FenixEdu™

Dissertação

{en_GB=Incremental Adaptation of a Robot Body Schema Based on Touch Events} {} EVALUATED

Detalhes: {pt=O termo 'body schema' refere-se a uma representação computacional de um corpo físico; a representação neuronal de um corpo humano, ou a representação numérica do corpo de um robô. Tanto nos humanos como nos robôs, esta representação é crucial para que estes sejam capazes de controlar eficazmente os seus movimentos. Enquanto que os humanos adaptam continuamente a sua representação corporal com base em informação multimodal e plasticidade neuronal, os corpos dos robôs são tipicamente descritos por um modelo analítico constante (e.g. a cinemática de um robô). No entanto, existem frequentemente discrepâncias entre o modelo elaborado e o corpo real do robô, sendo que estas também variam no tempo, afetando assim a eficácia do controlo dos seus movimentos. Neste trabalho dotamos um robô humanoide da capacidade para incrementalmente estimar as imprecisões do seu modelo, através de informação recolhida após contactos em superfícies planares (e.g. paredes) na sua vizinhança. Estes contactos são alcançados aplicando pequenas variações angulares nos seus motores e a adaptação da representação computacional do seu corpo é conseguida apenas com base na informação recolhida em cada contacto. O problema é formulado como uma estimação de parâmetros adaptativa (com recurso a um Filtro de Kalman Extendido) que recebe as restrições planares obtidas após cada contato detetado. Comparamos diferentes métodos para incorporação de novos dados executando uma extensa bateria de testes, utilizando um simulador realista do robô humanoide iCub, e mostrando que as imprecisões do modelo de um robô podem ser reduzidas em mais de 80%. , en=The term `body schema' refers to a computational representation of a physical body; the neural representation of a human body, or the numerical representation of a robot body. In both humans and robots, such a representation is crucial to accurately control body movements. While humans learn and continuously adapt their body schema based on multimodal perception and neural plasticity, robots are typically assigned with a fixed analytical model (e.g., the robot kinematics) which describes their bodies. However, there are always discrepancies between a model and the real robot, and they vary over time, thus affecting the accuracy of movement control. In this work, we equip a humanoid robot with the ability to incrementally estimate such model inaccuracies by touching known planar surfaces (e.g., walls) in its vicinity through motor babbling exploration, effectively adapting its own body schema based on the contact information alone. The problem is formulated as an adaptive parameter estimation (Extended Kalman Filter) which makes use of planar constraints obtained at each contact detection. We compare different incremental update methods through an extensive set of experiments with a realistic simulation of the iCub humanoid robot, showing that the model inaccuracies can be reduced by more than 80%.}
Keywords: {pt=adapatação da representação corporal, auto-calibração de um robô, percepção multimodal, estimação adaptativa de parâmetros, controlo de saturação, restrições planares, en=body schema adaptation, robot self-calibration, multimodal perception, adaptive parameter estimation, anti-windup control, planar constraints}

Discussão: junho 19, 2018, 12:0