ่งฉันพบว่ามีการใช้งานที่นี่http://homes.cs.washington.edu/~todorov/software/ilqg_det.m ) วิธีการนั้นต้องการฟังก์ชั่นไดนามิกหนึ่งครั้งและฟังก์ชั่นหนึ่งค่าใช้จ่าย ( x = [theta; theta_dot], uคือแรงบิดมอเตอร์ (มอเตอร์หนึ่งตัวเท่านั้น)): function [xdot, xdot_x, xdot_u] = ilqr_fnDyn(x, u) xdot = [x(2); -g/l * …

15 control 

ฉันกำลังพิจารณาการเขียนโปรแกรมบรรทัดต่อไปนี้หุ่นยนต์โดยใช้อัลกอริทึมเสริมการเรียนรู้ คำถามที่ฉันครุ่นคิดคือฉันจะหาอัลกอริทึมเพื่อเรียนรู้การนำทางผ่านเส้นทางใด ๆ ได้อย่างไร? หลังจากที่ได้ติดตามSutton & Barto Bookเพื่อเรียนรู้การเสริมแรงฉันได้แก้ปัญหาการออกกำลังกายที่เกี่ยวข้องกับสนามแข่งที่ตัวแทนรถเรียนรู้ที่จะไม่ออกนอกเส้นทางและควบคุมความเร็ว อย่างไรก็ตามปัญหาการออกกำลังกายนั้นมีตัวแทนให้เรียนรู้วิธีการติดตามเส้นทางที่ฝึกมา มันอยู่ในขอบเขตของการเรียนรู้การเสริมกำลังเพื่อให้หุ่นยนต์นำทางไปตามเส้นทางที่กำหนดหรือไม่? ไม่ตัวแทนอย่างต้องมีแผนที่ของวงจรการแข่งขันหรือเส้นทางหรือไม่? ฉันสามารถใช้พารามิเตอร์อะไรในพื้นที่ของรัฐได้บ้าง

15 machine-learning  artificial-intelligence  reinforcement-learning  line-following 

ฉันต้องการที่จะรู้ว่าถ้าใครประสบความสำเร็จในการตรวจจับสัตว์เลี้ยงลูกด้วยนมที่อบอุ่น (เช่นมนุษย์) โดยใช้เซ็นเซอร์ที่ไม่ได้มาตรฐานหรือไม่? โดยหลักการแล้วฉันต้องการใช้เซ็นเซอร์ราคาไม่แพงหรือการรวมกันของเซ็นเซอร์เพื่อตรวจจับบุคคลภายในห้องและแปลเป็นบุคคลนั้น ฉันต้องการให้หุ่นยนต์เข้าไปในห้องตรวจสอบว่ามีมนุษย์อยู่หรือไม่แล้วย้ายไปยังมนุษย์ที่ตรวจพบ ความแม่นยำไม่จำเป็นต้องเป็น 100% เนื่องจากต้นทุนเป็นปัจจัยมากกว่า ฉันต้องการความต้องการด้านการคำนวณของเซ็นเซอร์เช่นนั้นสามารถทำงานบน Arduino แม้ว่ามันจะเป็นไปไม่ได้ แต่ฉันก็เต็มใจที่จะใช้ประโยชน์จากสิ่งที่น่ากลัวมากกว่าเช่น Raspberry Pi หรือ BeagleBone Black ฉันมีความคิดเล็กน้อย อย่างไรก็ตามไม่มีของพวกเขาเหมาะ: เซ็นเซอร์ PIR - สามารถตรวจจับการเคลื่อนไหวภายในขอบเขตการมองเห็นที่กว้าง (เช่นปกติ 120 องศาขึ้นไป) อาจเป็นสิ่งที่ใกล้เคียงกับเครื่องตรวจจับ "มนุษย์" ที่ฉันรู้ อย่างไรก็ตามมันต้องมีการเคลื่อนไหวและการแปล / การกำหนดตำแหน่งที่บุคคลนั้นจะยากมาก (เป็นไปไม่ได้?) ด้วยวิสัยทัศน์ขนาดใหญ่เช่นนี้ อัลตร้าซาวด์ - สามารถตรวจจับวัตถุได้อย่างแม่นยำ มีมุมมองที่แคบกว่ามาก อย่างไรก็ตามไม่สามารถแยกความแตกต่างระหว่างวัตถุที่ไม่มีชีวิตและมนุษย์ เครื่องตรวจจับ IR - (เช่นเซ็นเซอร์วัดระยะชัด) สามารถตรวจจับวัตถุได้อีกครั้งด้วยความแม่นยำสูงและมุมมองที่แคบมาก อย่างไรก็ตามไม่สามารถแยกความแตกต่างของวัตถุได้อีก Webcam + OpenCV - อาจใช้การตรวจจับใบหน้าเพื่อตรวจจับคนในห้อง …

15 sensors 

ฉันมีระบบเซอร์โวง่าย ๆ ที่ใช้คอนโทรลเลอร์ PID ที่ใช้ใน MCU เพื่อแสดงความคิดเห็น อย่างไรก็ตามคุณสมบัติของระบบเปลี่ยนแบบไดนามิกและดังนั้นพารามิเตอร์ PID ไม่สามารถปรับได้สำหรับทุกสถานการณ์ หุ่นยนต์ของฉันเป็นแขนที่มีน้ำหนักเบาพร้อมมอเตอร์ไฟฟ้าแบบขับเคลื่อนกลับได้ซึ่งคล้ายกับอันนี้: แขนทำหน้าที่หลายอย่างรวมถึงการยกน้ำหนักหนักผลักและดึงวัตถุข้ามโต๊ะ งานเหล่านี้แต่ละงานต้องการพารามิเตอร์การปรับค่า PID ที่แตกต่างกันซึ่งฉันไม่สามารถคาดเดาได้ง่าย สิ่งที่ฉันต้องการสำหรับฟังก์ชั่นระดับที่สูงขึ้นซึ่งสามารถปรับพารามิเตอร์อย่างระมัดระวังเพื่อตอบสนองต่อพฤติกรรมของแขน ตัวอย่างเช่นหากสังเกตว่าแขนกำลังสั่นอาจลด P และเพิ่ม D หรือถ้าสังเกตว่าแขนไม่ถึงเป้าหมายมันอาจเพิ่ม I มีอัลกอริธึมดังกล่าวหรือไม่? ฉันจะมีความสุขแม้ว่าอัลกอริทึมจะไม่ทำให้พารามิเตอร์สมบูรณ์แบบทันที EG แขนสามารถแกว่งสองสามครั้งก่อนที่พารามิเตอร์จะถูกปรับเป็นค่าใหม่ของพวกเขา

15 control  pid  automatic  tuning 

นักศึกษาระดับบัณฑิตศึกษาที่เริ่มต้นด้านวิทยาการหุ่นยนต์ได้ถามผมถึงประเด็นทางคณิตศาสตร์ที่เขาควรจะทำ (สิ่งที่จำเป็นต้องมี) เพื่อเริ่มต้นโปรแกรมการวิจัยระดับปริญญาโทด้านวิทยาการหุ่นยนต์ อะไรเป็นวัสดุ / หนังสือดีๆที่จำเป็นสำหรับนักศึกษาวิจัย สิ่งใดที่เราควรแนะนำเพื่อให้นักเรียนพัฒนารากฐานที่แข็งแกร่งในด้านหุ่นยนต์

15 research 

ด้วยหุ่นยนต์สองล้อแบบนี้ฉันได้จัดการให้มีเสถียรภาพในขณะที่ยังคงอยู่กับที่ สิ่งนี้ทำโดยใช้ระบบควบคุมป้อนกลับแบบดิจิทัลโดยการอ่านตำแหน่งของล้อเพื่อกำหนดตำแหน่งและใช้แรงเคลื่อนไฟฟ้าตามธรรมชาติจากมอเตอร์ล้อในวงป้อนกลับเพื่อกำหนดความเร็ว มันถูกเก็บไว้อย่างมั่นคงด้วยตัวควบคุม PID ซึ่งได้รับการออกแบบโดยใช้อัลกอริธึมรูตโลคัสเพื่อทำให้มันมีเสถียรภาพและปรับเปลี่ยนพารามิเตอร์ประสิทธิภาพ (เช่นเปอร์เซ็นต์การเกินเวลาเวลาที่กำหนด ฯลฯ ) ฉันต้องการพยายามทำให้มันเสถียรในขณะที่ขับเคลื่อนไปข้างหน้าพร้อมกัน แต่ฉันไม่สามารถหาวิธีที่จะไปเกี่ยวกับการออกแบบตัวควบคุมเชิงเส้นที่สามารถทำได้ เป็นไปได้หรือไม่ที่ทั้งขับเคลื่อนหุ่นยนต์ไปข้างหน้าและ รักษาความเสถียรโดยใช้อุปกรณ์ควบคุมป้อนกลับบนล้อหรือจำเป็นต้องใช้เครื่องวัดการหมุนวน?

15 two-wheeled  stability 

ฉันมีเซอร์โวงานอดิเรก ( Power HD 1501MGs ) และฉันต้องการควบคุมพวกมัน (ผ่าน Arduino) ดังนั้นพวกเขาจะไปที่มุมที่ฉันตั้งไว้หรือวางในโหมด 'วิ่งฟรี' ที่ที่โหลดจะพาไปทุกที่ที่ไป สิ่งนี้เป็นไปได้หรือไม่หรือว่าฉันจะต้องถอดเกียร์ออก? ความคิดแรกของฉันคือการฆ่าพลังให้กับเซอร์โว แต่พลังที่จำเป็นในการเคลื่อนย้ายพวกมันในสภาวะนั้นเป็นมากกว่าที่ฉันต้องการ หากเป็นไปได้ฉันกำลังดูการเปลี่ยนแปลงฮาร์ดแวร์หรือฉันสามารถทำได้ในซอฟต์แวร์หรือไม่?

15 control  rcservo 

ฉันกำลังพยายามใช้โครงสร้างเพื่อนบ้านที่ใกล้ที่สุดเพื่อใช้ในการวางแผนการเคลื่อนไหว RRT เพื่อที่จะทำได้ดีกว่าการค้นหาแบบใกล้เคียงกับสัตว์เดรัจฉานเชิงเส้นฉันต้องการใช้สิ่งที่คล้ายกับ kd-tree อย่างไรก็ตามดูเหมือนว่าการใช้งานแบบคลาสสิกของ kd-tree ถือว่าแต่ละมิติของพื้นที่สามารถแบ่งออกเป็น "ซ้าย" และ "ขวา" ความคิดนี้ไม่ได้นำไปใช้กับช่องว่างที่ไม่ใช่ยูคลิดเช่น SO (2) ฉันกำลังทำงานกับแขนกลเรียงต่อเนื่องที่มีการเชื่อมโยงการหมุนอย่างสมบูรณ์ซึ่งหมายความว่าแต่ละมิติของพื้นที่การกำหนดค่าของหุ่นยนต์คือ SO (2) และไม่ใช่ยูคลิด อัลกอริทึม kd-tree สามารถปรับเปลี่ยนเพื่อรองรับ subspaces ประเภทนี้ได้หรือไม่ ถ้าไม่มีโครงสร้างเพื่อนบ้านที่ใกล้เคียงที่สุดที่สามารถจัดการ subspaces ที่ไม่ใช่ Euclidean เหล่านี้ได้ในขณะที่ยังง่ายต่อการอัพเดทและสืบค้น? ฉันดูที่FLANNด้วย แต่มันก็ไม่ชัดเจนสำหรับฉันจากเอกสารของพวกเขาว่าพวกเขาสามารถจัดการพื้นที่ย่อยที่ไม่ใช่แบบยุคลิดได้หรือไม่

15 motion-planning  rrt 

ตัวอย่างเช่นหากรถแลนด์โรเวอร์มีช่วงอุณหภูมิการทำงานที่ -70 ถึง +120 องศาเซลเซียสมันจะอยู่รอดได้อย่างไรและจะคืนตัวเองได้อย่างไรหากอุณหภูมิลดลงถึง -150 องศาเป็นเวลาหลายเดือน?

14 electronics  ugv  reliability 

ฉันจะสร้างระบบหุ่นยนต์ขนาดเล็กและดูเหมือนว่า ROS ทำหน้าที่เป็นกรอบที่ดีในการควบคุมและเขียนโปรแกรมระบบ อย่างไรก็ตามฉันสงสัยว่าวิธีใดที่ดีที่สุดในการจัดการส่วนประกอบของหุ่นยนต์ มันสมเหตุสมผลหรือไม่ที่จะวางเซ็นเซอร์ทั้งหมดไว้ในโหนดเดียว ฉันควรใส่เซ็นเซอร์ประเภทเดียวกันในโหนดเดียวหรือดีกว่าที่จะมีหนึ่งโหนดสำหรับเซ็นเซอร์เดียวหรือไม่ เป็นการดีที่จะมีโหนดตัวจัดการบางอย่างซึ่งรับอินพุตจากเซ็นเซอร์และนำพาแอคทูเอเตอร์ที่เกี่ยวข้องหรือควรที่แอคทูเอเตอร์และโหนดแอคทูเอเตอร์ควรสื่อสารโดยตรงหรือไม่? โหนดเซ็นเซอร์ที่หลอมรวมและโหนดแอคทูเอเตอร์พร้อมตัวจัดการ เซ็นเซอร์เดี่ยวและโหนดแอคทูเอเตอร์พร้อมตัวจัดการ การสื่อสารโดยตรง สำหรับฉันฉันคิดว่าสิ่งที่ดีที่สุดคือการมีตัวจัดการบางอย่างซึ่งจัดการการสื่อสารระหว่างเซ็นเซอร์และแอคทูเอเตอร์และมีหนึ่งโหนดสำหรับแต่ละองค์ประกอบของหุ่นยนต์ (เช่นในรูปที่ 2) เพราะระบบอยู่ในลักษณะนี้ สามารถขยายได้อย่างง่ายดาย แต่ฉันต้องการทราบว่าความคิดเห็นของคุณคืออะไร

14 control  ros